做电商订单自动化，RPA 跑网页操作，支持内网离线部署，搭配大模型做图片识别。AI 负责识别订单状态和图片信息，听起来很美好，实际踩的坑比写的代码还多。流程跑了三天，第四天页面改版，XPath 定位全部失效，凌晨 2 点收到告警，日志里全是 NoSuchElementException。

前后折腾了两个月，踩了 10 个坑。这篇文章把最常见的坑点整理出来，每个都配了当时的报错和修复方案。如果你正在做 RPA + AI 落地，应该能省掉不少时间。

---

一、元素定位：今天能跑，明天就崩

最开始用 XPath 定位页面元素，写法是：

selector = "//button[@id='submit']"

跑了三天没问题，第四天页面改版，id 从 submit 变成 submit_v2，整个流程直接中断。那天凌晨 2 点收到告警，爬起来一看日志，全是 NoSuchElementException。

当时试了几种办法：先用 class 定位，结果 class 也是动态生成的；后来用文本内容定位，页面一多语言就崩。最后找到个办法——用多属性组合定位，同时匹配 class 和文本：

selector = "//button[contains(@class,'btn-primary') and text()='提交订单']"

另外增加了显式等待，等元素出现再操作：

from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC

wait = WebDriverWait(driver, 10)
element = wait.until(EC.presence_of_element_located((By.XPATH, selector)))

更省事的方案是直接用本地智能元素路径生成，它会根据页面结构自动推荐最稳定的定位策略。后来换了个工具，支持这个功能，改版后自动适配，不用手动改代码。

---

二、AI 接口超时：大模型不是随时在线

流程里调用了大模型做图片 OCR 识别，代码写得简单粗暴：

result = llm_client.recognize(image_path)

遇到网络波动或模型服务繁忙，直接卡死 30 秒，然后抛出 TimeoutError。整个 RPA 流程被这一个步骤拖垮。

后来加了超时和重试：

import requests
from tenacity import retry, stop_after_attempt, wait_exponential

@retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=2, max=10))
def call_ai_api(image_path):
    response = requests.post(
        "https://api.xxx.com/ocr",
        files={"image": open(image_path, "rb")},
        timeout=15
    )
    return response.json()

还准备了降级方案。如果 AI 识别失败，回退到传统 OCR 或标记为人工复核。

费用控制方面，建议自己对接各平台 API，按量付费，比买套餐灵活。有些工具支持直接接入文心一言、DeepSeek、Kimi 等模型，费用完全透明，用多少付多少，没有中间商差价。

---

三、浏览器内存泄漏：跑久了就卡死

RPA 自动化需要打开几十个网页获取数据，跑了一晚上，服务器内存从 2G 飙到 16G，最后进程被系统杀掉。

根本原因是浏览器实例没正确关闭。Selenium 的 driver.quit() 有时候执行不完整，残留进程继续吃内存。

后来用上下文管理器确保资源释放：

from contextlib import contextmanager

@contextmanager
def managed_browser():
    driver = webdriver.Chrome(options=options)
    try:
        yield driver
    finally:
        driver.quit()
        # 强制清理残留进程
        import subprocess
        subprocess.run(["pkill", "-f", "chromedriver"], capture_output=True)

with managed_browser() as driver:
    process_data(driver)

还加了内存监控，超过阈值自动重启：

import psutil

def check_memory():
    mem = psutil.Process().memory_info().rss / 1024 / 1024  # MB
    if mem > 2048:  # 超过 2G 重启
        restart_browser()

优化前内存 16G 崩溃，优化后稳定在 4G 以内。

---

四、并发冲突：多个任务抢同一个账号

公司上了 5 个 RPA 机器人，都登录同一个后台系统。结果互相挤掉线，A 刚登录，B 就把 A 踢下去，数据全乱。

根本原因是目标系统有单点登录限制，同一个账号不能多处同时在线。

解决方案：准备多个账号，每个 RPA 实例分配独立账号。如果账号有限，用分布式锁控制并发：

import redis

r = redis.Redis(host='localhost', port=6379)

def acquire_lock(lock_name, timeout=300):
    return r.set(lock_name, "locked", nx=True, ex=timeout)

