近日，面壁智能聯(lián)合清華自然語言處理實(shí)驗(yàn)室等機(jī)構(gòu)的研究人員共同發(fā)布了新一代流程自動化范式 Agentic Process Automation，該范式不僅實(shí)現(xiàn)了工作流構(gòu)建的自動化，更在工作流執(zhí)行時引入了動態(tài)決策的自動化。這一創(chuàng)新將為未來自動化領(lǐng)域帶來更高層次的效率和靈活性，將人類從繁重的勞動中解放出來。

在歷史的長河中，自動化是人類技術(shù)發(fā)展的主要動力，幫助人類從復(fù)雜、危險(xiǎn)、繁瑣的勞動環(huán)境中解放出來。自早期農(nóng)業(yè)時代的水車灌溉，到工業(yè)時代的蒸汽機(jī)，人類一直在不斷尋求更加先進(jìn)的自動化技術(shù)，從而解放自身于繁重的工作。

隨著信息時代的到來，軟件作為信息處理、存儲和通信的基礎(chǔ)成為了人類生產(chǎn)生活密不可分的一環(huán)，從而催成了機(jī)器人流程自動化（Robotic Process Automation, RPA）技術(shù)。其通過人工編制規(guī)則將多個軟件協(xié)調(diào)成一個固化的工作流（Workflow），通過模擬人交互的方式來和軟件交互實(shí)現(xiàn)高效執(zhí)行。

▲圖1. 機(jī)器人流程自動化 RPA 與智能體流程自動化 APA 對比

RPA 利用軟件機(jī)器人或稱為 “BOT” 來模擬和執(zhí)行重復(fù)性、規(guī)則性的任務(wù)，從而解放人力資源，提高工作效率。RPA 的應(yīng)用范圍非常廣泛。很多企業(yè)（包括銀行、保險(xiǎn)公司、制造業(yè)、零售業(yè)等各個行業(yè)）常利用 RPA 機(jī)器人來自動執(zhí)行一些常規(guī)和繁瑣的任務(wù)，例如：數(shù)據(jù)錄入、數(shù)據(jù)提取、數(shù)據(jù)處理。通過自動化任務(wù)，RPA 可以大幅度減少錯誤率，并且能夠在 24*7 不間斷地執(zhí)行任務(wù)，從而提高了業(yè)務(wù)的可靠性和響應(yīng)能力。 根據(jù)市場研究，RPA 市場正在迅速增長并取得巨大成功。Gartner 預(yù)測，2023 年全球 RPA 市場收入將達(dá)到 33 億美元，相比 2022 年增長 17.5%。這表明了企業(yè)對于 RPA 的強(qiáng)烈需求和認(rèn)可。

但是，RPA 僅能替代簡單、機(jī)械的人力工作，一些復(fù)雜的流程仍舊依賴人工：

1. 編寫 RPA 工作流本身需要繁重的人類勞動，成本較高。

2. 復(fù)雜任務(wù)非常靈活，通常涉及動態(tài)決策，難以固化為規(guī)則進(jìn)行表示。

▲圖2. RPA 與 APA 的效率與智能對比

幸運(yùn)的是，最近 AI 領(lǐng)域興起的大模型智能體技術(shù)（Large Language Model based Agents, LLM-based Agents）也許給自動化技術(shù)創(chuàng)造了新的可能性。有沒有可能將 Agent 技術(shù)的靈活性引入到 RPA 領(lǐng)域中，來進(jìn)一步減少人的參與呢？

該團(tuán)隊(duì)的研究探討了大模型智能體時代下新型自動化范式 “智能體流程自動化” Agentic Process Automation (APA)。和傳統(tǒng) RPA 相比，在 APA 范式中，Agent 可以根據(jù)人類的需求自主完成工作流構(gòu)建，同時其可以識別人類需求中需要動態(tài)決策的部分，將自動編排進(jìn)工作流中，并在工作流執(zhí)行到該部分時主動接管工作流的執(zhí)行完成相應(yīng)復(fù)雜決策。

為了探索 APA 的可能性，該研究工作實(shí)現(xiàn)了一個自動化智能體 ProAgent，其可以接收人類指令，以生成代碼的方式構(gòu)建工作流，同在工作流中引入 DataAgent 和 ControlAgent 來在工作流中實(shí)現(xiàn)復(fù)雜數(shù)據(jù)處理與邏輯控制。ProAgent 的研究展現(xiàn)了 APA 在大模型智能體時代下的可行性，也揭示了 LLM 時代下，自動化技術(shù)的嶄新可能性。

