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(dòng)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(dòng)化，更在工作流執(zhí)行時(shí)引入了動(dòng)態(tài)決策的自動(dòng)化。這一創(chuàng)新將為未來自動(dòng)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(dòng)中解放出來。

論文信息

? 項(xiàng)目地址

? https://github.com/OpenBMB/ProAgent

? 論文地址

? https://github.com/OpenBMB/ProAgent/blob/main/paper/paper.pdf

研究緣起 ：將 Agent 技術(shù)的靈活性引入 RPA

—

在歷史的長(zhǎng)河中，自動(dòng)化是人類技術(shù)發(fā)展的主要?jiǎng)恿?，幫助人類從?fù)雜、危險(xiǎn)、繁瑣的勞動(dòng)環(huán)境中解放出來。自早期農(nóng)業(yè)時(shí)代的水車灌溉，到工業(yè)時(shí)代的蒸汽機(jī)，人類一直在不斷尋求更加先進(jìn)的自動(dòng)化技術(shù)，從而解放自身于繁重的工作。隨著信息時(shí)代的到來，軟件作為信息處理、存儲(chǔ)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(dòng)化（Robotic Process Automation, RPA）技術(shù)。其通過人工編制規(guī)則將多個(gè)軟件協(xié)調(diào)成一個(gè)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。

Robotic Process Automation 與 Agentic Process Automation 的比較

RPA僅能替代簡(jiǎn)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(dòng)，成本較高。

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

從效率和智能兩個(gè)方面來比較 RPA 和 APA

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(dòng)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？

該研究探討了大模型智能體時(shí)代下新型自動(dòng)化范式 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(shí)其可以識(shí)別人類需求中需要?jiǎng)討B(tài)決策的部分，將自動(dòng)編排進(jìn)工作流中，并在工作流執(zhí)行到該部分時(shí)主動(dòng)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(gè)自動(dòng)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(shí)代下的可行性，也揭示了 LLM 時(shí)代下，自動(dòng)化技術(shù)的嶄新可能性。

APA 方法介紹：工作流構(gòu)建任務(wù)轉(zhuǎn)化為代碼生成任務(wù)

—

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(gè)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(gè)工作流往往包含了對(duì)于一個(gè)或一類任務(wù)的所有先驗(yàn)知識(shí)，其中包含解決問題的路徑，遇到異常時(shí)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。

智能體工作流描述語言圖示

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(duì)工作流中數(shù)據(jù)的組織與管理，選擇 Python 語法實(shí)現(xiàn)對(duì)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(shí)將工作流中的工具調(diào)用封裝為 Python Function。于是對(duì)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(shí)，ProAgent 便編寫相應(yīng)的 Agentic Workflow Description Language，從而實(shí)現(xiàn)了工作流自動(dòng)化構(gòu)建。

帶有 DataAgent 和 ControlAgent 的智能體工作流描述語言圖示

復(fù)雜的現(xiàn)實(shí)任務(wù)中通常會(huì)涉及動(dòng)態(tài)決策，單純的 Python 式的邏輯控則規(guī)則以及 JSON 式的數(shù)據(jù)組織形式在面對(duì)靈活的需求時(shí)便無能為力，此時(shí)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(duì)于一個(gè)復(fù)雜的數(shù)據(jù)處理需求，工作流構(gòu)建時(shí)會(huì)使用自然語言來描述處理的任務(wù)，然后在執(zhí)行時(shí)會(huì)初始化一個(gè) DataAgent，其會(huì)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(duì)于難以用規(guī)則表示的邏輯控制規(guī)則，工作流構(gòu)建時(shí)使用自然語言對(duì)控制邏輯進(jìn)行描述，然后在運(yùn)行時(shí)會(huì)初始化一個(gè) ControlAgent，其會(huì)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 工作流構(gòu)建過程說明

ProAgent 使用 ReACT 模式逐步構(gòu)建工作流，其共包含四個(gè)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(shí)將工具的調(diào)用封裝為Python函數(shù)。3. Workflow Implement：定義一個(gè)mainWorkflow函數(shù)，用以組織整個(gè)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(shí)以該操作標(biāo)識(shí)構(gòu)建過程結(jié)束。

