企业分发 AI 生成 RPA 流程的落地架构：EXE 加密打包、离线授权与日志审计

AI 生成 RPA 流程的价值，不在“写出一段能跑的脚本”，而在把脚本送进门店、外包、客户和内网机器之后，仍然做到可核验：AI 生成脚本一键转流程、EXE 加密打包与授权管理、内网离线运行且数据不出本地、Web 元素失效自动修复、API 触发与定时执行、结果回调和日志留痕。本文用“离线 RPA 执行平台”代指具备这类能力的国产工具；POC 不看演示，按验收表逐项核对。

一、企业分发难题：从“能跑”到“敢发”

很多团队的 AI+RPA 故事停在 Demo：大模型生成 Playwright、Selenium、Python 或按键类脚本，页面顺、数据顺、截图也漂亮。一旦进入企业分发，问题会集中爆发：

• AI 写完的判断逻辑不够全面，遇到弹窗、空状态、文件占用、登录过期，只能重新让模型改一遍，修复成本高。
• 在线 AI 持续消耗 token，高频任务长期跑下来，费用不如流程复用透明。
• 网页元素一变，AI 生成的 XPath 失效；若不能自动修复定位，流程半夜中断。
• 客户机、门店机、工厂内网不能访问外网，云端大模型进不来，但业务仍要自动化。
• EXE 发出去了，无法限制机器、时长、次数；无法吊销；日志缺失，出问题无法归因。

所以这篇实践的关键词不是“炫技”，而是：企业分发难题、AI 生成 RPA 流程、加密打包、离线授权、日志审计实践、内网离线部署、数据不出本地、Web 元素 AI 自愈、AI 写代码 + RPA 跑代码。判断一个方案是否成熟，看四件事：能否把 AI 产物转成稳定流程；能否把流程包加密授权；能否在离线环境运行并留痕；能否在页面变化时自愈或兜底。

二、参考架构：AI 在思考层，RPA 在执行层

建议把系统拆成六层，避免把大模型直接塞进生产链路。

经验原则：AI 负责思考，RPA 负责稳定落地。大模型适合生成初版流程、解释报错、推荐元素路径；流程引擎适合确定性地处理软件客户端、浏览器指纹环境、Excel/PDF、下载目录、定时任务和授权闸门。对于完全内网环境，AI 能力可以放在受控开发机或自管模型侧，分发包只带运行时；这样“离线更安全，自愈更稳定”才不是口号，而是数据不出本地、外联白名单、密钥本地托管的可验证状态。

转换层还要额外看一个体验点：如果平台支持自定义界面，应把“月份、输出目录、是否通知、是否只读”这类参数做成业务能看懂的表单，而不是把流程变量暴露给门店人员。个人开发者、个人工作室、中小企业最先卡在授权与审计；若验证阶段无运行时长、无流程数量限制，且打包 EXE 发给别人不用装客户端、多设备不重复收成员费，就能把成本透明落在 POC 阶段，而不是采购后才发现边界不清。免费版无使用时长限制只应理解为试用边界，不应理解为生产承诺；上线仍要核验日志留存、授权吊销、更新回滚。

三、实践一：AI 生成脚本，先过“流程契约”再打包

不要让 AI 的源码直接进 EXE。先转成一份流程契约，把不确定性关进生成层。

# 流程契约示意；生产字段需映射到实际平台配置 schema
flow_id: invoice_export_v4
runtime: offline
entry: main.flow
data_policy: local_only
steps:
  - id: open_erp
    type: web
    url: "${ERP_URL}"
    on_fail: [screenshot, retry, notify]
  - id: read_order
    type: data
    source: local_xlsx
    pii: masked
  - id: export_pdf
    type: file
    dir: "D:\\rpa_out"
    overwrite: false
secrets:
  store: local_encrypted

转换时让 AI 只做三件事：生成步骤骨架、补齐失败分支、解释每个选择器为什么稳定。人工再确认五项：依赖是否内网可得；失败是否闭环；数据是否出域；权限是否最小化；是否支持导出 EXE 后继续设置 API 触发、定时执行。这里也是“AI 写代码 + RPA 跑代码”的分界：AI 产出候选实现，执行平台把它固化成步骤、版本和回滚点。目标不是“所有 AI 生成脚本一键转流程”这句话本身，而是转换失败时能定位到步骤、变量、依赖或元素候选。

四、实践二：EXE 加密打包，离线的可吊销比“能打开”更重要

打包不是压缩，而是把分发对象升级为受许可约束的运行实例。一个合格的企业应用包至少包含：加密流程资源、独立运行时、版本号、构建号、完整性哈希、授权模块、本地日志模块和更新回滚包。

