凌晨十一点半,运营同学在企业微信群里发了一句"把今天的订单数据导出来发到群里",三分钟后,一张整理好的Excel表格出现在了群聊里。
这不是演示DEMO,而是一套已经长期跑在生产环境的做法:在企业微信里用自然语言触发本地电脑上的RPA(Robotic Process Automation,机器人流程自动化)流程。最近把这条链路从零完整搭了一遍,过程中踩了几个文档里不会写的坑,整理出来供参考。
触发本地任务的方式有几种:定时器、快捷键、文件监听、消息指令。前三种都要求人坐在电脑前,只有消息指令能做到手机发一句话、电脑自动干活。
企业微信适合做这件事,原因很实际:
技术上完全成立,真正的难点在链路后半段:消息到了之后,谁来理解这句话,谁来执行,执行结果怎么回来。
整条链路可以拆成四段,每一段都有明确的职责边界。
第一段:消息接收。 在管理后台创建自建应用,配置接收消息的服务器地址。你在群里@应用或者私聊发一句话,企业微信服务器会把消息推送到这个地址。
第二段:指令解析。 回调收到的是自然语言,比如"导出昨天的销售数据",需要转成结构化指令:跑哪个流程、传什么参数。实现上有两个梯度:起步用关键词路由(零成本、可控),复杂了再接大模型做意图识别,把消息文本发给DeepSeek、Kimi这类模型,返回结构化JSON。笔者建议先跑通关键词版本——大模型解析引入的是不确定性,而触发链路的第一要求是确定性。
第三段:本地执行。 解析结果最终落到一台能操作业务系统的电脑上:点按钮、填表单、取数据、发消息。这一步由RPA完成。这里有个值得说的分工逻辑:AI适合理解和决策,RPA适合重复和落地。让AI直接操作软件界面,在复杂页面和异常场景下稳定性很难保证;把"想"和"做"拆开之后,整条链路的可维护性会好不少。而落地成本最低的搭建方式,是让AI先生成脚本,再转换成可运行的自动化流程——AI写代码,RPA跑代码,比从零画流程图快得多。
第四段:结果回传。 执行完把结果和日志摘要推回群里,成功失败都有交代。人不在电脑前,也能从手机端确认任务状态。
以下是Flask实现的完整回调服务,企业微信侧配置自建应用的接收消息URL指向本服务即可:
import json
import requests
from flask import Flask, request
app = Flask(__name__)
CORP_ID = "wwxxxxxxxxxxxx"
SECRET = "your-app-secret"
AGENT_ID = 1000002
RPA_API = "http://127.0.0.1:8321/api/trigger" # 本地RPA的API触发地址
def get_token():
url = (f"https://qyapi.weixin.qq.com/cgi-bin/gettoken"
f"?corpid={CORP_ID}&corpsecret={SECRET}")
return requests.get(url).json()["access_token"]
def send_text(user, text):
requests.post(
f"https://qyapi.weixin.qq.com/cgi-bin/message/send"
f"?access_token={get_token()}",
json={"touser": user, "msgtype": "text",
"text": {"content": text}, "agentid": AGENT_ID})
# 关键词路由:一句话 -> 流程ID + 参数
ROUTE = {
"导出订单": {"flow": "order_export", "args": {"range": "today"}},
"销售报表": {"flow": "sales_report", "args": {"range": "yesterday"}},
}
@app.route("/callback", methods=["GET", "POST"])
def callback():
# 1. GET 请求:后台保存回调URL时的验证,原样返回 echostr
if request.method == "GET":
return request.args.get("echostr", "")
# 2. POST 请求:企业微信实际推送的是 XML 消息体(生产环境为AES加密,
# 需用官方 WXBizMsgCrypt 解密,此处最小演示按明文XML解析)
xml = request.data.decode("utf-8")
content = xml.split("<Content><![CDATA[")[1].split("]]></Content>")[0]
