近日，來(lái)自清華大學(xué)的研究人員聯(lián)合面壁智能、中國(guó)人民大學(xué)、MIT、CMU 等機(jī)構(gòu)共同發(fā)布了新一代流程自動(dòng)化范式 “智能體流程自動(dòng)化” Agentic Process Automation（APA），結(jié)合大模型智能體幫助人類進(jìn)行工作流構(gòu)建，并讓智能體自主處理工作流中涉及復(fù)雜決策與動(dòng)態(tài)處理的環(huán)節(jié)，進(jìn)一步提升自動(dòng)化的程度，提高效率，將人類從繁重的勞動(dòng)中解放出來(lái)。
- 項(xiàng)目地址：https://Github.com/OpenBMB/ProAgent
- 論文地址：https://github.com/OpenBMB/ProAgent/blob/mAIn/paper/paper.pdf
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Γ瑤椭祟悘膹?fù)雜、危險(xiǎn)、繁瑣的勞動(dòng)環(huán)境中解放出來(lái)。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(lái)，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(guò)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(guò)模擬人交互的方式來(lái)和軟件交互實(shí)現(xiàn)高效執(zhí)行。
圖 1 機(jī)器人流程自動(dòng)化 RPA 與智能體流程自動(dòng)化 APA 對(duì)比
RPA 利用軟件機(jī)器人或稱為 “BOT” 來(lái)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(gè)行業(yè)）常利用 RPA 機(jī)器人來(lái)自動(dòng)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(guò)自動(dòng)化任務(wù)，RPA 可以大幅度減少錯(cuò)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(chǎng)研究，RPA 市場(chǎng)正在迅速增長(zhǎng)并取得巨大成功。Gartner 預(yù)測(cè)，2023 年全球 RPA 市場(chǎng)收入將達(dá)到 33 億美元，相比 2022 年增長(zhǎng) 17.5%。這表明了企業(yè)對(duì)于 RPA 的強(qiáng)烈需求和認(rèn)可。
但是，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：
- 編寫 RPA 工作流本身需要繁重的人類勞動(dòng)，成本較高。
- 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。
圖 2 RPA 與 APA 的效率與智能對(duì)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(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(lái)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(shí)代下新型自動(dòng)化范式 “智能體流程自動(dòng)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(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(lái)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。
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(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(lái)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(yǔ)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(yǔ)言 Agentic Workflow Description Language。該語(yǔ)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/ target=_blank class=infotextkey>Python 語(yǔ)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(guò) Python 語(yǔ)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。
圖 4 結(jié)合 DataAgent 和 ControlAgent 的智能體工作流描述語(yǔ)言示例
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 式的邏輯控制規(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(wú)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(yǔ)言來(lái)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(yǔ)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(yǔ)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(yǔ)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(gè)工作流構(gòu)建步驟：
- Action_Define：決定在工作流中添加什么工具。
- 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)。
- 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。
- Task Submit: 當(dāng) ProAgent 構(gòu)建完 workflow 時(shí)以該操作標(biāo)識(shí)構(gòu)建過(guò)程結(jié)束。
圖 5 ProAgent 工作流構(gòu)建過(guò)程示例
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(guò)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。
- 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(guò)程的控制。
- 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(guò)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(lái)開始整個(gè)執(zhí)行過(guò)程。執(zhí)行過(guò)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(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。
圖 6 任務(wù) Instruction 展示
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(guò)規(guī)則判斷，需要涉及 Agent 動(dòng)態(tài)決策來(lái)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。總體過(guò)程大致如下圖所示：
圖 7 ProAgent 工作流構(gòu)建過(guò)程展示
可以看到，ProAgent 通過(guò)自主編寫代碼的方式，自動(dòng)完成了工作流的構(gòu)建過(guò)程，其中無(wú)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(lái)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(lái)根據(jù)不同業(yè)務(wù)線的實(shí)際情況來(lái)撰寫郵件。
在工作流被編寫、固化下來(lái)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。
圖 8 ProAgent 工作流執(zhí)行過(guò)程展示
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)
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(guò)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。相信未來(lái)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(lái)。
團(tuán)隊(duì)相關(guān)研究
目前研究團(tuán)隊(duì)已在大模型智能體方向有諸多研究，包括：
- XAgent：超強(qiáng)大模型智能體應(yīng)用框架，可自行拆解復(fù)雜任務(wù)，并高效執(zhí)行。
- 項(xiàng)目地址：https://github.com/OpenBMB/XAgent
- 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。
- 項(xiàng)目地址：https://github.com/OpenBMB/ChatDev
- AgentVerse：大模型驅(qū)動(dòng)的智能體通用平臺(tái)，招募各種各樣的 agent 專家，共同幫助用戶解決復(fù)雜任務(wù)。
- 項(xiàng)目地址：https://github.com/OpenBMB/AgentVerse
