ProAgent：OpenAI引领下的智能代理解放人力，清华等高校发布
项目地址：https://github.com/OpenBMB/ProAgent论文地址：https://github.com/OpenBMB/ProAgent/blob/main/paper/paper.pdf在人类技术发展的历史长河中，自动化一直是主要的推动力，它帮助人类从复杂、危险、繁琐的劳动环境中解脱出来。从早期农业时代的水车灌溉，到工业时代的蒸汽机，人类一直在不断追求更先进的自动化技术，以解放自己从繁重的工作中随着信息时代的到来，软件作为信息处理、存储和通信的基础成为了人类生产生活密不可分的一环
- 项目地址：https://github.com/OpenBMB/ProAgent
- 论文地址：https://github.com/OpenBMB/ProAgent/blob/main/paper/paper.pdf
在人类技术发展的历史长河中，自动化一直是主要的推动力，它帮助人类从复杂、危险、繁琐的劳动环境中解脱出来。从早期农业时代的水车灌溉，到工业时代的蒸汽机，人类一直在不断追求更先进的自动化技术，以解放自己从繁重的工作中
随着信息时代的到来，软件作为信息处理、存储和通信的基础成为了人类生产生活密不可分的一环，从而催成了机器人流程自动化（Robotic Process Automation, RPA）技术。其通过人工编制规则将多个软件协调成一个固化的工作流（Workflow），通过模拟人交互的方式来和软件交互实现高效执行。
在这张图中，我们将机器人流程自动化（RPA）与智能体流程自动化（APA）进行了比较
RPA（机器人流程自动化）利用软件机器人或“BOT”来模拟和执行重复性、规则性的任务，以解放人力资源，提高工作效率。RPA的应用范围非常广泛。许多企业（包括银行、保险公司、制造业、零售业等各个行业）通常使用RPA机器人来自动执行一些常规和繁琐的任务，例如数据录入、数据提取、数据处理。通过自动化任务，RPA可以大幅度减少错误率，并能够24*7不间断地执行任务，从而提高业务的可靠性和响应能力
根据市场研究，RPA市场正在迅速增长并取得巨大成功。Gartner预测，到2023年全球RPA市场收入将达到33亿美元，增长率为17.5%。这表明企业对RPA的需求和认可程度非常高
但是，RPA 仅能替代简单、机械的人力工作，一些复杂的流程仍旧依赖人工：
- 编写 RPA 工作流本身需要繁重的人类劳动，成本较高。
- 复杂任务非常灵活，通常涉及动态决策，难以固化为规则进行表示。
图 2 RPA 与 APA 的效率与智能对比
幸运的是，最近 AI 领域兴起的大模型智能体技术（Large Language Model based Agents, LLM-based Agents）也许给自动化技术创造了新的可能性。有没有可能将 Agent 技术的灵活性引入到 RPA 领域中，来进一步减少人的参与呢？
该团队的研究探讨了大模型智能体时代下新型自动化范式 “智能体流程自动化” Agentic Process Automation (APA)。和传统 RPA 相比，在 APA 范式中，Agent 可以根据人类的需求自主完成工作流构建，同时其可以识别人类需求中需要动态决策的部分，将自动编排进工作流中，并在工作流执行到该部分时主动接管工作流的执行完成相应复杂决策。
为了探索 APA 的可能性，该研究工作实现了一个自动化智能体 ProAgent，其可以接收人类指令，以生成代码的方式构建工作流，同在工作流中引入 DataAgent 和 ControlAgent 来在工作流中实现复杂数据处理与逻辑控制。ProAgent 的研究展现了 APA 在大模型智能体时代下的可行性，也揭示了 LLM 时代下，自动化技术的崭新可能性。
方法介绍
在RPA中，工作流程是由一系列工具调用组成的图形结构：节点代表原子化的工具调用（如Gmail、Twitter、Google Sheets），而边表示执行的逻辑顺序（连接、分支、循环）。一个工作流程通常包含一个或一类任务的所有先验知识，包括问题解决路径和异常处理逻辑等。因此，编写固定的工作流程往往非常稳定、周全且高效
图 3 智能体工作流描述语言示例
