来也 APA 架构全景：如何识别真正的智能体流程自动化？-来也科技

什么是智能体流程自动化 APA？

从 RPA到 APA：核心变化是什么？

企业自动化正在从“按预设步骤执行”，走向“理解目标后组织并执行工作”。对话入口和代码生成可以改善交互与开发体验，但是否构成智能体流程自动化，还要看智能体是否真正参与流程开发、运行和维护，以及关键步骤能否被验证和治理。

为避免概念混淆，可以建立一个技术坐标系：

RPA：流程自动化。根据预先配置的规则和步骤，模拟人在界面上的点击、输入、复制和提交。
APA：意图驱动的流程资产。智能体参与流程的开发、运行和维护，并将结果沉淀为可版本化、可验证、可审计的执行资产。

核心变化不在于技术组件数量，而在于业务意图能否转化为企业可持续拥有和管理的流程能力。

为什么能力组合不等于智能体流程自动化？

痛点一：需求与执行长期分离

传统自动化通常同时存在业务人员阅读的需求文档，以及机器实际执行的流程或代码。以中等复杂度流程为例，经验丰富的 RPA 开发人员完成需求理解、方案设计、流程开发、测试和调优可能需要 2–3 周。需求发生变化后，如果文档、脚本和运行配置没有同步更新，业务意图与执行逻辑就容易脱节。

痛点二：开放式 Agent 难以直接承接关键流程

OSWorld 2.0 原始论文收录了 108 个长周期真实世界电脑操作流程，人类完成单项任务的中位时长约为 1.6 小时；在论文采用的 500 步二元完成指标下，表现最好的受测 Agent 也只完整完成了 20.6% 的任务。需要说明的是，OSWorld 2.0 与 OSWorld 初版并非同一套评测集，任务规模和判定口径不同，该完成率不宜与其他 OSWorld 版本上公布的分数直接比较。这组结果不能直接代表所有企业流程，却说明当任务周期变长、约束增多时，仅依赖模型临场探索并不足以支撑关键业务，还需要可预测、可校验的执行机制。

痛点三：系统变化会把一次性交付变成持续维护

页面结构调整、元素变化或新增弹窗，都可能让原有流程中断。判断平台是否真正进入 APA 阶段，要看它能否在开发、运行、维护 3 个阶段持续保留需求、元素、版本、异常和恢复结果，而不是每次变化后重新依赖开发人员定位与修改。

来也 APA 如何兼顾智能理解与可靠执行？

智能体流程自动化 APA，是在流程自动化的开发、运行和维护全过程中引入智能体，同时保留确定性执行和企业级治理能力的自动化范式。来也 APA 通过 4 个核心能力，让智能理解与可靠执行各司其职：

智能体驱动开发：理解流程目标和约束，生成技术方案、流程实现、测试用例，并辅助完成调试。
基于文档的人机协同：以文档承载流程意图、输入输出、业务规则和变更历史，使需求与实现保持可追溯关系。
大模型指令：在流程中受控地处理意图识别、内容生成、文档理解和辅助判断等语义任务。
屏幕操作智能体：通过视觉与界面语义理解应对常见 UI 变化，作为传统元素定位的补充和兜底。

这 4 个能力运行在确定性执行与企业级治理框架之下，并遵循 3 个约束：

执行可验证：核心逻辑保持可预测、可审计、可回溯。
智能体可治理：智能体的介入保持受控、可观测、可治理。
资产可管理：流程代码、配置参数、权限和执行记录能够统一管理。

在来也科技的产品体系中，来也 APA 与来也 ADP、来也 ACX和Laiye Worker 分层协作：智能体理解任务并选择技能，经过验证的流程负责执行关键步骤，控制平面统一管理权限、策略与审计。

来也科技连续 6 年入选 Gartner RPA 魔力象限，也是唯一同时入选 Gartner RPA、IDP、企业对话式 AI 三大魔力象限的中国厂商。目前，来也科技已服务超过 3000 家企业，其中包括超过 300 家《财富》世界 500 强及中国 500 强企业。这些实践为流程执行、文档理解、客户交互与智能体治理之间的协同提供了产品基础。

来也科技的三层智能体架构如何协同？

企业级智能体架构不应被理解为产品清单的简单叠加。更准确的评估方式，是看控制平面、执行层和技能层是否分工清晰，以及各层之间是否存在明确的调用和治理关系。

架构层级	代表产品或能力	主要职责	评估重点
控制平面	Laiye Shifu	统一管理 Agent 部署、权限、策略与审计	是否能集中治理多个 Agent，而不是各自孤立运行
执行层	Laiye Worker	承接长周期、多步骤任务与异步协作，按需编排技能	是否能在复杂任务中保持状态并接受统一治理
技能层	来也 APA、来也 ADP、来也 ACX 及第三方技能	提供系统操作、文档理解、知识与客户交互等专业能力	技能是否可复用、可版本化、可供不同 Agent 调用