# 任务开始前抢锁
if acquire_lock("account_001"):
    try:
        run_task()
    finally:
        r.delete("account_001")
else:
    log.warning("账号被占用，任务入队等待")

更彻底的方案是对接指纹浏览器，比如紫鸟浏览器、比特浏览器、AdsPower 等。每个任务用独立的浏览器环境 + 独立 Cookie，从根本上避免账号冲突。有些平台已内置了这些指纹浏览器的对接能力，配置一下就能用。

---

五、数据格式不一致：AI 输出结构千变万化

让 AI 从网页提取订单信息，要求返回 JSON 格式。结果有时候返回标准 JSON，有时候加了 Markdown 代码块标记 ```json，有时候干脆用纯文本描述。下游解析逻辑直接崩溃。

后来把 prompt 写得更严格：

prompt = """
从以下订单文本中提取信息，严格按 JSON 格式返回，不要添加任何其他内容：

{
    "order_id": "订单编号",
    "amount": "金额数字", 
    "status": "订单状态"
}

订单文本：{text}
"""

还加了格式校验和重试：

import json

def safe_parse_ai_output(raw_text):
    # 去掉可能的 markdown 标记
    clean = raw_text.replace("```json", "").replace("```", "").strip()
    try:
        return json.loads(clean)
    except json.JSONDecodeError:
        # 第二次尝试，让 AI 重新格式化
        fix_prompt = f"将以下内容转为标准 JSON：{clean}"
        return safe_parse_ai_output(call_ai(fix_prompt))

如果工具支持函数调用（Function Calling）模式，让模型直接输出结构化数据，比自由文本靠谱得多。

---

六、异常处理缺失：一个报错毁掉整批数据

批量处理 1000 条订单，第 87 条遇到异常（页面弹窗遮挡），整个流程终止，前面 86 条的处理结果也没保存。

后来改成每条记录独立 try-catch：

results = []
for idx, order in enumerate(orders):
    try:
        result = process_single_order(order)
        results.append({"idx": idx, "status": "success", "data": result})
    except Exception as e:
        results.append({"idx": idx, "status": "failed", "error": str(e)})
        log.error(f"订单 {order['id']} 处理失败: {e}")
        # 继续下一条，不中断
        continue

# 批量保存，避免丢失
save_results(results)

还实现了断点续传。记录处理进度，中断后从上次位置继续：

import pickle

def save_checkpoint(processed_ids):
    with open("checkpoint.pkl", "wb") as f:
        pickle.dump(processed_ids, f)

def load_checkpoint():
    try:
        with open("checkpoint.pkl", "rb") as f:
            return pickle.load(f)
    except FileNotFoundError:
        return set()

processed = load_checkpoint()
for order in orders:
    if order['id'] in processed:
        continue
    # 处理...
    processed.add(order['id'])
    save_checkpoint(processed)

---

七、日志缺失：出了问题找不到原因

流程凌晨 3 点报错，早上来看只有一句 Exception: timeout。不知道当时页面状态、不知道 AI 返回了什么、不知道是哪一步卡住的。

后来每个关键步骤都记详细上下文：

import logging
from datetime import datetime

logging.basicConfig(
    level=logging.INFO,
    format='%(asctime)s [%(levelname)s] %(message)s',
    handlers=[
        logging.FileHandler(f"rpa_log_{datetime.now().strftime('%Y%m%d')}.log"),
        logging.StreamHandler()
    ]
)

def process_order(order_id):
    logging.info(f"开始处理订单 {order_id}")
    try:
        page_data = fetch_page(order_id)
        logging.info(f"页面获取成功，URL: {page_data['url']}")
        
        ai_result = call_ai(page_data['content'])
        logging.info(f"AI 识别完成，原始输出: {ai_result[:200]}...")
        
        save_result(order_id, ai_result)
        logging.info(f"订单 {order_id} 处理完成")
    except Exception as e:
        logging.error(f"订单 {order_id} 失败: {e}", exc_info=True)
        # 截图保存现场
        driver.save_screenshot(f"error_{order_id}_{int(time.time())}.png")
        raise

