實在智能發布實在Agent 7.20，RPA Agent已成企業智能體落地首選

• 從推出深度規劃的實在Agent，看RPA Agent如何成為企業智能體落地首選
• 實在智能全球首發實在Agent智能體7.2.0，RPA Agent已成企業智能體落地首選
• 實在智能全球首發深度規劃，讓實在Agent像人一樣邊想邊做
• 為什么說RPA Agent是企業智能體落地首選？一篇文章告訴你答案
• 政策推動智能體行業應用按下加速鍵，企業應該選擇什么樣的Agent落地路徑？

全文約5000字，閱讀時間10分鐘

智能體的應用熱度，也體現在相關政策文件中。

8月下旬，國務院發布的《關于深入實施“人工智能+”行動的意見》明確提出，到2027年實現新一代智能終端、智能體等應用普及率超過70%，到2030年超過90%，到2035年我國全面步入智能經濟與智能社會的新階段。

9月中旬，工信部等七部門聯合印發了《深入推動服務型制造創新發展實施方案（2025—2028年）》政策文件。在“夯實服務型制造發展底座”的任務說明中明確提出，推動人工智能技術與服務型制造融合創新，引導通用大模型、行業大模型和智能體在重點場景布局應用。

政策的發布，為智能體的發展與應用按下了加速鍵，也讓更多人看到了企業應用的發展方向。越來越多的人開始關注智能體，更多的企業則在考慮是否引入智能體應用。

但應用智能體并非簡單的技術疊加，貿然引入定會出現難以預料的情況發生。最近MIT調研300多家正在進行AI轉型企業后的報告結果顯示，竟有高95%的項目沒有獲得任何回報，只有5%的項目真正創造了商業價值，甚至有些企業的CIO因此被裁撤。

當前階段企業應用智能體主要面臨五大痛點問題：技術上，模型幻覺、安全漏洞頻發，且難與現有系統集成；業務上，盲目選場景、ROI難量化，流程重構阻力大；成本上，算力供需失衡，中小企業投入門檻高；合規上，隱私法律沖突多，數據質量差且孤島化；組織上，員工抵觸情緒重，復合型人才短缺。

想要解決這些問題，可以從低風險場景切入，可以用小模型+RAG提升準確性，還可以從建立人機協作SOP入手。但重點在于，能否找到合適的技術供應商和適配的解決方案。

企業要引入智能體，落到業務和技術層面，就是將企業現有的業務軟件、數據與管理系統及技術架構與智能體技術相揉捏到一起，最終形成一個融合智能體的業務流程體系。這就需要在已有的業務流程系統中，尋找一種技術或者軟件應用作為切入點，與智能體實現完美融合。

理論上，推出智能體的ERP、CRM、BPM、workflow、BI等軟件都可以充當這個切入點，但王吉偉頻道更推薦首選RPA Agent。為什么這么說呢？且看下文。

契合企業智能體需求

企業對于新技術的應用，并不是一蹴而就的，而是一個不斷累加、驗證與取舍的過程。對于大模型和智能體的應用，自然也是一樣。

傳統企業是很多人組成一些部門，結合信息化系統來構建的組織。在RPA+AI到來后，變成了人+RPA+AI的人機協同。接下來隨著智能體的普及應用，組織會變成人+智能體的人機協同，少量的人與大量的智能體協同工作，大量智能體在網絡上對接數據與服務，所有人與工具都圍繞AI來工作。

在這個趨勢下，所有組織或者個人都將主動或者被動應用智能體，就像你的客戶使用某個平臺你也必須使用一樣。

追本溯源，從業務流程角度，智能體所做的仍然是業務流程自動化的事。具備自主性的智能體動態化的替代和消除了原有的流程節點，讓原本的多線條流程不斷縮短乃至消失，也讓自動化程度不斷提升。

智能化為自動化賦能，智能是因，自動是果，企業對于穩定可靠自動化的需求，遠大于對更先進的智能化技術的需求。企業應用流程自動化的進程，從企業對于RPA應用的階段化發展可以體現，見下圖。

所以當智能體已經在大街小巷被談論的時候，有些傳統企業、大型企業可能還在實施RPA2.0向RPA3.0的跨越，因為它們需要成熟與穩定的技術支撐業務，未經大規模驗證的新技術無法適配規模化生產。當然隨著傳統軟件的智能體化，它們最終都能借助RPA Agent或者企業Agent實現Agentic AI對業務流程的賦能。

