ProAgent: From Robotic Process Automation to Agentic Process Automation

自古以来，从古老的水车到现代的机器人流程自动化（RPA），自动化技术的发展旨在解放人类从繁重的任务中解放出来。然而，RPA在需要人类智能的任务方面存在困难，特别是在工作流程构建的复杂设计和工作流程执行中的动态决策方面。随着大型语言模型（LLMs）出现，本文介绍了一种开创性的自动化范式——基于LLM代理的主动式流程自动化（APA），通过将人类劳动转移到与构建和执行相关的代理中，实现了先进的自动化。然后，我们实例化了ProAgent，这是一个基于LLM的代理，旨在根据人类指令制定工作流程，并通过协调专业代理进行复杂的决策。进行了实证实验，详细说明了其工作流程的构建和执行过程，展示了APA的可行性，揭示了由代理驱动的新自动化范式的可能性。我们的代码公开在https://github.com/OpenBMB/ProAgent。

论文旨在介绍Agentic Process Automation (APA)这一新的自动化范式，通过使用基于LLM的代理来实现高级自动化，解决RPA在需要类人智能的任务方面的局限性。

APA使用基于LLM的代理来协调和执行工作流程，从而实现高级自动化。ProAgent是一种基于LLM的代理，可以根据人类指令构建工作流程并进行复杂决策。

论文详细介绍了ProAgent的构建和执行工作流程的过程，并展示了APA的可行性。代码已在GitHub上公开。

最近的相关研究包括基于机器学习的自动化和RPA的改进。其中一些论文包括：'Machine Learning for Automation: A Survey'和 'Improving Robotic Process Automation with Machine Learning'.