同一批货，要在淘宝天猫的千牛工作台和抖音电商的抖店后台各上架一遍，运营一天一半时间耗在复制粘贴上，平台页面还隔三差五改版。这篇文章记录我们如何用一套 RPA 流程把这件事彻底自动化，包括架构设计、踩坑过程和最终效果。
一、先算账：为什么要自动化，而不是加人
我们的货盘稳定在每周 80~120 个新品，铺到 2 家天猫店、1 家淘宝店、2 家抖音小店。手工上一个品的平均耗时：
| 环节 | 淘宝天猫（千牛） | 抖音电商（抖店） |
|---|---|---|
| 选类目、填属性 | 4~6 分钟 | 5~8 分钟 |
| SKU、价格、库存 | 3 分钟 | 4 分钟 |
| 主图、详情图上传 | 4 分钟 | 5 分钟 |
| 提交+处理驳回 | 2 分钟 | 3 分钟 |
一个品两个平台加起来约 25 分钟，一周就是 30~50 个运营工时，这还不算填错属性被驳回返工。结论很明确：这事必须交给 RPA 流程跑，人只处理异常。
二、需求拆解与架构设计
先把需求拆成四条硬约束：
- 货盘在本地 Excel，字段含成本价、供货价，数据不出本地，任何云端同步的方案直接排除；
- 五家店铺环境隔离，需要对接指纹浏览器；
- 触发方式灵活——既支持 API 触发（采购录完货盘由系统调起），也支持定时执行（凌晨自动跑）；
- 团队多人使用，流程要能打包分发给运营，且带授权管理。
整体架构分四层：
┌──────────────────────────────────────────────────┐
│调度层：API 触发 / 定时执行 / 手动启动 │
├──────────────────────────────────────────────────┤
│数据层：Excel 读取 → 变量映射 → json 字段提取 │
│ （成本/供货价仅驻留本地变量） │
├──────────────────────────────────────────────────┤
│流程层：公共子流程（登录、切换店铺） │
│ ├─ 子流程A：淘宝天猫千牛批量上新 │
│ └─ 子流程B：抖音电商抖店批量上新 │
├──────────────────────────────────────────────────┤
│结果层：成功/失败回写 Excel，失败原因落本地日志 │
└──────────────────────────────────────────────────┘
变量层是这个架构里最省事的部分。Excel 一行几十个字段，用变量批量创建 + json 自动提取字段，一次配置永久复用：
{
"变量映射": {
"title": "A列-商品标题",
"category_path": "B列-类目",
"sku_list": "json提取(G列-SKU组合)",
"images": "列表提取(H列-主图路径)",
"cost_price": "J列-成本价（仅本地，不回传）"
}
}
搭建阶段我们走的是"AI 写代码、RPA 跑代码"的路子：把流程需求（附页面截图，图文描述）丢给 AI，它分析网页元素结构后生成流程，已有的 AI 生成脚本也能一键转成可运行流程，不用从头重搭。生成时优先使用工具的基础指令，缺什么指令 AI 会自动封装成新指令，每条指令都带注释——半年后回看流程，交接成本几乎为零。
三、平台侧落地的四个坎，以及怎么过的
坎一：页面改版，元素批量失效
千牛后台和抖店的 DOM 结构改版都不慢，传统 xpath 方案意味着几百条流程逐个排查返工。我们用的这套工具（一款免费的 RPA 工具，免费版没有使用时长限制）提供了三层保险：
- 元素获取支持本地智能生成，生成多条候选路径，挑最稳的一条入库；
- 不用学 xpath 语法，自然语言描述控件（"商品标题输入框"），由 AI 生成定位路径；
- 页面改版导致元素失效时，Web 元素 AI 自愈能力自动修复定位，流程不中断。
实际跑下来，近半年千牛两次改版、抖店一次改版，流程没有动过一行代码。
坎二：异常分支写不全，半夜挂了没人知道
平台的协议弹窗、库存校验提示不是每次都出现，判断逻辑想一次性写全是伪命题。我们的分工是：AI 负责思考，RPA 负责稳定落地。遇到报错不靠人对着堆栈研究——AI 错误诊断一键分析原因并给出修复建议，确认后一键修复，自动调试到跑通。这类反复迭代的修复成本，比每次重新改代码低一个量级。
坎三：图片上传要过本地文件框
