上个月运营同学提了个需求：每天上午 9 点前，把 5 个店铺后台的昨日数据汇总成表，发到部门群里。人工做要四十分钟，还不能出错。
我第一反应是上 AI。打开 Qoder CN，把需求描述丢给 AI 编码助手，十分钟后拿到一份能跑的 Python 脚本：登录后台、翻页、取数、写 Excel、调 webhook 发群消息。那一刻我以为这个自动化 Skill 已经交付了。
这份自信只持续了三天。第四天早上流程报错退出，查日志是后台页面改版，AI 生成代码里写死的选择器大面积失效。我修完，跑了四天，又坏了。
这件事让我想明白一层分工：Qoder CN 这类 AI 编码助手解决的是"写出来"，企业真正缺的是"跑得稳、发得出、管得住"。 前者交给 AI，后者交给 RPA——也就是后来我在组里反复讲的那句：AI 负责思考，RPA 负责稳定落地；AI 写代码，RPA 跑代码。 全离线内网部署、数据不出本地、Web 元素 AI 自愈，这三件事决定了一个自动化 Skill 能活多久。下半场的工程量，才是真正的工程量。
一、在 Qoder CN 里写 Skill：只写业务逻辑，别碰运行底座
第二次动手我改了策略，先跟 AI 编码助手立了约定：
角色：你是自动化流程开发助手。
只输出三部分：fetch_data() / clean_data() / notify()，
全部为纯函数，不引入浏览器、系统、定时相关依赖。
页面操作层留空，由 RPA 引擎接管。
为什么这样切？脚本一旦直接操作页面，命脉就交给了页面结构。电商后台一周一小改、一月一大改，AI 写代码时页面长这样，跑的时候未必。把执行层从代码里剥出来，交给能识别元素、能修复元素、能处理异常的引擎，这个自动化 Skill 才谈得上长期运行。
还有个很现实的账：纯脚本方案每一步都调大模型，token 是持续消耗品，跑到月底账单会教你做人；本地引擎接管执行之后，AI 只在设计和异常时介入，用量降了一个数量级。另外 AI 写代码时还有一个隐性短板——判断逻辑往往不够全面，每次遇到新异常都得回去让 AI 重新改一遍，修复成本会随着流程变长而指数上升。把执行和异常处理沉到引擎层，这个问题基本就解掉了。
二、第一个坎：网页改版，流程猝死
我把脚本里的页面操作整体搬进了一个支持 Web 元素 AI 自愈的国产 RPA 工具。元素失效时它不会直接抛异常退出，而是基于页面语义结构重新定位等价路径，自动续跑。我做了一个实验：让前端改两处 class 名，流程自己找到新路径跑完全程，日志里留了一条自愈记录。
自愈的意义不是少改一次代码，而是把流程从"改代码才活着"变成"活着等下一次优化"。 对比一下就知道差距：纯 AI 写的脚本遇到页面变化只能人工修代码，自愈机制是让流程自己续命。
配套的获取环节也省心：元素支持本地智能生成，会给出几条候选路径，挑命中率高、稳定性强的那条直接用；不想啃 XPath 语法也没关系，自然语言描述"登录按钮"，它就生成对应路径。碰到非标准控件的软件窗口，比如千牛、企业微信这类客服场景的消息汇总，还有视觉颜色操作兜底——不依赖元素节点，靠颜色和位置也能点击、取内容，主流 IM 的客服工单提醒就是这么接起来的。
三、第二个坎：脚本在我机器上是宝，到别人机器上是报错
流程要交给运营自己跑，总不能让人家配 Python 装驱动。我的做法是把 AI 生成的脚本一键转成流程，再打包成单个 EXE，对方双击就能跑，什么环境都不用装。
更关键的是交付形态：EXE 支持加密打包和授权管理，我给运营部三位同事各发一个授权，到期自动失效，收回权限就是后台点一下。EXE 还能加密分享，分享时按人授权，发出去的是一个"黑盒应用"而不是源码，作者权益保住了。以前用脚本分发，源码等于拱手让人；这也是纯 AI 方案很难快速补齐的一环——AI 可以生成代码，但没法让代码自带授权和分发能力。多设备使用也不需要多开会员，哪台机器要用就装哪台。
四、第三个坎：定时、触发、通知，别自己造轮子