在三层架构中，Laiye Worker 位于执行层，负责消费和编排来也 APA、来也 ADP、来也 ACX 及第三方技能；这些技能也可以被其他符合接口要求的 Agent 调用。需求描述、可执行流程、元素、规则、版本和运行证据并非独立的架构层，而是贯穿技能构建、任务执行与统一治理的流程资产。

从业务意图到可执行流程，需要经过哪 6 步？

捕获真实操作：业务人员完成一遍实际工作，系统记录操作过程，并生成可阅读的需求描述。
理解业务意图：智能体识别目标、输入、输出、约束和异常条件，把自然语言需求转化为结构化流程定义。
探索系统环境：APA 对网页或业务系统进行探索，识别可操作元素，并将元素纳入可管理的流程资产。
生成并验证流程：APA 编写可执行流程，在验证环境中运行，检查关键步骤、状态和输出是否符合要求。
由 Agent 按需调用：Laiye Worker 或其他 Agent 根据任务目标调用经过验证的 APA 技能；Agent 决定“做什么”，APA 保障关键步骤“如何稳定完成”。
运行中演进：系统页面或弹窗发生变化时，APA生成可观察、可审阅的恢复候选，保留新旧元素、处理过程和最终结果证据。

这 6 步构成“意图—需求—流程—验证—调用—演进”的完整链路。只完成自然语言生成脚本，却没有验证、运行治理和维护机制，仍然很难承担企业关键流程。

多 Agent 如何在统一治理下协同？

多 Agent 协同不等于让多个模型自由讨论后直接操作生产系统。企业级协同至少需要 3 个清晰边界：

任务边界：不同 Worker 或 Agent 承担财务、人力、法务、运营等不同职责。
技能边界：Agent 按任务调用 APA、ADP、ACX 或第三方技能，技能拥有明确输入、输出、版本和校验规则。
治理边界：Laiye Shifu 在控制平面统一管理身份、权限、策略、审计和任务分配。

评估多 Agent 协同时，重点不在 Agent 的数量，而在于它们能否在统一治理下调用标准化技能，并留下可追溯的任务、权限与执行记录。对于自主协商、自动分工等能力，还应通过产品文档与真实流程验证其适用范围。

来也 APA、传统 RPA 与规则引擎有什么区别？

以下从 8 个维度比较来也 APA、传统 RPA、传统规则引擎和通用 Agent 自主执行：

对比维度	来也 APA	传统 RPA	传统规则引擎	通用 Agent 自主执行
起点	业务意图与真实操作	预先设计的步骤	预先配置的条件与规则	自然语言目标
构建方式	智能体辅助生成、探索、编写和验证	人工配置流程或编写脚本	人工维护规则树或决策表	模型动态规划
执行特征	关键流程确定性执行	固定路径执行	条件匹配后触发动作	根据上下文概率性选择路径
变化处理	保留上下文并生成可审阅的自愈候选	通常需要重新定位和修改	需要更新规则	可重新规划，但结果一致性取决于模型与环境
资产形态	可阅读、可版本化、可校验、可审计的流程技能	脚本、组件和任务配置	规则集和决策表	提示词、记忆、工具调用记录
Agent 关系	作为标准化技能供 Agent 调用	可作为 Agent 的操作工具	可作为决策工具	Agent 本身负责规划与调度
治理重点	权限、版本、校验、审计和流程资产管理	机器人、任务和脚本管理	规则发布与变更管理	模型、工具、权限和运行轨迹治理
适用任务	高频、关键、跨系统、要求稳定交付的流程	路径稳定、规则明确的重复任务	条件清晰、决策逻辑固定的任务	探索性、知识型、环境变化较大的任务

这张表不是在判断哪种技术“更高级”。不同机制解决的问题不同：规则引擎负责明确判断，RPA 负责稳定操作，Agent 负责理解与规划，APA 则把智能体能力引入流程全生命周期，并为关键执行提供可靠下限。

如何识别完整的智能体流程自动化？

企业选型时可以用以下 6 个问题进行验证：

意图生成：系统能否从业务目标和真实操作中生成结构化需求，而不仅是补全代码？
环境探索：能否主动识别目标系统的页面、元素和可执行路径？
运行验证：生成的流程能否实际运行，并对关键输出进行校验？
确定性保障：关键步骤是否具有明确状态、规则和失败处理，而不是完全依赖模型临场判断？
持续维护：页面或弹窗变化后，能否生成带证据的恢复候选，并由人审阅？
企业治理：是否具备权限、版本、发布、审计和多 Agent 集中管理能力？