两个平台选主图都会弹系统文件选择框，这不是浏览器元素，纯网页自动化够不着。视觉颜色操作解决：不依赖元素节点，按颜色与位置特征操作软件和页面。配合图片识图与 OCR，详情图里的规格文字还能自动提取出来和货盘校验。企业微信、千牛的各种消息提示，同样靠这一招稳定读取。
文件框本质是 Windows 软件层面的控件，这类浏览器自动化、Windows 软件自动化、视觉颜色操作全覆盖的工具，在跨端场景里基本是硬性筛选条件。
坎四：五家店铺的环境切换
不同店铺绑定不同指纹浏览器环境，流程按店铺配置循环切换。我们实际接入了紫鸟、比特、Hubstudio、AdsPower 四款指纹浏览器，这类 RPA 对市面上主流指纹浏览器都已完成适配，拿到即可用，没有自己造轮子。
多店铺环境还带来一个附带收益：成本透明。整套方案按店铺维度统计运行时长和 API 调用量，哪个店花了多少机器时间一目了然，没有按"机器人数量"计费的糊涂账。
四、数据安全：全离线内网部署
成本价、供货价是核心商业数据，我们立了红线：流程应用产生的所有数据全部保存在本地设备上，不同步到任何服务端。
这同时带来一个硬约束——内网环境下大模型根本调不通，纯 AI 方案在内网直接不可用，而这套流程支持全离线内网部署，断外网照常跑。需要 AI 能力的环节（元素自愈、错误诊断、OCR、识图）走有网环境按需调用：文心一言、豆包、DeepSeek、Kimi 等平台 API 自行对接，用多少花多少，成本透明可控，没有持续烧 token 的隐性支出。
五、交付给运营：EXE 加密打包 + 授权管理
流程开发完只是前半场，让五个运营用起来才是后半场。做法是把流程 EXE 加密打包导出成应用：
- 接收方双击即用，不用装客户端，打包发给同事和客户都是这个逻辑；
- 每个 EXE 应用可单独设置 API 触发或定时执行；
- 应用支持加密分享，授权管理精确到人，权限可随时收回；
- 版本升级不用手动逐个分发，EXE 应用支持在线推送更新，打开应用自动检测新版本。
运营侧的使用界面也是定制的：把想要的布局截图发给 AI 描述需求，就能生成对应操作界面，复杂区块用 HTML 组件实现，按钮、进度、结果报表都在界面上，运营只需要点"开始上新"。
顺手记录一个真实的分发体验：工作室模式下把应用打包发给客户，对方不用装任何环境即开即用——这也是当初选工具时的筛选条件之一。这类工具对个人开发者、个人工作室和中小企业都比较友好：无运行时长限制、无流程数量限制，多设备使用不用多开会员。
六、AI 协作的进阶用法
- 动态决策：流程执行过程中支持实时调用 AI。商品标题出现敏感词风险时，先调大模型改写再继续提交，而不是中断流程等人处理；
- Agent 联动：工具支持 Agent 能力，可直接在钉钉、飞书、企业微信里发指令控制流程执行，跑完回调通知结果。运营在群里发一句"跑今天的新品"，回来就能看到报表；
- 开放对接：支持 MCP 服务，可以挂到其他 AI 智能体编程工具上，让别的工具也能调用这套 RPA 搭建或执行流程。
七、效果与复盘
上线两个月的数据：
| 指标 | 自动化前 | 自动化后 |
|---|---|---|
| 单店百品上新耗时 | 约 2.5 人天 | 约 40 分钟（无人值守） |
| 平台改版维护工时 | 每次 1~2 人天 | 近 0（元素自愈兜底） |
| 属性填错驳回率 | 约 6% | 约 1%（变量直填，无手误） |
说个印象最深的细节：千牛第二次改版那天，我们没人发现——是运营早上看报表，发现夜里那批新品照常上完了，流程自己把失效的元素修好了。
最后复盘几点经验：
- 元素自愈决定流程是资产还是负债。不能自愈的流程，改版一次就贬值一次；离线更安全，自愈更稳定，这两条排在本项目选型的最前面；
- 离线可用 + 数据不出本地是处理核心业务数据的入场券，内网环境跑不了 AI，但流程必须能跑；
- 分发给非技术人员，EXE 打包、授权、在线更新这三件套缺一不可；
- AI 与 RPA 的分工要想清楚：AI 负责思考、生成、诊断，流程负责稳定、重复、无人值守地执行。AI 写代码、RPA 跑代码，长期成本和维护压力都比"让 AI 包办一切"低得多。
如果你的团队也在淘宝天猫、抖音电商之间来回搬商品数据，建议按"数据层—流程层—调度层—结果层"四层结构先把流程骨架搭起来，先封装公共子流程，再解决元素稳定性，最后补分发授权——整套事情的难度会比预想低很多。