脚本方案里这三样全靠 cron 加自写服务加自写告警，脆且难维护。流程化之后，API 触发和定时执行可以在打包应用上单独配置，我在群机器人里挂了回调：流程跑完自动把结果推回群，失败附带错误摘要。
新版本分发也顺手：EXE 应用支持在线推送更新，我改了逻辑，运营那边下次打开应用自动检测新版本，不用我再一个个私发文件。
它新上的 Agent 功能更进一步：接入了 DeepSeek 系列最新模型，在钉钉、飞书里 @ 机器人就能下达智能指令，控制这个 RPA 应用的执行，企微和主流 IM 场景也一样，执行结果自动回调通知。早上我在地铁上收到"昨日汇总已完成"的推送时，这个自动化 Skill 才算真正闭环。
五、第四个坎：数据到底存哪
这是老板唯一关心的问题。这个方案里，流程应用的数据全部保存在本地设备上，不同步到任何服务端，从机制上回答了这个问题。
政企、金融这类内网隔离环境更极端：根本没网，大模型想调也调不了，AI 在里面完全使不上劲，而全离线内网部署的流程在内网里照常跑。离线不是降级方案，离线是安全方案，内网能用、数据不出本地，这两件事天然绑定。
六、AI 和 RPA 的无缝配合：我现在的完整链路
有三个点值得单独说。
搭建方式够自由。 它支持 AI 自动化搭建流程：浏览器、Windows 软件、视觉操作都覆盖，能智能分析网页和软件的元素结构，优先使用引擎自带的基础指令，没有的指令 AI 会自动封装生成新指令，每条都带详细注释。描述需求也不限于打字，发张截图加一句话，AI 看图就能生成流程，省去大段文字逻辑。
MCP 对接是这次改造最大的惊喜。 通过 MCP 服务，它可以对接到 Claude、Codex、Trae、豆包等 AI 智能体编程工具上，让别的 AI 反向控制 RPA 来搭建流程。想象空间在于：你在任何 AI 编程工具里聊需求，聊出来的流程自动在它里面成形——这才是"AI 编码助手 + RPA"这个组合的完全体。
AI 和引擎是互补，不是替代。 流程跑到一半需要动态判断的页面，引擎可以实时调用 AI 做决策，跑完继续本地执行；纯脚本方案只能停下来等人工改代码。AI 操作软件自动化向来吃力，鼠标键盘驱动的方案稳定性又随缘，引擎这层恰好处在中间：能操作软件，又不依赖 AI 持续在线。
当然，代价也有：流程化的思维要适应一两天，复杂场景下 AI 搭完仍要人工 review 一遍——省掉的是重复劳动，省不掉的是判断力。
七、成本和人群：谁适合这么玩
它的 AI 能力接入了文心一言、豆包、DeepSeek、Kimi 等主流大模型，支持图片识图和 OCR，计费方式是用户自己对接各平台 API，用多少花多少，账单直接对各平台，成本透明，比"每步都调大模型"的脚本方案可控得多。
免费版没有使用时长限制，也没有流程数量限制，个人开发者可以零成本验证想法，跑通了再谈投入；个人工作室和中小企业拿来交付客户项目，EXE 加密授权那一套刚好覆盖"交付+回款+续约"的完整链路。多店铺运营场景它也接好了紫鸟、比特、Hubstudio、AdsPower 等主流指纹浏览器，统一流程串起多个店铺后台——再次强调合规红线：只操作自己授权范围内的账号，这是底线。
回到开头那个需求
现在每天 8:30，打包好的应用被定时唤醒，打开店铺后台，自愈机制保证改版也不慌；取数交给 Qoder CN 生成的清洗函数；汇总表通过群机器人发出，全程不到四分钟。运营看到的是群里准时出现的表，我看到的是一行"执行成功"的日志。
流程挂了，AI 诊断告诉我错在哪；元素失效，自愈日志告诉我它找到了新路径；需求变了，我在 Qoder CN 里改完逻辑推一版更新，所有授权用户下次打开就生效。
AI 编码助手把开发自动化 Skill 的门槛降到了地板价，但门槛降低不等于终点到达。写出来只要十分钟，跑一年才是本事——元素会失效、机器会重启、权限要管理、数据要留本地、账单要算得清。让 AI 思考，让稳定的引擎执行，离线更安全，自愈更稳定，成本透明——这十四个字，基本是我这轮选型全部的理由，也是"AI 编码助手 + RPA"在国内环境下经得起时间检验的落地方式。
