LLM 驱动的工作流自动化实践

一句话总结：LLM 工作流自动化 = LLM 理解非结构化输入 + 规则引擎处理确定性逻辑 + RPA/API 执行操作，适合审批辅助、报表解读、文档处理等场景。

LLM 在工作流中的角色

角色	说明	示例
理解者	解析非结构化输入	从邮件提取请假信息
决策者（辅助）	给出建议，人工确认	报销合规性初判
生成者	产出文档/报告	自动生成周报
路由者	判断任务分发	工单自动分类

典型自动化场景

1. 智能审批辅助

员工提交报销单（图片/PDF）
  → LLM OCR + 提取（金额、日期、类别）
  → 规则引擎校验（额度、发票真伪）
  → LLM 生成审批建议：「建议通过，符合差旅标准」
  → 审批人一键确认/驳回

2. 报表自动解读

定时拉取 BI 数据
  → LLM 生成自然语言摘要：「本周销售额环比上升 12%，华东区贡献最大」
  → 异常检测 → 自动推送告警给负责人

3. 文档自动处理

合同/发票/简历 PDF 入库
  → LLM 结构化提取关键字段
  → 写入 ERP/CRM 对应字段
  → 人工抽检 5%

架构模式

                    ┌─────────────┐
触发（邮件/表单/API）→│  LLM 理解层  │
                    └──────┬──────┘
                           ↓
                    ┌─────────────┐
                    │  规则引擎    │ ← 确定性逻辑（额度、权限）
                    └──────┬──────┘
                           ↓
              ┌────────────┼────────────┐
              ↓            ↓            ↓
          ERP API      邮件通知      RPA 操作

关键原则

LLM 不做最终决策：高风险操作必须人工确认
规则兜底：LLM 输出过规则引擎校验
可回滚：自动化操作支持撤销
渐进自动化：Shadow → 半自动 → 全自动

常见问题

LLM 工作流和 RPA 什么关系？ RPA 擅长固定界面操作（点击、填表），LLM 擅长理解非结构化内容。两者结合：LLM 理解 → RPA 执行。

工作流引擎选什么？ n8n（开源）、Temporal（可靠执行）、LangGraph（AI 原生）。泽衍科技根据复杂度选型，简单场景 n8n 足够。

出错怎么办？ 每步操作留痕 + 异常自动暂停 + 人工介入队列。泽衍科技项目默认 100% 操作可审计。