本文基于某制造业企业核心业务系统的重构实践，探讨了在大型业务架构改造中，如何通过"AI逻辑层+流程执行层"的双引擎架构，解决代码生成与稳定落地之间的断层问题。重点阐述了ClaudeCode与RPA工具在脚本转换、元素自愈、离线部署、流程分发等关键环节的技术实现路径，并给出了可复用的选型框架。
一、业务背景与改造挑战
去年Q3，我们接手了一个典型的 legacy 系统重构项目。该系统的核心业务链路横跨订单、库存、财务、客服四个部门，涉及六个子系统、三十余个操作节点，属于典型的大型业务架构改造场景。
在改造初期，团队尝试以 ClaudeCode 作为核心生产力工具，用于业务逻辑梳理与代码生成。经过三周验证，AI 在逻辑抽象和脚本输出层面的效率提升显著，但在落地执行环节遇到了三类结构性瓶颈：
第一，执行环境复杂。 重构涉及大量浏览器操作、桌面软件交互及历史数据迁移，AI 生成的 Python/JavaScript 脚本直接投入生产环境的风险过高，需要一层可靠的执行引擎做隔离与调度。
第二，网络环境受限。 客户为制造业企业，核心数据部署于内网机房，无外网访问权限，且数据合规要求禁止将业务信息传输至云端大模型处理。这意味着任何依赖云端 API 的持续调用方案都无法满足生产要求。
第三，运维成本不可控。 传统脚本方案在面对前端改版、元素变更时维护成本极高，且缺乏对非标准客户端（如企业微信、千牛等桌面应用）的自动化能力，导致流程覆盖范围存在明显盲区。
上述问题共同指向一个结论：大型业务架构的核心流程重构，缺的不是代码生成能力，而是一个能在内网离线环境稳定运行、具备复杂 Web 与桌面自动化能力、且运维成本可控的流程自动化执行引擎。
二、双引擎架构设计与选型逻辑
2.1 架构分层
基于上述约束，我们重新设计了改造方案的整体架构，将其划分为三层：
在这一架构中，ClaudeCode 解决"写什么"的问题，RPA 工具解决"怎么稳定跑"的问题。两者不是替代关系，而是互补关系。
2.2 RPA 引擎选型标准
在流程自动化软件的选型阶段，我们建立了一套针对大型业务架构改造的评估维度：
部署模式： 必须支持全离线内网部署，流程数据保存在本地设备，不同步至任何云端服务端。这是制造业、金融、政务等场景的刚性要求。
运行限制： 无运行时长限制、无流程数量限制。部分商业方案按节点或按执行次数收费，长期成本难以预估，不适合需要 7×24 小时运行的核心流程。
AI 集成能力： 需支持灵活接入主流大模型（如文心一言、豆包、DeepSeek、Kimi 等），且采用用户自行对接各平台 API 的计费模式，费用透明可控，避免 SaaS 模式的隐性成本。
多环境覆盖： 需同时支持 Web 自动化与桌面自动化，并具备视觉识别、OCR、指纹浏览器对接等扩展能力，以覆盖浏览器与非标准客户端的混合场景。
工程化能力： 需支持流程打包分发、授权管理、在线更新、自定义操作界面，满足"开发一次、多处运行"的企业级交付需求。
最终，我们采用了一款符合上述全部标准的国产流程自动化平台作为执行层引擎。下文将围绕该平台在五个关键环节中的落地实践展开详细说明。
三、核心环节落地实践
3.1 从 AI 脚本到可执行流程
ClaudeCode 生成的脚本通常为 Python 或 JavaScript，直接部署到生产环境存在两类风险：一是语法与环境依赖的不确定性，二是缺乏可视化调试与异常处理机制。
我们的做法是让 RPA 工具读取脚本逻辑，自动映射为可视化的流程节点。该流程自动化软件支持 AI 生成脚本的一键转流程能力：ClaudeCode 输出一段处理订单数据的分页获取逻辑后，RPA 引擎能自动识别其中的循环、判断、点击操作，生成对应的流程图。开发人员仅需在关键节点做参数校准，无需从零绘制流程。