方法介紹

在 RPA 中，工作流是由一系列工具調(diào)用組成的圖狀結(jié)構(gòu)：節(jié)點(diǎn)代表一個原子化的工具調(diào)用（如 Gmail、Twitter、Google Sheets），而邊代表了執(zhí)行的邏輯順序（承接、分支、循環(huán)）。一個工作流往往包含了對于一個或一類任務(wù)的所有先驗(yàn)知識，其中包含解決問題的路徑，遇到異常時的處理邏輯等等。因此人編寫固化出來的工作流往往是非常穩(wěn)定周全、非常高效的。

▲圖3. 智能體工作流描述語言示例

在 ProAgent 中，由于 LLM 本身在代碼數(shù)據(jù)中進(jìn)行預(yù)訓(xùn)練，學(xué)習(xí)到了較強(qiáng)代碼能力，該研究便基于代碼的智能體工作流描述語言 Agentic Workflow Description Language。該語言使用 JSON 實(shí)現(xiàn)對工作流中數(shù)據(jù)的組織與管理，選擇 Python 語法實(shí)現(xiàn)對工作流的邏輯控制，將控制流中的跳轉(zhuǎn)、循環(huán)等直接通過 Python 語法進(jìn)行表征，同時將工作流中的工具調(diào)用封裝為 Python Function。

于是對于 ProAgent，工作流構(gòu)建任務(wù)便轉(zhuǎn)化為代碼生成任務(wù)。當(dāng)接收到人類指令時，ProAgent 便編寫相應(yīng)的 Agentic Workflow Description Language，從而實(shí)現(xiàn)了工作流自動化構(gòu)建。

▲圖4. 結(jié)合 DataAgent 和 ControlAgent 的智能體工作流描述語言示例

復(fù)雜的現(xiàn)實(shí)任務(wù)中通常會涉及動態(tài)決策，單純的 Python 式的邏輯控制規(guī)則以及 JSON 式的數(shù)據(jù)組織形式在面對靈活的需求時便無能為力，此時便需要引入 agent。因此，該研究工作進(jìn)一步定義出了兩種 Agent 操作：

1. DataAgent：對于一個復(fù)雜的數(shù)據(jù)處理需求，工作流構(gòu)建時會使用自然語言來描述處理的任務(wù)，然后在執(zhí)行時會初始化一個 DataAgent，其會基于該自然語言描述自主處理并完成該數(shù)據(jù)處理任務(wù)。

2. ControlAgent：對于難以用規(guī)則表示的邏輯控制規(guī)則，工作流構(gòu)建時使用自然語言對控制邏輯進(jìn)行描述，然后在運(yùn)行時會初始化一個 ControlAgent，其會基于該自然語言描述自主選擇工作流后續(xù)需要執(zhí)行的分支。

ProAgent 使用 ReACT 模式逐步構(gòu)建工作流，其共包含四個工作流構(gòu)建步驟：

1. Action_Define：決定在工作流中添加什么工具。

2. Action Implement：將工具的輸入 / 輸出參數(shù)轉(zhuǎn)化為 JSON 結(jié)構(gòu)，同時將工具的調(diào)用封裝為 Python 函數(shù)。

3. Workflow Implement：定義一個 mainWorkflow 函數(shù)，用以組織整個 workflow 的邏輯控制與數(shù)據(jù)處理。

4. Task Submit: 當(dāng) ProAgent 構(gòu)建完 workflow 時以該操作標(biāo)識構(gòu)建過程結(jié)束。

▲圖5. ProAgent 工作流構(gòu)建過程示例

另外，為了優(yōu)化 ProAgent 的效果，又引入了幾個優(yōu)化技巧：

1. Testing-on-Constructing：在構(gòu)建過程中，ProAgent 會在一次修改工作流之后對工作流進(jìn)行測試，以保證工作流的正確性。

2. Function Calling：工作流構(gòu)建的所有操作均封裝為了 GPT-4 的 Function，從而提高對工作流構(gòu)建過程的控制。

3. Chain-of-Thought：ProAgent 在編寫工作流代碼時，需要對于每個 function 都要給出注釋 comment 和一個編寫 plan，從而提高 ProAgent 工作流構(gòu)建的性能。

工作流執(zhí)行過程基于 Python interpreter。給定一個工作流，其對應(yīng)的 mainWorkflow 函數(shù)用作為工作流執(zhí)行的入口來開始整個執(zhí)行過程。執(zhí)行過程遵循 Python 代碼執(zhí)行規(guī)則，即按照順序逐行執(zhí)行。一旦 mainWorkflow 函數(shù)返回，工作流執(zhí)行就成功完成了。

