任务拆解准确率84%：实在Agent如何实现从自然语言到自动化流程的“思考—规划—执行”闭环

一、一句话背景

传统的RPA需要人工录制脚本、配置参数、处理异常；而真正的AI Agent，应该能听懂一句自然语言指令，自己拆解任务、自己规划步骤、自己跨系统执行。

实在Agent基于自研TARS流程垂直大模型，在1000余种企业软件、10000余个常用场景中，实现了 84.16%的任务步骤拆解准确率 和 86.87%的动作映射准确率。本文用3个核心模块讲清它是如何做到的。

二、整体架构：思考 → 规划 → 执行

三、模块1：思考 — TARS大模型如何“听懂人话”

核心能力：把“帮我将上周销售数据做成报表发给总监”这样的模糊指令，转化为机器可理解的结构化目标。

技术要点：

• TARS大模型针对流程自动化、文档处理、数据处理、财经四大领域定向训练

• 千亿级高质量Tokens、百亿级参数，支持私有化部署

• 能够识别隐含的约束条件（时间范围、筛选规则、发送对象）

示例：

用户说：“每周五下午3点，从SRM系统下载新订单，金额超过10万的自动发邮件提醒我审阅”

 

Agent理解出：触发条件（定时）、数据源（SRM）、过滤规则（金额>10万）、动作（发邮件）、收件人（我）

四、模块2：规划 — 如何把一个大任务拆成可执行的步骤

核心能力：将高层目标拆解为有序的子任务树，并匹配对应的工具/系统。

六层拆解引擎：

1. 目标理解 → 2. 规则抽取 → 3. 任务树生成 → 4. 工具编排 → 5. 执行校验 → 6. 记忆沉淀

完整案例展示：

用户指令：“收集京东销量前20的手机信息（名称、价格、链接），生成Excel保存到桌面，钉钉发给老板”

 

规划输出：

• 阶段①数据获取：打开京东→搜索“手机”→按销量排序→提取前20条

• 阶段②数据处理：生成Excel表格→写入数据→保存到桌面

• 阶段③结果交付：打开钉钉→找到“老板”→发送文件

用户可可视化查看规划过程，确认无误后一键执行。

五、模块3：执行 — “眼睛+手脚”保障动作落地

规划再好，执行不到位就是空谈。实在Agent通过两套能力闭环执行：

① ISSUT智能屏幕语义理解（眼睛）

• 基于视觉-语义联合建模，实时解析屏幕画面

• 不记坐标、不依赖API，像人一样“看懂”界面上的按钮、输入框、菜单

• 优势：老旧系统（C/S架构、虚拟机）、无API的软件、信创环境下的国产应用，都能操作

• 抗UI变更：按钮移动、颜色变化，基于语义仍能正确定位

② RPA超自动化技术（手脚）

• 模拟鼠标键盘操作，跨系统执行点击、输入、上传、下载等动作

• TARS AI元素定位：即使元素低级属性全部改变，只要功能不变就能命中

• 遇到需判断的环节（如发票合规审核），Agent基于大模型自主决策，并附带推理依据

六、关键数据：84.16%准确率从何而来？

测试范围：1000余种企业软件 + 10000余个常用场景（制造业、金融、能源等）

行业认证：

• 全球软件成熟度CMMI-5级认证

• 中国信通院可信AI智能体平台最高评级（5级）

• TARS大模型完成国家网信办模型+算法双备案

• 全栈信创适配：麒麟/统信/鸿蒙 + 鲲鹏/飞腾 + 达梦/金仓

七、企业真实收益（以制造业标杆客户为例）

裕同包装：部署实在Agent数字员工，覆盖7大业务模块

• 客服跟单、采购、计划物控、仓储库存、工程技术、财务、人资

• 合计年节省超过7800人天

八、总结

实在Agent通过 “TARS大模型（大脑） + ISSUT语义理解（眼睛） + RPA自动化（手脚）” 三层闭环，让AI从“会聊天”真正进化为“会干活”。

• 84.16%的任务拆解准确率，保障复杂业务流畅闭环

• 不依赖API，可操作任何有界面的系统（包括老旧和信创环境）

• 支持私有化部署，数据安全合规

你只需要说一句目标，实在Agent负责思考、规划并执行。