首页行业百科无API老系统怎么用AI操作?Soiawork界面自动化实践

无API老系统怎么用AI操作?Soiawork界面自动化实践

2026-11-20 15:19:32

财务月末对账,会计打开十年前的进销存客户端,把一屏屏数据复制到 Excel;供应链查物料齐套,要在三个没有接口的老系统之间来回切换,抄下编号再比对。这些系统当年上线时靠得住,今天却成了数据孤岛——它们没有开放 API,厂商也不再迭代,可业务还得跑。于是问题变成:无API老系统怎么用AI操作? 这篇文章不讲概念,而是把"界面自动化"这条路拆开:AI 到底怎么"看见"老系统、怎么"动手"操作、哪些环节必须留人核对、边界又在哪里,最后落到 Soiawork 的具体能力上,给出一条可以小步试跑的路径。

先说结论:无 API 不等于无法自动化。过去这类工作靠 RPA 写死脚本,界面一改就崩;现在有了能理解屏幕的 AI 智能体,可以像人一样识别界面元素、判断当前状态、在异常时停下来等人确认。区别不在于"能不能点鼠标",而在于有没有人在回路、有没有可回读的核对证据。

无API老系统怎么用AI操作?Soiawork界面自动化实践_图1

一、先厘清:无API老系统为什么难接

很多管理者把问题归结为"技术债",其实更准确的描述是:这些系统的价值仍在,只是缺少一个"数字操作员"。

1.1 三类典型的"接不进去"

  • 桌面客户端型:本地安装的 ERP、进销存、专有业务软件,数据只存在于软件窗口里,导出功能残缺甚至没有。
  • 网页但无接口型:有 Web 界面,但登录需要短信验证码、会话保持,或者接口从未对外开放。
  • 多系统串联型:单看每个系统都能操作,难的是 A 系统查到的编号要填进 B 系统,B 系统的结果又要回写到 C 系统。

这三类的共同点:数据在界面上,不在接口里。人能做,机器过去做不了,或者只能靠脆弱的脚本硬做。

1.2 界面自动化的本质:像人一样看和动

AI 操作老系统,不是"破解",而是模拟一个被授权的员工:打开软件、登录、定位字段、输入、提交、再回头确认写进去了没有。要做到这一点,靠单一技术不够,需要多种策略组合。

在 Soiawork 中,这部分能力由设备(Soia Worker)承担。它部署在本地电脑上,支持 Windows / Mac 及浏览器插件,负责操作本机文件、浏览器登录态或桌面软件。其操控原理是多种策略叠加:进程分析、系统状态分析、软件/网页结构分析、屏幕分析(自研 ISSUT 专利),以及屏幕截图理解兜底——结构能读到就读结构,读不到就"看"屏幕,这比单纯靠坐标点击稳得多。

1.3 与RPA的关键差别:异常处理方式

传统 RPA 的逻辑是"如果按钮在 (x,y),就点它";界面一改,任务静默失败或点错地方。AI 智能体的逻辑更接近人:先判断"我现在在哪个页面、这个字段是不是我要填的那个",不确定时停下来。这个"停下来"是设计出来的能力,不是缺陷——它决定了自动化能不能长期跑下去。

二、无API老系统用AI操作的四个动作

把"AI 操作老系统"当成一个工程来看,它其实由四步构成。这四步在 Soiawork 场景库中被归纳为一条标准链路,值得逐条对照。

2.1 确认对象与授权

  • 明确要操作哪些系统、用哪个账号、涉及哪些字段、允许做哪些动作(只读、可写、可提交)。
  • 授权范围要在任务开始前固定下来,而不是运行中临时决定。

这一步看似繁琐,实际是后续所有审计的基础。没有明确的授权边界,AI 跑得越快,风险越大。

2.2 按规则执行搬运

  • 查询、录入或同步,逐条记录来源与目标。
  • 每条数据都能回答"从哪里来、写到哪里去"。

在 Soiawork 中,这一步通常由工作流固定步骤顺序,由技能承载具体的操作方法(比如"在这个老系统里新增一条供应商记录"的标准动作集)。方法沉淀成技能后,同类任务不必每次重新教。

