论文
AutoRPA：通过 LLM 驱动的交互式代码合成实现高效 GUI 自动化
AutoRPA: Efficient GUI Automation through LLM-Driven Code Synthesis from Interactions
摘要
基于大语言模型（LLM）的智能体已展现出与图形用户界面（GUI）进行多步交互的娴熟能力。尽管多数研究聚焦于提升单任务性能，实际场景常涉及重复性 GUI 任务，对其反复调用 LLM 推理（即 ReAct 范式）效率低下。在 LLM 出现之前，传统的机器人流程自动化（RPA）具备运行时效率，但开发与维护需要大量人工投入。为弥合这一鸿沟，我们提出 AutoRPA，一个将 ReAct 风格智能体的决策逻辑自动提炼为健壮 RPA 函数的框架。AutoRPA 引入两项核心创新：（1）翻译-构建流水线，翻译智能体将硬编码的 ReAct 动作转换为软编码过程，构建智能体通过对多条轨迹的检索增强生成来合成健壮的 RPA 函数；（2）代码验证阶段的混合修复策略，将 RPA 执行与基于 ReAct 的回退相结合进行迭代改进。在多个 GUI 环境中的实验表明，AutoRPA 生成的 RPA 函数能成功解决类似任务，同时将 token 使用量降低 82% 至 96%，显著提升运行效率与可复用性。