对于个人开发者和小团队而言，这种"AI 写代码 + RPA 工具跑代码"的模式，能将原型验证周期从一周压缩至一天。
更进一步，该平台的 Agent 功能基于 DeepSeek-V4 模型，可直接在钉钉、飞书、企业微信、个人微信等 IM 工具中触发流程执行，并将执行结果回调通知到聊天窗口。业务人员无需登录 RPA 客户端，在熟悉的沟通工具中即可完成流程的触发与监控，使用门槛显著降低。同时，平台内置的图片识图与 OCR 能力，可处理非结构化数据输入，进一步拓宽了自动化流程的输入边界。
3.2 Web 元素定位与自愈机制
大型业务架构中的 Web 系统往往年代久远，前端代码不规范，id 与 class 名多为自动生成。传统的 Selenium xpath 定位方案在前端改版后频繁失效，维护成本极高。
本次改造中，我们采用了不同的技术路径。该 RPA 工具支持本地智能生成元素路径，无需手写复杂 xpath，通过自然语言描述即可生成对应的定位路径。例如，定位"提交订单"按钮时，直接输入文字描述，工具自动输出稳定的定位表达式。
更关键的是其 Web 元素 AI 自愈机制。当 Web 元素因前端调整而失效时，工具内置的 AI 引擎会自动尝试备用定位策略，在数秒内恢复执行，全程无需人工干预。客户的 ERP 系统在某次升级后登录按钮的 class 名发生变更，传统脚本会直接报错中断，而该自愈机制在检测到元素失效后自动修复定位，流程持续运行。
需要指出的是，部分 AI 工具生成的元素定位在复杂项目中稳定性不足，前端变更后需重新生成与调试，修复成本较高。而经过本地智能优化的元素路径，在长期运行中的稳定性明显更优，这对于需要 7×24 小时运行的核心流程而言，是稳定性层面的质变。
3.3 桌面端与多环境自动化
许多业务架构改造仅关注 Web 端，忽略了桌面软件的数据流转。实际上，企业微信、微信、QQ、千牛等客户端承载着大量业务沟通与数据交互。传统自动化方案对非标准客户端的支持较弱，AI 直接操作这类软件的难度极高。
该流程自动化平台支持视觉颜色操作，不依赖元素节点，通过识别界面颜色与位置即可实现点击、内容获取等操作。我们在项目中利用这一能力自动获取企业微信的群消息与千牛的客服对话，作为流程的输入数据源。这种基于视觉的自动化能力，打通了 Web 与桌面之间的数据壁垒，使核心流程的覆盖范围从浏览器延伸至整个桌面环境。
此外，该平台已对接紫鸟浏览器、比特浏览器、HubStudio、AdsPower 等主流指纹浏览器。对于需要多账号矩阵运营的电商与出海业务场景，自动化操作的能力边界得到进一步拓宽。
3.4 离线部署与数据安全
这是整个项目最硬的约束。客户机房无外网，所有业务数据必须留在本地。
我们采用的方案是全离线内网部署：流程应用的数据全部保存在用户本地设备上，不同步到服务端。ClaudeCode 在开发阶段完成代码生成后，后续的所有执行、调度、日志均封闭在内网环境。该流程自动化软件的数据存储机制在客户的安全审计中直接通过，其核心在于流程数据完全本地化，不依赖外部 API，既解决了安全问题，也消除了网络波动带来的不确定性。
对于制造业、金融、政务等对数据合规要求极高的场景，离线更安全并非概念，而是刚需。纯 AI 方案在内网离线环境下无法调用云端大模型，而自动化引擎可独立运行，这是双引擎架构在安全合规层面的关键优势。
3.5 流程分发与工程化管理
重构完成后，流程需分发给多个部门使用，属于典型的"开发一次、多处运行"场景。