▲點擊看大圖

在RPA應用的進程中，RPA的一個重要作用是粘合與連接，使得企業過往重金投入、卻缺乏現代API接口或不愿額外開發接口的舊系統能夠繼續使用，這個應用到現在都是主流，也體現了RPA在某些應用場景的不可替代性。

過去10年，很多企業的業務流程里都增加了一個“人+RPA”的人機協同層。對于大量應用RPA的企業，會考慮如何如何把RPA與智能體關聯融合，一般不會推翻現有信息系統而引入智能體。面向真正的企業運營場景，拋開RPA去談智能體都是耍流氓。因此，基于RPA的智能體解決方案更契合需求。

此外，目前還處在智能體應用的初期階段。別看現在C端的智能體表現多么亮眼，面對B端企業五花八門的異構系統和個性化需求，大部分解決方案都是白搭。

在王吉偉頻道看來，智能體距離直接操作企業深層復雜的長業務流程還有一段不短的距離，所以用智能體連接原有系統是企業應用智能體的最優路徑，比如先搞個Agentic RAG企業知識庫等等。某種程度上，在企業應用端，當前的智能體很像多年前的RPA。

穩定性更勝一籌

智能體的穩定性決定它能否大規模應用，目前仍然存在很大的挑戰。過去半年，C端市場涌現出了不少表現優異的智能體，比如Manus、Loveart、Tunee等。B端也有不少令人青睞的開源項目，比如Dify、n8n、Coze等。尤其是n8n，已經被很多人說的無所不能。

n8n以構建Agentic Workflows著稱，理論上沒有它不能連接的API。只要API足夠多，它就能實現足夠長的工作流。但問題在于，API越多也意味著工作流更脆弱，一個API故障就會導致整體癱瘓。加上大模型存在幻覺，相同提示詞可能產出不同結果。

▲n8n workflows

個人使用可反復運行調整，企業生產中一次中斷就可能導致停擺，因此企業不敢輕易嘗試。冗長的工作流，還會加劇token消耗、增加API成本，進一步放大穩定性問題。

所以，用更少的API構建更長的工作流能夠更穩定地運行，才是智能體工作流的上上策。

RPA之所以能夠在廣大企業中盛行，一個重要原因是在于進化出了“人工模擬+API”的雙重連接模式，可以最大程度保證軟件系統之間交互的穩定性。在人工模擬這個單元，還引入了計算機視覺，比如實在智能的屏幕識別（ISSUT）技術，進一步增加了RPA的安全籌碼。

PC是智能體必然要攻克的高地，也將是智能體的必爭之地。微軟、OpenAI、Antoropic、騰訊、阿里、字節跳動、智譜等很多大廠都在持續跟進Computer Use Agent（CUA），最近谷歌也發布了CUA大模型。

CUA用的基礎技術之一也是計算機視覺，它通過截圖等方式定位PC屏幕坐標并讓鍵鼠模擬人類操作PC。多模態大模型的應用正在讓CUA進化的更加絲滑，但仍舊無法媲美RPA Agent。

一些廠商也研發了結合RPA的CUE開源項目比如APA等，以推動CUE早日得落地應用。實在智能融合RPA相關技術基于自研塔斯模型的同類產品實在Agent智能體，在2023年率先發布時已是可大規模商用的企業級產品。

目前市面上的四類智能體

經歷了2年多的發展，在科技巨頭探索和開源領域努力及市場需求增長的共同作用之下，尤其是在具備深度規劃能力的RPA Agent出現之后，從技術和應用角度來看，目前市面上的智能體大體可以分為四種，如下：

▲點擊看大圖

1、讓大模型扮演某種角色的智能體：直接利用大模型的生成能力完成特定對話任務

類似Kimi、豆包這種智能體，優點是簡單易用，門檻低。這種類型是最基礎的純大模型類智能體，直接調用大模型的基礎能力，也在隨著“模型即應用”的趨勢而逐漸變強。

2、大模型與API技術結合的智能體：基于預定義的工作流實現特定任務的標準化執行

類似coze、Dify智能體平臺。相對純大模型類智能體，這類智能體優點是可以完成簡單流程串聯，也可以編寫執行長任務，對于有API接口的調用方便，進一步拓展了企業端的應用。