2.3 回读核对

  • 写完不算完,要回到界面确认:状态是否一致、数值是否正确、有没有报错弹窗。

这是最容易被忽略、也最能体现专业度的一步。人做录入时也会顺手刷新看一眼;AI 做同样的事,才谈得上可靠。

2.4 输出结果与失败清单

  • 成功的部分给出更新后的记录与处理结果。
  • 失败的部分单独列出,附失败原因与恢复方式。

失败清单的价值在于:它把"批量操作出问题"从一场灾难变成一份待办。哪一条没写进去、为什么、怎么补,一目了然。

三、Soiawork怎么落地:设备、技能、自动任务

理解了链路,再看工具。Soiawork 是实在智能出品的企业级 AI 智能体平台,交付形态是智能体工作台(网页端)加 Soia Worker 客户端。落到"操作无 API 老系统"这个具体问题上,三个能力最关键。

3.1 设备:把"手"放到老系统所在的电脑上

  • 本地文件自动化处理:直接读取、修改或批量处理本地磁盘上的 Excel、PDF、数据报表,不需要人工上传下载。
  • 客户端软件与系统自动化:对缺乏 API 的桌面软件、老旧业务系统或专有客户端进行界面操作与数据交互。
  • 运行模式可控:在客户端右上角【设置】中可切换"仅自己使用""与组织共享""暂停使用"。共享不等于所有成员自动获得使用权,权限仍需单独配置。
  • 前提明确:Worker 客户端需保持运行(最小化即可),之后在任意设备登录网页端即可远程调用这台电脑。

有两条使用提醒必须说清楚:Worker 被下发任务后会接管电脑,运行期间最好不要操作鼠标;两个任务同时操作同一桌面软件存在冲突风险。这意味着设备需要按"工位"来规划,而不是随手共用。

3.2 技能与工作流:把一次成功变成N次可复用

  • 技能沉淀"在这套老系统里怎么操作"的方法,包括字段定位方式、必填项、常见弹窗处理。
  • 工作流固定步骤顺序与分支:先查 A 系统、再写 B 系统、最后回读 C 系统。
  • 知识库存放判断依据,比如物料编码规则、科目对照表、客户名称规范,让 AI 在填写时能查依据而不是靠猜。

这三者组合起来,才叫"组织能力"——某个员工摸索出的可靠做法,能被下一个任务直接调用,而不是锁在某个人的经验里。

3.3 自动任务:从"人催着跑"到"按时自己跑"

  • 三种触发形态:定时任务、周期执行(按天/周/月)、延迟执行。
  • 创建方式灵活:可以用自然语言说"以后每天早上 8 点把昨天的入库单同步到老系统",系统自动理解时间规律、组装输入并预填执行计划,创建前展示确认卡片;也可以用独立表单完整配置触发器、运行范围与交付通知渠道。
  • 监控通知:任务完成、异常或需人工确认时,通过钉钉、企业微信、飞书或邮件提醒。
  • 运行记录可查:运行用时、运行模式、积分消耗、执行过程都能回溯。

这一步是把"界面自动化"从项目变成日常的关键。老系统数据搬运本来就是高频、重复、按时发生的工作,正好适合交给自动任务。

四、四类典型场景,看看哪一类像你

以下场景描述的是流程形态,其中涉及的复现验证内容均指演示/验证环境中的跑通情况,不代表客户实际成效数据。

4.1 财务:老系统凭证补录与对账

业务系统里已经生成的单据,需要补录到没有接口的财务软件中。流程是:读取业务系统导出或查询到的记录 → 按科目对照规则映射 → 在老财务软件中逐条录入 → 回读凭证号与金额 → 输出成功清单与失败清单。失败的通常是科目不匹配或期间已关闭,附原因后由财务人员判断处理。记账与否、如何调整,仍由财务责任人决定,AI 只负责搬运与回读。

4.2 制造:物料齐套查询与排产输入

BOM 与实际库存分散在多个系统,其中至少一个是老客户端。流程是:从老系统查询库存与在途 → 与计划系统需求比对 → 输出齐套率与缺件清单 → 把确认后的结果录入排产系统。这里 AI 的角色是"把三个屏幕的数据凑到一张表上",排产决策仍归计划员。