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

1. Testing-on-Constructing：在構(gòu)建過程中，ProAgent會(huì)在一次修改工作流之后對(duì)工作流進(jìn)行測(cè)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(duì)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(shí)，需要對(duì)于每個(gè)function都要給出注釋comment和一個(gè)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(gè)工作流，其對(duì)應(yīng)的 mainWorkflow 函數(shù)用作為工作流執(zhí)行的入口來開始整個(gè)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。

實(shí)例驗(yàn)證：完成兼顧靈活與效率的商業(yè)場(chǎng)景任務(wù)

—

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(gè)開源的 RPA 平臺(tái) n8n 作為載體，實(shí)現(xiàn)了上述的 ProAgent。同時(shí)設(shè)計(jì)了一個(gè)需要兼顧靈活與效率的任務(wù)：這是一個(gè)典型的商業(yè)場(chǎng)景，需要從Google Sheets中提取各種業(yè)務(wù)線的營(yíng)利數(shù)據(jù)，同時(shí)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(huì)向 Slack 頻道發(fā)送一條消息。而對(duì)于 2B 的業(yè)務(wù)線，則會(huì)向相應(yīng)的經(jīng)理發(fā)送一封電子郵件，其中包括對(duì)業(yè)務(wù)線的評(píng)估和簡(jiǎn)要的盈利概況。

任務(wù)內(nèi)容

對(duì)于該任務(wù)，首先它是一個(gè)重復(fù)性的任務(wù)，對(duì)于多條產(chǎn)品線，應(yīng)該走相同的處理流程。其次，分辨一個(gè)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(dòng)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(píng)估郵件需要一定的智能，所以需要 Agent 的介入。

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

ProAgent 工作流構(gòu)建過程在案例分析中的說明

可以看到，ProAgent 通過自主編寫代碼的方式，自動(dòng)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(shí)，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(shí)，ProAgent 還引入了一個(gè) 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。

ProAgent 工作流執(zhí)行過程在案例分析中的說明

在工作流被編寫、固化下來以后，工作流就會(huì)根據(jù)不同的數(shù)據(jù)自動(dòng)分支到不同的邏輯進(jìn)行高效地?cái)?shù)據(jù)處理了。在處理 2C 業(yè)務(wù)線數(shù)據(jù)時(shí)，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(shí)，DataAgent 可以撰寫郵件發(fā)到相應(yīng)經(jīng)理的郵箱中。

總結(jié)

—

此次發(fā)布的自動(dòng)化新范式APA是面壁智能聯(lián)合清華NLP實(shí)驗(yàn)室在 Agent 技術(shù)上的最新探索成果。該研究提出了大模型時(shí)代下新的自動(dòng)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(dòng)化，以及工作流執(zhí)行時(shí)動(dòng)態(tài)決策的自動(dòng)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(dòng)化中的可行性與潛力。

除了智能體流程自動(dòng)化技術(shù)，面壁智能和清華 NLP 實(shí)驗(yàn)室的研究團(tuán)隊(duì)前期在智能體應(yīng)用框架、單體智能和群體智能等技術(shù)上均有深入探索，是最早在 AI 智能體（Agent）底層技術(shù)上取得突破的人工智能隊(duì)伍之一。目前已成功推出了 大模型驅(qū)動(dòng)的 AI Agent “三駕馬車”：

? AgentVerse，大模型驅(qū)動(dòng)的智能體通用平臺(tái) ：招募各種各樣的 AI 專家，共同幫助用戶解決復(fù)雜任務(wù)。

? XAgent，超強(qiáng) AI 智能體應(yīng)用框架：超級(jí)“ AI 特工”，可自行拆解復(fù)雜任務(wù)，并高效執(zhí)行。

? ChatDev，多智能體協(xié)作開發(fā)框架：讓多個(gè)不同角色的智能體進(jìn)行協(xié)作，自動(dòng)化開發(fā)軟件應(yīng)用。

隨著本次發(fā)布的 APA 技術(shù)持續(xù)發(fā)展，相信未來大模型智能體技術(shù)會(huì)幫助人類實(shí)現(xiàn)更高層次的自動(dòng)化，將人類從各種繁重的勞動(dòng)中解放出來。