但它依賴API的缺點也比較明顯：泛化能力較弱，開發API成本高，有些老舊的系統甚至可能沒有API，且開發API的成本和時間周期都是依賴于IT團隊能力和人工，效率相對較低。

3、大模型與MCP技術結合的智能體：基于任務的理解自主規劃工作選擇工具進行執行

類似manus、Claude智能體，相較API接口開發，調用十分便捷。MCP服務顆粒度如果做得太細，性能就會比較差；如果顆粒度太粗，就無法去做精準的調控，可控性存在一定問題的。

4、大模型與RPA\API\MCP融合具備深度規劃的智能體：基于任務的理解自主規劃并與人工協作操作桌面

類似實在Agent智能體，融合了RPA，把對于操作系統的底層操控能力原子化，具備操控上的完備性。增強了ISSUT屏幕語義理解能力及流程垂直大模型的能力訓練，在流程執行上比GPT4O還高7個百分點。

同時具備深度規劃能力，能夠自主完成目標人物的規劃→執行→驗證→交付全閉環。這類智能體更加自主、智能、穩定、可控和高效，符合無論是個人還是企業業務流程的生成和執行的智能體需求。

四種智能體各有優勢，在不同業務場景發揮各自作用。但在企業生產環境中，第4種類型能夠快速、高效、穩定的連結與融合企業原有基于RPA等系統的業務流程，更容易被集成到企業復雜的業務系統中。尤其是能夠通過人工模擬和API雙重模式連接各軟件系統的RPA Agent，是目前的主流解決方案。

國內RPA Agent新動態

RPA Agent已經成為To B領域的一支重要力量。目前UiPath、Automation Anywhere等海外大廠都推出了融合RPA的智能體產品或者解決方案，國內如實在智能、金智維、容智信息、來也科技等也都推出了相關產品。

在國內，實在智能的智能體產品研發和應用進展一直保持領先。關注和研究實在智能，能夠列了解國內RPA Agent的最新發展動態。最近實在智能最新發布了實在Agent智能體7.2.0，我們來了解一下。

實在Agent升級迭代的7.2.0版主要是全球首發了深度規劃功能，能夠讓智能體像人一樣邊想邊做。深度規劃功能，讓智能體的思考、規劃、推理分析與工具應用能力大幅提升，解決了很多以往智能體存普遍存在的問題。具體表現為以下四大核心能力，下面結合具體案例跟大家介紹。

1.深度推理：全流程透明化，邏輯可見。通過“目標解析→任務拆解→工具匹配→確認執行”四步，將AI的規劃思路與執行邏輯完整呈現，避免“指令進、結果出”的黑箱問題。

案例1：收集京東手機商品名稱和價格。輸入需求指令后，它會把任務深度規劃為獲取京東商品數據、生成Excel表格存到桌面、使用釘釘發送文件給文件小助手3個子任務，并按照步驟執行。任務完成后，就會在釘釘上把Excel數據文件送給小助手。用戶可以看到瀏覽器操作、Excel生成、釘釘發送的全過程。這種跨軟件應用的操作，目前僅有RPA Agent能夠絲滑執行，Coze空間等類Manus智能體尚無法實現。

2.多工具與智能體調度：復雜任務協同閉環。無需用戶手動搭建工作流，實在Agent可主動識別任務需求，調用不同類型的智能體與工具，實現多環節協同。

案例2：設計制作PPT模板并微信發送。輸入需求指令讓它制作PPT模板并發送到微信傳輸助手，它會主動識別任務需求，將其深度規劃為3個執行步驟，先調用工具生成試用期總結PPT模板，把模板保存為本地文件，再打開微信找到文件傳輸助手，精準選擇模版文件發送給文件傳輸助手。

3.自我驗證糾錯：避免任務中斷與“幻覺”輸出。包括兩大核心作用：一是識別執行障礙（如權限、環境問題），二是修正輸出偏差（如數據源錯誤），確保任務準確閉環。

案例3：小紅書提取iPhone 17輿論。讓實在Agent在小紅書提取10條關于iPhone 17的輿論，它會將任務深度規劃為3個執行步驟。首先會在桌面建立一個任務文件夾，建立一個空的任務Excel表格。然后通過內置瀏覽器打開小紅書網站。如果用戶沒有登錄，任務執行遇到障礙，它會主動提示用戶登錄小紅書，用戶登錄后繼續執行任務。最后遍歷小紅書上符合條件的內容，把相關數據提取到表格中。