4.3 电商与跨境:多店铺后台的日常核对

平台后台没有对外接口,或接口权限申请周期长。典型工作是每日核对订单、退款、结算数据,以及商品信息批量上架。通过 Worker 保持登录态、按规则逐店抓取与写入,把多店铺的重复动作收敛成一次任务,异常(如登录失效、页面改版)通过飞书或企业微信告警。

4.4 招聘与内容运营:简历搬运与素材归档

招聘渠道的简历需要汇总到内部人才库,而人才库是十年前的系统。流程是下载简历 → 解析关键字段 → 录入老系统 → 回读确认。内容运营同理:素材从各处收集、按命名规范归档到本地文件空间,再由人工做最终筛选。

五、边界在哪:什么交给AI,什么必须留人

这是管理层最该问的问题。答案要写进制度,而不只是记在心里。

  • 专业判断不外包:处方审核、法务意见、财务入账判断等,AI 可以提供整理好的信息与依据,但结论必须由责任人作出。
  • 不做未验证的承诺:任何准确率、覆盖率、节省比例,都要以自己环境实测为准,不轻信演示数字。可参考的公开信息是:实在智能自 2018 年起投入 AI 与自动化,累计服务 6,000+ 企业客户,拥有 100+ 发明专利;其产品在 OSWorld 评测中任务成功率为 90.2%(2026 年 7 月)。这可以作为技术成熟度的参考,但不能直接换算成你的场景成功率。
  • 设备冲突要管:一台电脑同一时间只跑一个桌面任务,是基本纪律。
  • 权限与审计要留痕:谁授权、操作了哪些字段、运行记录在哪,都要能查。Soiawork 的每次运行都有记录、日志、异常与可回放证据,这是它能进企业环境的前提。

六、从一项重复工作开始试跑

如果你的老系统正让人天天复制粘贴,别急着做"全公司自动化规划"。更务实的路径是:挑一项高频、规则清晰、失败代价可控的搬运工作——比如每天把某张报表的数据录进老系统——先让 Soia 在演示环境跑通,再在真实环境小范围试跑;每次运行后核对结果与异常清单,确认失败项都有明确恢复方式;连续稳定一段时间后,再决定是否扩大到第二个系统、第二个部门。想清楚"无API老系统怎么用AI操作"的答案,从来不是买一套工具,而是建立一条能被复核的链路。有任务,找 Soia——先把第一步走稳,智能才能在组织里真正生长。

常见问题解答

1. 用AI操作老系统,需要改造现有系统吗?

不需要。界面自动化的前提恰恰是"系统不动"。它在系统外部模拟被授权的操作,不改数据库、不要求厂商开放接口。需要准备的是:一台可运行 Soia Worker 的电脑、一个权限合适的账号、一份清晰的操作规则。

2. 账号、数据和权限怎么控制?

三层控制:一是账号层面,用专门的业务账号并限定权限范围;二是设备层面,Worker 可设置为"仅自己使用"或"与组织共享",共享后仍需单独授予使用权;三是数据层面,操作范围与字段在任务开始前固定,运行记录可追溯。

3. AI填错了谁负责?

责任在流程设计,不在"AI"这个抽象主体。可控的做法是:关键字段设回读核对、异常项进失败清单、涉及资金或合规的动作设置人工确认卡点。AI 负责搬运和提示,判断仍归岗位责任人。

4. 和现有的RPA、BI是什么关系?

RPA 擅长规则稳定的确定性流程,AI 界面自动化的优势在于界面变化、元素识别和异常判断;两者可以并存,规则极稳的部分继续用 RPA,需要理解和判断的部分交给智能体。BI 解决的是"看数据",界面自动化解决的是"数据进不去、出不来",属于补充而非替代。

5. 从哪个场景开始最合适?

优先选三个条件同时满足的:发生频率高(每天或每周)、规则可写清(字段来源明确)、失败代价可控(错了能改、不影响对外合规)。财务补录、库存查询、多店铺日常核对都是常见起点。

立即领取行业头部企业 AI 应用案例

资深 AI Agent 技术专家将为您定制数字员工解决方案

立即获取方案