在 ProAgent 中，由于 LLM 本身在代码数据中进行预训练，学习到了较强代码能力，该研究便基于代码的智能体工作流描述语言 Agentic Workflow Description Language。该语言使用 JSON 实现对工作流中数据的组织与管理，选择 Python 语法实现对工作流的逻辑控制，将控制流中的跳转、循环等直接通过 Python 语法进行表征，同时将工作流中的工具调用封装为 Python Function。于是对于 ProAgent，工作流构建任务便转化为代码生成任务。当接收到人类指令时，ProAgent 便编写相应的 Agentic Workflow Description Language，从而实现了工作流自动化构建。
图 4 结合 DataAgent 和 ControlAgent 的智能体工作流描述语言示例
复杂的现实任务中通常会涉及动态决策，单纯的 Python 式的逻辑控制规则以及 JSON 式的数据组织形式在面对灵活的需求时便无能为力，此时便需要引入 agent。因此，该研究工作进一步定义出了两种 Agent 操作：
1. DataAgent：对于一个复杂的数据处理需求，工作流构建时会使用自然语言来描述处理的任务，然后在执行时会初始化一个 DataAgent，其会基于该自然语言描述自主处理并完成该数据处理任务。
2. ControlAgent：对于难以用规则表示的逻辑控制规则，工作流构建时使用自然语言对控制逻辑进行描述，然后在运行时会初始化一个 ControlAgent，其会基于该自然语言描述自主选择工作流后续需要执行的分支。
ProAgent 使用 ReACT 模式逐步构建工作流，其共包含四个工作流构建步骤：
- Action_Define：决定在工作流中添加什么工具。
- Action Implement：将工具的输入 / 输出参数转化为 JSON 结构，同时将工具的调用封装为 Python 函数。
- Workflow Implement：定义一个 mainWorkflow 函数，用以组织整个 workflow 的逻辑控制与数据处理。
- Task Submit: 当 ProAgent 构建完 workflow 时以该操作标识构建过程结束。
示例中展示了 ProAgent 工作流构建过程的图 5
另外，为了优化 ProAgent 的效果，又引入了几个优化技巧：
- 1.Testing-on-Constructing：在构建过程中，ProAgent 会在一次修改工作流之后对工作流进行测试，以保证工作流的正确性。
- Function Calling：工作流构建的所有操作均封装为了 GPT-4 的 Function，从而提高对工作流构建过程的控制。
- Chain-of-Thought：ProAgent 在编写工作流代码时，需要对于每个 function 都要给出注释 comment 和一个编写 plan，从而提高 ProAgent 工作流构建的性能。
工作流的执行过程是基于 Python 解释器的。当给定一个工作流时，对应的 mainWorkflow 函数被用作执行的入口，从而开始整个执行过程。执行过程遵循 Python 代码的执行规则，即按照顺序逐行执行。一旦 mainWorkflow 函数返回，工作流的执行就成功完成了
可行性验证
为了验证 Agentic Process Automation 的可行性，该研究使用 OpenAI GPT-4 作为基础模型，并以一个开源的 RPA 平台 n8n 作为载体，实现了上述的 ProAgent。同时设计了一个需要兼顾灵活与效率的任务：这是一个典型的商业场景，需要从 Google Sheets 中提取各种业务线的营利数据，同时根据业务是否属于 2B 或是 2C，决定后续的行为。一旦确定业务线为 2C，就会向 Slack 频道发送一条消息。而对于 2B 的业务线，则会向相应的经理发送一封电子邮件，其中包括对业务线的评估和简要的盈利概况。
图 6 任务 Instruction 展示
需要重写的内容是：对于这个任务而言，首先它是一个重复性的任务，对于多条产品线，应该采取相同的处理流程。其次，要区分一个业务线是2C还是2B是很困难的，需要涉及到Agent的动态决策来确定后续的工作流程。最后，根据编写业务线的评估邮件需要一定的智能，因此需要Agent的介入