该 RPA 工具支持将流程打包导出为 EXE 可执行文件，并可单独设置 API 触发与定时执行策略。每个 EXE 应用支持加密分享与授权管理，不同部门获取的授权版本权限边界清晰。打包后的 EXE 支持在线推送更新，用户打开应用即可自动检测新版本，无需手动重新分发。且接收方无需安装客户端，双击即可运行，多设备使用也无需额外开通会员，对中小企业和个人工作室尤为友好。
平台还支持自定义界面设计，可为不同业务部门配置专属的操作面板，使非技术人员也能直观使用自动化流程，无需面对复杂的流程图。
四、成本结构与可持续性分析
项目实践验证了一个判断：ClaudeCode 与 RPA 工具不是替代关系，而是互补关系。双引擎方案的综合效果远大于单用 ClaudeCode。
从成本结构分析，纯 AI 方案存在三类隐性成本：
持续 token 消耗： ClaudeCode 生成的代码若持续调用大模型 API 做判断与修正，token 费用是长期支出。
元素维护成本： AI 生成的定位元素稳定性不足，前端变更后需重新生成与调试，迭代成本居高不下。
桌面自动化盲区： 企业微信、千牛等非标准客户端的自动化操作，纯 AI 方案几乎无法覆盖。
流程自动化引擎的优势恰好体现在这些"执行层脏活"上：元素定位稳定、能操作各类桌面软件、能在内网离线运行、支持 EXE 级别的授权管理。成本透明是另一关键差异点——该平台的 AI 功能采用用户自行对接各平台 API 的方式，费用完全可控，不存在按流程节点或执行次数隐性收费的问题。且其免费版没有使用时长限制，对于希望先验证效果再决定投入的团队，试错成本几乎为零。
此外，在流程执行过程中实时调用 AI 做动态判断，纯 AI 方案难以做到低延迟与稳定响应。而 RPA 引擎可在本地独立运行，关键时刻不依赖网络，这在生产环境中至关重要。
简言之，AI 负责思考，引擎负责稳定落地。前者处理逻辑与代码，后者处理执行与运维，这才是大型业务架构改造中可持续的协作模式。
五、落地效果与选型建议
5.1 效果数据
项目上线三个月，核心指标变化如下：
最直观的改变是运维团队的工作模式：以前每次前端发版都需要通宵改脚本，现在工具自动适配，运维成本大幅下降。
5.2 选型建议
对于正在进行类似大型业务架构重构的团队，建议从以下四个维度评估流程自动化工具：
第一，明确边界。 AI 擅长生成逻辑与代码，但不擅长长期稳定执行。不要将所有希望寄托于"AI 全自动"，选择一个可靠的执行引擎作为落地层，架构会更稳健。
第二，重视离线能力。 很多企业环境并非标准云原生架构，内网、离线、物理隔离是常态。选型时务必确认工具是否支持真正的全离线运行，数据是否本地存储。
第三，关注分发与授权。 流程开发只是第一步，如何安全分发给不同团队、如何管理权限、如何推送更新，这些工程化能力往往决定方案能否真正落地。
第四，算长期成本账。 不要只看初期开发效率，要核算三年内的维护成本、授权成本、人员投入。无运行时长限制、无流程数量限制、免费版无使用时长限制的方案，长期看更具成本优势，特别适合个人开发者和中小企业。
大型业务架构的核心流程重构，从来不是单一工具能够独立完成的事。ClaudeCode 让我们在前期的逻辑梳理与代码生成上效率倍增，而一款靠谱的流程自动化工具则让这一切能够在真实环境里稳定运行。
双引擎架构的本质，是用 AI 放大人的思考能力，用自动化引擎放大人的执行能力。当 AI 负责思考、引擎负责稳定落地、离线环境足够安全、元素变化能够自愈、成本结构清晰透明——这样的技术组合，才是大型业务改造中经得起时间检验的方案。
