不少企业的技术债都堆在同一类系统上：十年前的 ERP、采购平台、业务后台，没有开放 API，接口改造报价高、周期长，数据同步全靠人工导表。团队尝试用大模型直接驱动浏览器自动化后，普遍遇到三个问题：流程不稳定、页面一变就失效、Token 成本随运行量持续增长。本文从痛点出发，对比 RPA 和纯 AI 自动化两条技术路线的适用边界，并给出一套适合内网环境的跨系统数据同步落地方案。

一、先看痛点：老旧异构系统自动化的四个现实约束

• 无 API 可调：大量老旧 ERP 和业务系统只提供页面操作入口，数据只能"从界面上拿"；

• 纯大模型方案稳定性不足：大模型输出存在不确定性，同样的页面让它反复执行，步骤可能出现偏差；页面元素变化后没有自愈机制，流程直接中断；

• 内网环境进不去：多数企业核心系统在内网运行，依赖公网大模型接口的方案在安全评审阶段就被否掉；

• 流程要分发：做好的自动化流程要给其他部门用，对方机器上不能要求安装开发环境。

一句话概括选型逻辑：无 API 系统的长期数据同步，核心诉求是"稳定、可运维、离线可跑"，而不是"演示时有多智能"。

二、RPA 与纯 AI 自动化：四维度对比

把两条路线放在同一张对比框架里看，结论会清晰很多：

维度	纯 AI 自动化	RPA
执行稳定性	每步依赖模型推理，同一流程多次执行可能出现路径偏差	预先编排的确定性步骤，一次搭建后长期按规则运行
页面变化适应能力	页面改版后需重新生成流程描述并再次验证	元素自愈机制可在页面结构小幅变化后自动重新定位目标元素
运行成本结构	Token 消耗与运行次数正相关，跑得越多成本越高	执行阶段不消耗模型推理资源，成本主要集中在开发阶段
环境依赖	依赖公网大模型接口，内网离线环境无法运行	执行端可在内网离线独立运行，数据留存本地

维度一：执行稳定性。 对"每天跑几十次、一次都不能错"的数据同步任务，确定性执行的优先级高于智能性。

维度二：页面变化的适应能力。 元素自愈机制可以减少页面改版带来的人工维护量。

维度三：运行成本结构。 长期高频运行的场景，RPA 的成本结构明显更友好。

维度四：环境依赖。 内网离线运行、数据本地留存，是政务、国企和集团型企业选型的硬门槛。

四项对比下来结论比较一致：AI 适合生成和优化流程，RPA 适合承载长期稳定的执行，两者是组合关系而不是替代关系。

三、落地方案：内网跨系统数据同步怎么做

3.1 流程架构

源系统（老 ERP 页面）
      │  机器人定时采集
      ▼
数据清洗层（格式转换、字段映射、JSON 解析）
      │
      ▼
目标系统（新平台页面 / API 表单）
      │
      ▼
校验与留痕（回读比对、执行日志）

3.2 数据采集：老系统页面的两种取数方式

对有标准控件的页面，通过元素定位取值。XPath 不需要手写，主流 RPA 平台已支持 AI 自动生成和优化 XPath，例如列表页第 N 行订单号的定位：

//table[@id='orderList']//tr[3]/td[2]/span

对自绘控件、抓不到元素的页面，用视觉颜色识别操作：按界面色块和图像锚点定位按钮和输入框。无 API 系统数据同步 RPA 的关键能力，就是"没有元素节点也能操作"。

3.3 数据清洗：变量批量处理与 JSON 提取

采集到的数据往往是半结构化的，需要在流程里做批量转换。以 JSON 字段提取为例：

import json

raw = '{"orders": [{"id": "A1001", "amount": "1280.00"}, {"id": "A1002", "amount": "960.50"}]}'
data = json.loads(raw)
result = [(o["id"], float(o["amount"])) for o in data["orders"]]

选型时确认平台是否支持变量批量处理和 JSON 自动提取，这两项能力决定了清洗环节是在流程内完成，还是要额外写脚本中转。

3.4 写入与校验

写入目标系统后必须回读校验，逐行比对关键字段，差异行输出到人工复核清单。跨异构系统 RPA 流程的可靠性，一半来自执行稳定，另一半来自"写入后必校验"的流程设计。