在 ProAgent 生成中，对于该任务，编写出了一个包含四个原子操作，一个 DataAgent 和一个 ControlAgent 的工作流。总体过程大致如下图所示：
图 7 ProAgent 工作流构建过程展示
可以看到，ProAgent 通过自主编写代码的方式，自动完成了工作流的构建过程，其中无需涉及人工介入。在需要判断业务线是 2B 还是 2C 时，ProAgent 引入了 ControlAgent 来做判断，ControlAgent 的 Prompt 被设置为 “Decide Whether the business line is toC or toB”。当业务线为 2B 时，ProAgent 还引入了一个 DataAgent，其任务设置为 “Write a email of the business line of profit, together with your suggestion”，从而利用 agent 的智能来根据不同业务线的实际情况来撰写邮件。
在工作流被编写、固化下来以后，工作流就会根据不同的数据自动分支到不同的逻辑进行高效地数据处理了。
图 8 ProAgent 工作流执行过程展示
当处理2C业务线数据时，ControlAgent可以根据业务线描述来判断当前业务线的类型，并选择使用Slack工具进行沟通。而在处理2B业务线数据时，DataAgent可以撰写邮件并发送到相应经理的邮箱中
总结
这项研究提出了一种新的自动化范式——Agentic Process Automation，适用于大模型时代。与传统的Robotic Process Automation技术相比，Agentic Process Automation能够自动化工作流的构建，并实现工作流执行时动态决策的自动化。该研究还进一步开发了ProAgent，并通过实验证明了大模型智能体在自动化中的可行性和潜力。相信未来，大模型智能体技术将帮助人类实现更高层次的自动化，从繁重的劳动中解放出来
团队相关研究
目前研究团队已在大模型智能体方向有诸多研究，包括：
- XAgent：超强大模型智能体应用框架，可自行拆解复杂任务，并高效执行。
- 项目地址：https://github.com/OpenBMB/XAgent
- ChatDev：多智能体协作开发框架，让多个不同角色的智能体进行协作，自动化开发软件应用。
- 项目地址：https://github.com/OpenBMB/ChatDev
- AgentVerse：大模型驱动的智能体通用平台，招募各种各样的 agent 专家，共同帮助用户解决复杂任务。
- 项目地址：https://github.com/OpenBMB/AgentVerse
Postman是一套面向API全生命周期的开发与测试平台，可在Mac上发送和调试多种协议请求，管理集合、环境及认证信息，并完成脚本测试、模拟服务、监控、文档发布和团队协作。它适合开发、测试及运维人员使用，提供个人免费方案。
Docker Desktop 是 Docker 官方为 Mac 提供的容器开发环境，集成 Docker Engine、命令行工具、Compose、Build、Kubernetes 与图形化管理界面。
Android Studio 是 Google 面向安卓应用开发提供的官方集成开发环境，基于 IntelliJ IDEA 构建。它整合智能代码编辑、Gradle 构建、界面预览、设备模拟、性能分析、调试测试及 APK 分析等工具。
Xcode 是苹果面向 Mac 提供的官方集成开发环境，将代码编辑、项目构建、SwiftUI 实时预览、设备模拟、自动化测试、断点调试、性能分析和应用分发整合在同一套工作流中，适合开发与维护 iPhone、iPad、Mac、Apple Wa
JetBrains WebStorm 是面向 JavaScript、TypeScript 和现代 Web 技术的专业集成开发环境，可智能理解项目结构，提供代码补全、重构、错误检查、运行调试、测试及 Git 工具。
PhpStorm 是 JetBrains 推出的专业 PHP 集成开发环境，可在 Mac 上完成代码编写、智能检查、重构、调试、测试和数据库管理。它支持主流 PHP 框架、Composer、Git、Docker 与远程解释器。