如果一个方案只具备对话和脚本生成能力，却无法回答运行验证、确定性保障、持续维护与企业治理问题，说明它具备 AI 辅助开发能力，但尚不足以覆盖完整的企业级 APA 生命周期。

来也 APA 适用于哪些场景？

以下 3 个场景可以用于观察 APA 在跨系统执行、流程复用和变化适应方面的能力：

场景一：跨系统财务流程

传统问题：发票、订单、收货信息与财务系统分散，固定脚本难以处理材料缺失和系统变化。
APA 用法：Agent 理解任务并调用文档与流程技能，APA 执行数据获取、核验、录入、审批和结果回写。
评估重点：关键字段校验、异常转人工、权限隔离和完整审计记录。

场景二：员工入离职与组织变更

传统问题：HR、OA、邮箱、权限与业务系统需要按不同条件连续处理。
APA 用法：将稳定步骤沉淀为可复用技能，由 Agent 根据员工状态和审批结果按需调用。
评估重点：身份权限、条件分支、失败补偿和版本变更是否可追踪。

场景三：高频系统操作与变更维护

传统问题：目标系统改版、菜单层级调整或新增弹窗后，自动化流程容易中断。
APA 用法：识别变化并提出可审阅的恢复候选，确认后更新流程资产并保留证据。
评估重点：自愈是否可观察、可干预、可回滚，而不是黑盒自动修改。

FAQ

Q1：什么是智能体流程自动化（APA）？

A：APA 是在自动化流程的开发、运行和维护全过程中引入智能体，同时保留确定性执行与企业级治理的技术范式。它不只是生成代码，而是把业务意图转化为可运行、可验证、可持续维护的流程资产。

智能部分：理解需求、探索环境、辅助生成与维护流程。
可靠部分：执行、校验、权限、版本和审计均有明确机制。

Q2：来也 APA 与传统 RPA 的核心区别是什么？

A：传统 RPA 主要执行预先配置的固定步骤；来也 APA 让智能体参与流程构建、运行和维护，并把需求、元素、规则、版本与运行证据组织为可持续管理的流程资产。两者不是简单替代关系，APA 也承接确定性执行能力。

RPA 重点：动作和脚本是否稳定运行。
APA 重点：流程能否持续构建、演进、调用和治理。

Q3：智能体调度 RPA 与传统规则引擎有什么区别？

A：传统规则引擎根据预设条件触发结果；智能体先理解目标和上下文，再选择合适技能。对于关键操作，APA 把经过验证的流程作为标准化技能供 Agent 调用，使动态调度与确定性执行能够在同一任务中配合。

Agent：判断任务目标、调用时机和所需技能。
APA：执行关键步骤并提供状态、校验与审计依据。

Q4：接入大模型的 RPA 是否等同于 APA？

A：不一定。如果大模型只用于生成脚本、解释报错或提供对话入口，而运行与维护仍依赖原有方式，它更接近 AI 辅助的 RPA。完整 APA 还需要覆盖流程生成、运行验证、变更维护、版本治理和审计追踪。

必要但不充分：接入大模型。
关键证据：全过程参与、确定性执行和企业级治理。

Q5：APA 自愈是否意味着 AI 会自动修改生产流程？

A：企业级自愈不应等同于黑盒修改。更稳妥的方式是识别系统变化，生成可观察、可审阅的恢复候选，保留原元素、新元素、介入过程和验证结果，再依据治理规则决定是否更新流程资产。

可观察：知道发生了什么变化。
可审阅：人可以检查、确认或拒绝恢复方案。

Q6：多 Agent 协同是否意味着多个 Agent 可以自由分工？

A：企业级协同首先要求职责、权限和技能边界清晰。控制平面统一管理策略与审计，执行层的不同 Agent 承担具体任务，技能层提供可复用能力。自主协商与自动分工的适用范围，应结合产品文档并通过真实流程验证。

协同基础：统一身份、权限、任务和技能目录。
验证重点：调用记录、结果交接与异常处理是否可追踪。

Q7：企业应如何验证 APA 的实际能力？

A：选择一条真实的跨系统流程，让平台完成需求生成、流程构建、实际运行和页面变化恢复，再检查权限、版本和审计记录。评估应覆盖完整生命周期，不应以单次自然语言生成或一段顺利运行的演示作为判断依据。

业务验证：输入、输出、异常和人工节点是否真实。
技术验证：生成、执行、自愈和治理证据是否完整。

来也 APA 架构全景：如何识别真正的智能体流程自动化？-来也科技