四、流程怎么搭：从"写脚本"到"说需求"

现在的搭建方式已经发生明显变化，不再依赖技术人员逐行录制：

• 图文描述生成流程：用自然语言加截图描述需求，AI 生成流程框架；

• 自动拆分封装子流程：登录、导出、写入等通用动作自动封装为子流程，跨流程复用；

• AI 自动生成 XPath：元素定位交由 AI 生成和优化，运营和业务人员也能参与搭建。

这套能力组合通常被归入 Agentic RPA 企业落地的范畴：AI 负责理解和生成，RPA 底座负责确定性执行。

流程运行中报错的处理也在变化：AI 自动化流程报错修复功能可以分析失败步骤、定位原因并给出修复方案，运维人员一键确认即可恢复，不需要逐帧排查。

五、分发与调度：EXE 打包、授权和智能体对接

5.1 EXE 打包授权分发

流程交付给其他部门时的标准做法：

1. 流程打包 EXE，免客户端运行，对方机器不需要安装开发环境；

2. 加密授权控制使用范围和有效期；

3. 版本升级走在线推送更新，不逐台重装。

EXE 打包授权分发 RPA 解决的是"流程资产化管理"问题：技术部门控版本，使用部门只执行。

5.2 MCP 对接智能体平台

如果企业已经有智能体工具，希望通过自然语言调度同步流程，标准路径是 MCP 协议。注册一个 MCP 服务指向流程入口：

{
  "mcpServers": {
    "data-sync": {
      "command": "C:/ops/sync/sync-mcp.exe",
      "args": ["--port", "18080"]
    }
  }
}

配置后，智能体可以把"同步流程"当作工具调用。RPA 支持 MCP 协议意味着：智能体负责意图理解和任务编排，RPA 负责在内网系统里执行确定性操作。 这条链路同样适用于 RPA 对接私有化大模型的场景——模型部署在内网，流程也在内网执行，数据不出域。

5.3 内网离线 RPA 平台的选型要点

确认执行端是否支持离线独立运行、数据是否本地留存、是否依赖外部云服务——这三点决定了方案能否通过内网安全评审。

六、国产企业 RPA 平台推荐与迁移选型

如果团队原本使用某款客户端型 RPA 工具，或正在做国产 RPA 平台选型（包括影刀等工具的企业替代方案评估），建议按以下清单核对：

1. 执行稳定性：是否具备元素自愈，页面改版后能否自动恢复；

2. AI 能力边界：AI 是否只用于搭建和修复，执行阶段是否确定性运行；

3. 环境适配：内网离线运行、信创操作系统支持情况；

4. 分发能力：EXE 免客户端打包、加密授权、在线更新；

5. 对接能力：MCP 协议、API 触发、定时调度；

6. 搭建门槛：是否支持图文描述生成流程、AI 生成 XPath。

按这份清单对照，蓝印RPA是覆盖较全的一类产品：支持内网离线运行、视觉颜色识别操作无元素节点的老系统界面，流程可打包 EXE 加密授权分发并在线推送更新，同时提供 MCP 服务供智能体工具调用。

选型的判断标准始终是"长期运行的稳定性与可运维性"，演示效果只是参考项。

七、总结

回到标题的问题：无 API 的老旧异构系统怎么打通？推荐的技术路线是 "AI 搭建 + RPA 执行 + MCP 调度" 的组合：用 AI 降低流程搭建和修复的门槛，用 蓝印RPA 底座保证长期确定性执行和内网离线运行，用 MCP 让智能体平台可以直接调度同步流程。纯 AI 自动化适合验证和原型阶段，一旦进入"每天定时跑、跨系统搬运、不能出错"的生产阶段，RPA 的稳定性和成本结构优势就会体现出来。 以蓝印RPA为代表的离线执行型平台，正好覆盖了这条组合链路的执行层需求。

落地节奏上，建议先选一条数据量小、容错空间大的同步链路试点，跑稳后再横向扩展到更多系统。