关键节点截图，页面异常时自动截图，事后复盘能看到当时页面状态。

---

八、性能瓶颈：单线程跑一天都跑不完

10000 条数据，单线程顺序处理，每条平均 30 秒，跑了 4 小时才完成 500 条。算下来要 83 小时，业务方要求当天出结果。

改成 5 线程并行：

from concurrent.futures import ThreadPoolExecutor, as_completed

def process_batch(orders, max_workers=5):
    with ThreadPoolExecutor(max_workers=max_workers) as executor:
        futures = {executor.submit(process_order, o): o for o in orders}
        for future in as_completed(futures):
            order = futures[future]
            try:
                result = future.result()
                log.info(f"订单 {order['id']} 完成")
            except Exception as e:
                log.error(f"订单 {order['id']} 失败: {e}")

优化后 16 小时跑完。如果工具支持 API 触发 和 定时任务调度，可以拆成 5 个独立任务分布式跑，每个任务打包成 EXE 丢到不同机器上，配合定时执行，真正实现无人值守。

---

九、部署环境差异：本地能跑，服务器不行

开发环境 Windows 10，Chrome 120 版本，流程跑得顺顺的。部署到服务器（Windows Server 2019，Chrome 118），元素定位全部失效，字体渲染也不一样。

解决方案：固定浏览器版本，用 WebDriver Manager 自动匹配：

from webdriver_manager.chrome import ChromeDriverManager
from selenium.webdriver.chrome.service import Service

service = Service(ChromeDriverManager(version="120.0.6099.109").install())

统一分辨率设置：

options.add_argument("--window-size=1920,1080")
options.add_argument("--force-device-scale-factor=1")

如果环境差异实在太大，打包成 EXE 独立运行是更省事的方案。把浏览器和运行时一起打包，部署时直接复制过去就行，不用管服务器环境。某些工具支持在线推送更新，打开应用自动检测新版本，不用手动重新分发。

---

十、安全合规：数据泄露风险被忽视

RPA 流程里处理了客户手机号、地址等敏感信息。日志里全明文记录，截图也保存在公共目录。后来被安全审计抓出来，整改了一周。

后来做了日志脱敏：

import re

def mask_sensitive(text):
    # 手机号脱敏
    text = re.sub(r'(\d{3})\d{4}(\d{4})', r'\1****\2', text)
    # 地址脱敏
    text = re.sub(r'([\u4e00-\u9fa5]{2,}省)?[\u4e00-\u9fa5]{2,}市', r'**市', text)
    return text

logging.info(f"处理结果: {mask_sensitive(raw_result)}")

敏感流程的数据不要上传到第三方服务器，尽量保存在本地设备。我目前用的 蓝印RPA，设计理念就是流程数据全部保存在用户本地，不同步到服务端，从根源上降低泄露风险。

打包分发时，给 EXE 设置授权和加密。谁能用、用多久、能不能复制，都可以控制。某些平台支持应用加密分享，分享出去的应用带授权验证，过期自动失效。

RPA + AI 的组合确实能省掉大量重复劳动，但落地过程中这些坑几乎每个人都会遇到。上面 10 个坑点，前 5 个偏技术实现，后 5 个偏工程化部署。

如果你也在做类似的落地，建议从工具选型阶段就考虑清楚：

• 元素定位是否支持智能生成，减少维护成本

• AI 能力是否灵活，能接自己熟悉的模型，费用是否透明

• 部署方式是否简单，能不能离线运行，能不能打包成 EXE

• 数据安全怎么保障，能不能本地存储

• 分发协作怎么管理，能不能加密授权，能不能API 触发

我目前用的RPA 在这些方面做得比较到位。支持 API 触发、EXE 打包、内网离线、自定义界面，AI 能接 DeepSeek、Kimi、文心一言等主流模型，费用按实际 API 调用量算，没有中间商差价。最重要的是数据存在本地，不用担心泄露。另外它还能对接钉钉、飞书、企微，用 Agent 智能指令远程控制应用执行，回调通知结果，对团队协作很友好。

如果你也在选型，可以把上面这些维度作为 checklist，逐个对比。