JetBrains PyCharm 是面向 Python 开发者的集成开发环境，提供智能补全、代码检查、重构、调试、测试、版本控制及虚拟环境管理功能。Mac 版兼容 Intel 与 Apple 芯片，核心功能可免费使用。
IntelliJ IDEA 是 JetBrains 推出的专业集成开发环境，重点服务于 Java、Kotlin 与 JVM 项目开发。软件集成代码补全、静态检查、重构、调试、测试、版本控制及构建工具，并可借助插件扩展语言和框架支持。
Visual Studio Code 是微软提供的免费代码编辑器，支持 macOS，并为 Intel 与 Apple 芯片 Mac 提供适配版本。软件集代码编辑、调试、Git 源代码管理、集成终端和扩展市场于一体。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Pro Tools 是 Avid 推出的专业数字音频工作站，覆盖多轨录音、无损剪辑、MIDI 编曲、插件处理、自动化混音及声音与画面同步等工作。它拥有 Intro、Artist、Studio 和 Ultimate 等方案。
PixPix 是面向品牌、卖家和内容团队的在线 AI 图片视频创作平台，提供图视频 Agent、无限画布、图片生成、视频生成、自然语言编辑及商品套图、产品精修和带货视频等电商工具。
Postman 是面向 API 全生命周期的开发与协作平台。Windows 桌面版可用于构建和发送 HTTP、GraphQL、gRPC、WebSocket、MQTT 等请求，并提供环境变量、集合、脚本测试、模拟服务、监控、文档及团队工作区等
Docker Desktop 为 Windows 开发者提供集成式容器环境，内置 Docker Engine、命令行工具、Compose、Build 与 Kubernetes 等组件，可在本机完成镜像构建、容器运行、日志查看和资源管理。
Android Studio 是 Google 面向 Android 应用开发提供的官方集成开发环境，以 IntelliJ IDEA 为基础，集成智能代码编辑、Gradle 构建、设备模拟、界面预览、调试测试及性能分析工具，
WebStorm 是 JetBrains 面向 JavaScript、TypeScript 和现代 Web 技术打造的集成开发环境。它提供项目级代码分析、智能补全、安全重构、导航搜索，并集成调试、测试、终端、Git 与常用前端工具，
PhpStorm 是 JetBrains 面向 PHP 与现代 Web 开发打造的专业集成开发环境，提供代码补全、静态检查、重构、调试、测试、数据库、版本控制及前端语言支持。Windows 用户可直接下载安装程序，
PyCharm 是 JetBrains 推出的 Python 集成开发环境，提供智能代码补全、错误检查、重构、调试、测试、Git、终端及 Jupyter Notebook 支持。统一版安装后可体验 30 天 Pro 功能，
JetBrains IntelliJ IDEA 是以 Java、Kotlin 和 JVM 项目为核心的专业集成开发环境，提供智能补全、代码检查、安全重构、调试、测试、版本控制及构建工具集成。统一发行版的核心功能可免费用于商业和非商业项目，
Visual Studio Code 是微软推出的免费代码编辑器，Windows 版集成智能补全、代码导航、调试、终端和版本控制，并可通过扩展添加语言、格式化及远程开发能力。它启动较快、配置灵活，
REAPER 是 Cockos 推出的数字音频工作站，适用于录音、MIDI 编曲、音频编辑、混音、母带制作及声音设计。软件安装包小巧，支持多轨录制、灵活路由、自动化、第三方插件和脚本扩展，并提供完整功能的 60 天免费评估期。
Adobe Audition 是面向播客、影视后期、广播与音乐制作的专业音频工作站，提供波形编辑、多轨混音、频谱分析、录音、降噪修复和效果处理等功能。Windows 版通过 Adobe Creative Cloud 安装和管理，
Pro Tools 是 Avid 推出的专业数字音频工作站，提供多轨录音、音频剪辑、MIDI编曲、插件处理、自动化混音及影视声音制作能力。它适合音乐人、录音师、制作人和音频后期团队使用，并提供免费入门版、订阅方案及永久授权选择。