4.代碼生成可視化：提升報告可讀性與效率。針對冗長文字報告，自動生成HTML網頁代碼（集成Tailwind CSS、Font Awesome圖標、Google Fonts），將信息轉化為直觀的可視化格式。

案例4：生成AI Agent網頁報告。輸入需求指令，它會別任務需求并將其深度規劃為5個執行步驟，調用工具收集AI Agent產品、市場及相關企業的信息，整合數據生成研究報告，最后調用網頁大師智能體把研究報告內容轉為可視化的網頁格式。

實在Agent憑借類人大腦的思考邏輯，讓用戶無需預先設計復雜流程，僅需明確任務目標，自主完成規劃→執行→驗證→交付全閉環。這種類人類思考模式，打破了傳統“人思考、機執行”模式，解決了傳統智能體黑箱操作、流程依賴、易輸出幻覺數據等核心痛點。

硬實力帶來好產品

實在智能能夠打造出功能強易落地的智能體產品，離不開兩大核心優勢：

一是技術很強。擁84項實授專利、300余項軟著，獲國家專利獎，是人工智能優秀服務商、國家級專精特新企業，全棧全自研，大模型和算法雙備案。

關鍵技術有三個：一是ISSUT技術，讓智能體能識別并操作CS/BS軟件按鈕、BS網頁輸入框、IM工具聊天窗口；二是智能體畫布+RPA流程，可將RPA流程作為“技能”，沉淀至企業大腦，下次直接調用；三是TARS垂直大模型，基于5000家客戶、幾十萬個流程，任務推理和網頁元素識別能力比GPT-4O高10個百分點。

二是應用落地成熟。實在Agent產品靈活易操作、部署快，是“小快輕準”數字化創新產品及各行業“人工智能+”抓手。已服務國內外5000余家頭部大中型客戶，覆蓋多領域央國企、500強等，還在日本、馬來西亞設海外子公司，開啟中國軟件出海。

技術研發實力加上長期實踐與服務經驗，使得實在Agent具備真實世界的行為能力、自主與閉環的任務處理、穩定高效可控安全等三大優勢。這三大優勢共同構成了實在Agent作為下一代生產力工具的核心競爭力，使其成為企業實現智能化和自動化的關鍵力量。

實在Agent能夠實現讓智能體覆蓋各類跨系統、多步驟的辦公場景，無需學習復雜流程降低了用戶操作成本的同時，又能通過避免幻覺數據提升任務準確性，還能通過自主協同閉環提升效率，進而滿足企業對于高可靠、無幻覺、高效率智能辦公工具的核心需求。

實在Agent無需接口也能完成負責任務，沒有虛擬機也能操作系統軟件，破除了大模型幻覺，能夠精準落到任務執行的每一步，構建工作流效率高且復用性強，是當下最實用的智能體商用落地方式。它既為企業應用“自主+可控”的智能體打下了基礎，也擁有著巨大的商業潛力。

后記：合適方案加速智能體落地

Gartner在今年1月預測，到2027年末，超過40%的Agentic AI項目將因成本持續攀升、商業價值不清晰或風險管控不到位而終止。

原因在于，當前多數Agentic AI項目仍處于早期實驗或概念驗證階段，這類項目多受市場炒作推動，且常被誤用。這容易讓企業忽視大規模部署AI智能體所需的實際成本與技術復雜性，最終導致項目無法落地到生產階段。

企業要將Agentic AI集成到現有系統的過程中，不僅會面臨復雜的技術難題，還需頻繁調整工作流程，且需承擔高昂的修改成本。

王吉偉頻道認為，其實想要破解這個問題也不難，就是基于現有企業軟件系統和業務流程設計Agentic AI工作流程，或者尋找能夠將其融合的Agentic AI解決方案，讓智能體真正能夠落地到業務流程中。

因此專注做業務流程自動化、業務流程管理等企業服務廠商所推出的Agentci AI解決方案，將會是一個更好的選擇，不妨多關注一下實在Agent等RPA Agent。

【王吉偉頻道，關注AIGC與IoT，專注數字化轉型、業務流程自動化與AI Agent，歡迎關注與交流。】