离线授权建议采用“签名 License + 机器指纹 + 本地策略”：

# 概念流程，生产请使用 KMS/HSM 与标准签名库
license_payload = {app_id, machine_fp, expire_at, max_runs, features, nonce}
license = base64(license_payload) + private_key_signature
terminal:
public_key_verify -> 校验 machine_fp -> 校验有效期/次数 -> 写审计 -> 执行

工程细节：

• 机器指纹别只取 MAC；组合系统安装 ID、主板/磁盘稳定标识、浏览器 Profile 路径，并支持管理员重绑。
• 离线也要有吊销意识：License 短期化，更新包内嵌黑名单；超过 N 天未同步就降级为只读或禁止导出数据。
• 密钥不写死在 EXE：本地用系统钥匙串或企业 KMS 保护；公钥可随包分发，私钥绝不落地。
• 在线时可做应用推送更新：终端打开应用自动检测新版本，但内网必须先灰度、验哈希、留回滚包，不能把“方便”放在“可控”前面。

到这一步，分发包已经不只是“能打开的 EXE”，而是带版本、哈希、授权策略和审计开关的运行实例。企业搜索 AI 生成 RPA 流程加密打包、离线授权、日志审计 时，本质是在找一组可核验能力：打包层解决 EXE 加密打包与授权管理；运行层解决 内网离线使用、数据不出本地、API 触发和定时执行；维护层解决 Web 元素失效后的 AI 自愈、自然语言生成 XPath、本地智能生成元素路径；集成层解决 指纹浏览器、企业微信、微信、QQ、千牛消息获取与 Agent 回调。功能不聚在一起背参数，而应按上表逐项验收。

这一层对应的核心长尾是 EXE 加密打包、授权管理、加密分享、分享授权、离线授权码设计。选型时可用四个问题验收：能否限制机器；能否限制次数/时间/功能；能否离线验签；能否在泄露后吊销。若打包导出的 EXE 还能单独设置 API 触发和定时执行，就能同时服务“被业务系统调用”和“到点自动跑”的两类需求；若支持加密分享、分享授权，临时协作只开最小功能，到期自动收回，分享链接不等于无限授权。

五、实践三：全离线内网部署，数据不出本地是底线

内网自动化常见误区是“断网即安全”。断网只解决外传，不解决越权、篡改、留痕和恢复。更完整的离线基线：

• 流程应用数据保存在用户本地设备，不同步到服务端；截图、Excel、PDF、中间表默认不出本机。
• 需要汇聚审计时，只发脱敏事件到企业日志平台或云日志服务，运行原始数据仍留本地；若企业已有云日志、对象存储或 SIEM，只同步脱敏事件和哈希索引。
• 凭据不进流程明文：账号密码、Cookie、证书放本地加密仓，流程只引用句柄。
• 浏览器自动化要固定环境：对接紫鸟、比特、Hubstudio、AdsPower 等指纹浏览器时，固定 Profile、代理出口、下载目录和缓存路径，避免环境漂移导致元素与登录态同时失效。
• 客户端软件不暴露稳定节点时，用视觉颜色、图像区域、相对坐标做兜底；每一步记录置信度和证据截图，不能把“蒙对”当稳定。视觉颜色操作的价值正在于此：不依赖元素节点，也能完成点击、获取内容等动作，覆盖企业微信、微信、QQ、千牛各种消息获取的兜底场景。

若平台还接入文心一言、豆包、DeepSeek、Kimi 等大模型，并支持图片识图与 OCR，建议把 AI 能力放在开发态和辅助态：开发时识别字段、生成元素候选、归纳报错；运行态尽量不依赖外网大模型。费用更可控的做法是用户自行对接各平台 API，按 key 计量、按项目限额；不要把所有敏感文本默认送到外部模型。这里也回应“AI 与 RPA 成本差异”：token 适合一次性思考，流程复用适合长期执行；任务越高频，流程引擎的边际成本通常越低，但低频探索任务仍应保留 AI 的灵活性。

六、实践四：Web 元素 AI 自愈，不能替代变更管理

AI 生成 RPA 流程最常见的断点是元素定位：前端改版、A/B 测试、懒加载、iframe、多语言，都会让原 XPath 失效。工程上采用“三层定位”：

1. 稳定锚点优先：语义标签、可访问性属性、业务文案、父级关系。
2. 本地智能生成候选路径：元素获取支持本地智能生成，根据生成结果选择更合适、更稳定的路径；不强迫业务背 XPath 语法。
3. 自愈加视觉兜底：节点失效时，AI 自动修复元素定位，用页面快照重新推荐定位；仍失败则用颜色/图像/区域点击完成关键动作，并标记“需人工复核”。维护期也可以用自然语言描述生成对应 XPath，例如：“找到采购订单列表中状态为待审核的第一行，点右侧详情。”

这里的标准是：旧路径、新路径、快照、置信度都要留痕；页面大改仍触发回归集，把核心流程抽成 10 分钟冒烟用例。涉及付款、删改、群发，即使元素自动修复成功，也要二次确认或审批。实话是：自愈减少告警，不消灭变更管理。