可行性驗(yàn)證

為了驗(yàn)證 Agentic Process Automation 的可行性，該研究使用 OpenAI GPT-4 作為基礎(chǔ)模型，并以一個開源的 RPA 平臺 n8n 作為載體，實(shí)現(xiàn)了上述的 ProAgent。同時設(shè)計(jì)了一個需要兼顧靈活與效率的任務(wù)：這是一個典型的商業(yè)場景，需要從 Google Sheets 中提取各種業(yè)務(wù)線的營利數(shù)據(jù)，同時根據(jù)業(yè)務(wù)是否屬于 2B 或是 2C，決定后續(xù)的行為。

一旦確定業(yè)務(wù)線為 2C，就會向 Slack 頻道發(fā)送一條消息。而對于 2B 的業(yè)務(wù)線，則會向相應(yīng)的經(jīng)理發(fā)送一封電子郵件，其中包括對業(yè)務(wù)線的評估和簡要的盈利概況。

▲圖6. 任務(wù) Instruction 展示

對于該任務(wù)，首先它是一個重復(fù)性的任務(wù)，對于多條產(chǎn)品線，應(yīng)該走相同的處理流程。其次，分辨一個業(yè)務(wù)線是 2C 還是 2B 很難通過規(guī)則判斷，需要涉及 Agent 動態(tài)決策來判斷后續(xù)的工作流執(zhí)行操作。最后，根據(jù)撰寫業(yè)務(wù)線的評估郵件需要一定的智能，所以需要 Agent 的介入。

在 ProAgent 生成中，對于該任務(wù)，編寫出了一個包含四個原子操作，一個 DataAgent 和一個 ControlAgent 的工作流?？傮w過程大致如下圖所示：

▲圖7. ProAgent 工作流構(gòu)建過程展示

可以看到，ProAgent 通過自主編寫代碼的方式，自動完成了工作流的構(gòu)建過程，其中無需涉及人工介入。在需要判斷業(yè)務(wù)線是 2B 還是 2C 時，ProAgent 引入了 ControlAgent 來做判斷，ControlAgent 的 Prompt 被設(shè)置為 “Decide Whether the business line is toC or toB”。

當(dāng)業(yè)務(wù)線為 2B 時，ProAgent 還引入了一個 DataAgent，其任務(wù)設(shè)置為 “Write a email of the business line of profit, together with your suggestion”，從而利用 agent 的智能來根據(jù)不同業(yè)務(wù)線的實(shí)際情況來撰寫郵件。

在工作流被編寫、固化下來以后，工作流就會根據(jù)不同的數(shù)據(jù)自動分支到不同的邏輯進(jìn)行高效地?cái)?shù)據(jù)處理了。

▲圖8. ProAgent 工作流執(zhí)行過程展示

在處理 2C 業(yè)務(wù)線數(shù)據(jù)時，ControlAgent 可以根據(jù)業(yè)務(wù)線描述判斷出當(dāng)前業(yè)務(wù)線的類型，選擇調(diào)用 Slack 工具。當(dāng)遇到 2B 業(yè)務(wù)線數(shù)據(jù)時，DataAgent 可以撰寫郵件發(fā)到相應(yīng)經(jīng)理的郵箱中。

總結(jié)

該研究提出了大模型時代下新的自動化范式 ——Agentic Process Automation，和傳統(tǒng) Robotic Process Automation 技術(shù)相比，其可以實(shí)現(xiàn)工作流構(gòu)建的自動化，以及工作流執(zhí)行時動態(tài)決策的自動化。該研究進(jìn)一步實(shí)現(xiàn)了 ProAgent 并通過實(shí)驗(yàn)揭示了大模型智能體在自動化中的可行性與潛力。相信未來大模型智能體技術(shù)會幫助人類實(shí)現(xiàn)更高層次的自動化，將人類從各種繁重的勞動中解放出來。

審核編輯：劉清