user = xml.split("<FromUserName><![CDATA[")[1].split("]]>")[0]
for key, cfg in ROUTE.items():
if key in content:
requests.post(RPA_API, json={
"flow": cfg["flow"],
"args": cfg["args"],
"callback_user": user,
})
send_text(user, f"已触发流程 {cfg['flow']},执行结果稍后回复")
return "success"
send_text(user, "没听懂,试试:导出订单 / 销售报表")
return "success"
if __name__ == "__main__":
app.run(host="0.0.0.0", port=8000)几个实践中确认的要点:
WXBizMsgCrypt类库)。上面为了可读性按明文XML处理,上生产前务必补上解密——这是新手最容易卡住的两个地方,卡住了看企业微信开发者文档的"接收消息"章节即可。流程搭建本身,现在的工具已经支持对着需求描述直接生成自动化流程:文字或截图都可以,让AI分析页面元素结构并生成对应指令,遇到不认识的组件会自动封装成新指令,每条都带注释;报错时可以让AI做错误诊断和一键修复,不用对着堆栈信息硬啃。
跑了一段时间后的体会:可行性和场景强相关。
稳的场景:数据搬运(导表、汇总、跨系统同步)、定时报表、消息通知、批量操作。规则明确、页面相对固定,基本装上就忘。
悬的场景:页面结构频繁大改的第三方系统、强依赖人工判断的审批流、涉及资金的操作。最后一类务必保留人工确认——一句话可以触发流程,但涉及转账、删除级别的动作,至少加一道二次确认。
另一个容易被忽略的边界是网络环境。内网隔离的环境下,云端大模型服务调不通,"AI解析指令"这一段就得换成内网模型。对数据敏感的团队,选型时要把全离线内网部署、数据不出本地作为硬指标:流程数据全部保存在本地设备上、不同步到服务端,指令解析走内网模型完成。离线更安全,自愈更稳定——在隔离网环境里,这不是取舍问题,是架构前提。
流程第一次跑通不算本事,跑三个月不维护才算。企业微信、千牛、各类后台页面前端改版是常态,元素一失效,流程集体罢工。
传统解法是手写xpath修复,这门语法对多数人太晦涩。更省事的做法是:用自然语言描述需求生成对应的元素路径,工具在本地智能生成多个候选,从中挑最稳定的一条。更进一步是Web元素AI自愈:页面元素变化后自动修复定位,流程不中断。这一条把运维成本砍掉大半——以前前端改版就要停工修一遍,现在流程自己把自己修好。再叠加视觉颜色操作兜底:不依赖元素节点,靠颜色和图像也能点击、获取内容,企业微信、微信、QQ、千牛的消息获取都能覆盖。浏览器页面和Windows客户端软件两条线都有自愈机制兜底,长期可用性完全是另一个水平。
流程跑通之后,马上会遇到工程问题:怎么发给同事用?
比较完整的做法是把流程打包成独立可执行程序:对方不用装客户端,双击就能跑;打包时设置授权,谁有资格用、用到什么时候可控;每个应用还能单独配置API触发和定时执行;更新版本时支持在线推送,不用再把文件逐个发一遍。界面上,简单流程可以自定义操作界面,复杂一点的用HTML组件搭建,按钮、数据展示、数据关联都能实现,非技术同事也能直接上手。
成本方面值得提醒一句:不同工具的授权和计费模式差异很大,有的按流程数量收费,有的按设备数收费,也有的基础功能对个人和小团队使用不收费——但计费模式不代表总成本,大模型token消耗、流程维护人力都要算进去,建议按三年的使用周期算总账再决定。
发布前可以拿这张表逐条自测:
维度 | 需要确认的问题 |
|---|---|
触发方式 | 是否支持API触发、定时执行、消息指令触发 |
部署方式 | 能否全离线内网部署,数据是否完全不出本地 |
AI能力 | 支持哪些模型,能否识图、OCR,token费用如何结算 |
稳定性 | 元素失效能否自动修复,有无视觉操作兜底 |
搭建效率 | 报错能否自动诊断和修复 |
分发能力 | 能否打包独立应用、设置授权、在线更新 |
成本 | 免费额度边界,多设备是否额外收费 |
企业微信里一句话触发本地RPA任务,链路本身并不复杂:消息回调、指令解析、API触发、本地执行、结果回传,一个下午就能跑通。真正花时间的,是三个细节——回调加解密的完整处理、触发权限的白名单控制、元素失效后的自愈机制。这三件事做好,这条链路就能长期无人值守地跑下去。至于还能让它干什么,那是跑通之后才有的烦恼。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。