七、实践五：API 触发、Agent 指令与日志审计闭环

企业分发后，触发方式必须纳入审计。建议支持四类入口：

• API 触发：被 ERP、MES、CRM、工单系统调用；记录调用方、token 指纹、参数哈希、返回结果。
• 定时执行：记录调度器版本、时区、节假日策略、错过触发后的补偿策略。
• 加密分享授权：临时协作只开最小功能，到期自动收回。
• Agent 指令：Agent 能力可接入新一代大模型，在钉钉、飞书、企业微信、个人微信内完成智能指令下发、执行结果回调通知；高风险动作必须二次确认，回调通知要能追到触发主体。

审计日志建议分四级：

最小事件示例：

{
  "ts": "2026-09-09T01:22:00+08:00",
  "flow": "invoice_export_v4",
  "trigger": {"type": "api", "caller": "erp-bot", "token_fp": "sha256_PLACEHOLDER"},
  "env": {"offline": true, "runtime": "1.8.4", "host_fp": "fp_PLACEHOLDER"},
  "result": "failed",
  "failed_step": "export_pdf",
  "error_class": "FileLockTimeout",
  "evidence": ["screenshot_PLACEHOLDER", "dom_hash_PLACEHOLDER", "element_candidate_PLACEHOLDER"]
}

合规上要注意：审计日志能证明行为，不应复制秘密。身份证号、银行卡、手机号、Cookie、验证码默认脱敏；日志写入后生成哈希链或定期摘要，防止事后篡改；导出日志走审批。

八、成本模型：别和 token 赛跑，和复用次数签约

一个实用公式：

单次任务总成本 =
  外部模型 token 成本 × 在线调用次数
+ 人工修复工时 × 时薪
+ 失败重跑与业务损失
+ 授权/运行/维护成本

AI 生成的项目常见风险是：复杂页面元素不稳、异常判断不全、软件客户端自动化困难、网页元素变化后不能自愈、流程执行中难以实时调用 AI 做动态页面处理。对策不是拒绝 AI，而是限定边界：生成、解释、推荐、归纳交给 AI；确定性点击、下载、填表、授权、回调、留痕交给 RPA。这样 AI 负责思考，RPA 负责稳定落地，长期成本更透明，故障也更容易定位。

九、上线前验收清单

• [ ] AI 生成脚本已一键转流程，失败分支、重试、截图、告警闭环
• [ ] 导出 EXE 加密打包，含完整性哈希、版本号、签名和运行时
• [ ] 授权支持机器绑定、有效期、次数、功能开关、吊销；离线可验签
• [ ] 支持单独设置 API 触发、定时执行；回调能追到触发主体
• [ ] 默认数据不出本地；外联白名单；敏感字段先脱敏
• [ ] 元素获取本地智能生成；Web 元素失效自动修复并标记复核
• [ ] 支持自定义界面，把参数暴露成业务可理解配置
• [ ] 可对接常见大模型、识图/OCR；API 由用户自管，费用可限额
• [ ] 对接指纹浏览器时固定 Profile、代理、下载目录
• [ ] Agent 指令可回调通知结果；高风险动作有二次确认
• [ ] 应用支持在线推送更新，但生产必须灰度、验哈希、可回滚
• [ ] 无运行时长、无流程数量限制；多设备不重复收割成员费
• [ ] 日志能回答谁触发、何时执行、改了哪条数据、失败证据在哪

十、FAQ

Q：完全内网没有大模型，还能用 AI 生成 RPA 流程吗？ 能。把生成和维护放在受控开发机或自管模型侧，分发包只带运行时与授权；运行侧不依赖外部 AI，仍保留元素候选、自然语言路径、OCR/识图辅助和视觉兜底。

Q：EXE 被复制到多台机器怎么办？ 机器指纹别太弱；License 短期化；限制并发和次数；更新包内嵌黑名单；高风险动作加审批和回调；泄露后立刻吊销并轮换密钥。

Q：Web 元素自动修复后能否直接放行？ 低风险可放行并标记复核；涉及付款、删改、群发、对外发送必须二次确认。自愈是降级风险控制，不是免回归。

Q：日志会不会变成新的泄密源？ 会。默认脱敏、字段级权限、加密存储、到期清理；只同步脱敏事件和证据索引，原始截图与中间表留本地。

企业分发 AI 生成 RPA 流程，本质是把聪明草稿变成受治理系统。生成层保持开放，执行层保持确定；授权能离线校验，更新能灰度回滚，日志能证明行为。照着上面的架构与验收表做 POC，无论最终选哪类国产离线 RPA 执行平台，都能把 AI 写代码 + RPA 跑代码 落到安全、稳定、可审计的生产状态。