AI+RPA实战：搭建一套多渠道铺货流程，同步完成国内电商与跨境电商商品上新

做过多店铺运营的人都经历过这种日常：同一批货，先铺到淘宝、拼多多，再铺京东，接着是亚马逊、Shopee、Temu。一个熟练运营一天手动上新几十个SKU就到头了，下午三四点开始，类目匹配错、规格填串的情况明显变多——不是人不行，是这个活本来就不该人干。

今年上半年，我们把手头的铺货流程彻底重构了一遍：一条主流程同时驱动国内和跨境平台上新，日常处理SKU从80个上下涨到700以上，人工只处理异常和审核结果。这篇文章把实现思路、技术选型和踩过的坑摊开讲，供有同样需求的团队参考。

一、先定结构：一条主控，多条分支

铺货流程最容易出的问题不是写不出来，是改不动。平台页面隔三差五改版，所有逻辑堆在一个大流程里，一次改版就是一场灾难。

后来定的结构是主控 + 平台子流程：

Step1  读取商品数据表（Excel / ERP导出 / 采集结果）
Step2  数据清洗：标题去重、图片压缩、字段映射、价格换算
Step3  遍历SKU → 判断目标平台 → 调用对应平台子流程
Step4  国内分支：淘宝 / 拼多多 / 京东 发布页自动化
Step5  跨境分支：翻译 → 币种换算 → 物流模板 → 发布页自动化
Step6  回写执行结果（成功 / 失败原因 / 待人工）
Step7  生成执行报表，异常项推送通知

有三件事值得单独说。

子流程拆分。 每个平台一个独立子流程，封装后多处复用。哪个平台改版就动哪个分支，其他平台不受影响。搭建时可以直接让AI根据业务流程自动拆分逻辑、封装子流程，这一步不用自己规划。

数据预处理独立封装。 商品表的JSON字段自动解析、列表批量提取这类变量操作，单独做成一个"数据预处理"子流程，国内跨境两条分支都调它，改一处全局生效。

结果落库。 每跑一单都写执行结果，后面做成功率统计、失败重跑，全靠这份数据。

二、国内分支：稳定比速度重要

国内平台发布页的共性是控件多、必填规则细：类目属性、规格SKU、运费模板、发货时间，漏一项就提交失败。这个分支折腾了最久，经验有三条。

1. 元素定位：别让XPath变成长期负债

早期版本靠手工抄XPath，平台一次AB测试，凌晨跑的批次就集体阵亡。现在的做法是：获取元素时由工具本地智能生成多条候选路径，挑最稳的一条；复杂元素直接用自然语言描述——比如"商品标题的输入框"，AI自动生成对应的定位表达式，不用学XPath语法。

更关键的是Web元素自愈：页面元素失效时，流程自动修复定位路径继续跑，而不是停在那里等人改代码。启用自愈之后，国内分支因为页面改版导致的停跑，从每月五六次降到基本没有。

还有个细节值得说：现在AI生成流程时，会优先调用RPA的基础指令拼装；遇到基础指令库里没有的能力，AI会自动封装成新指令，且每条指令都带详细注释——哪一步在干什么、为什么这么写，事后回看一目了然。铺货流程往往要传好几手，这点对交接极其重要。

2. 客户端软件走视觉识别，别硬采集元素

千牛的消息处理、企业微信的自动回复，这类客户端软件的控件树极不稳定。我们改用视觉颜色操作：按颜色区域判断按钮位置，按取色结果判断状态，完全不依赖元素节点，成功率反而更高。

3. 触发方式：定时 + API 双轨

日常跑批走定时执行，每天凌晨2点自动处理前一天的货源更新。临时要补一个品，调一次API接口立刻触发，不用守在机器旁。

三、跨境分支：难点在环境隔离和本地化

跨境上新的复杂度不在填表，在账号环境和内容本地化。

1. 指纹浏览器是必须项

多站点账号必须环境隔离，否则关联封号是迟早的事。目前市面上主流的指纹浏览器（紫鸟、比特、Hubstudio、AdsPower等）都已支持自动化对接，我们的流程按账号表循环切换环境，一个账号一个独立指纹，全程无人工干预。

2. AI只做一次"思考"，结果落库复用

标题翻译、五点描述本地化、关键词改写，这部分交给AI大模型处理。流程里接入的是自购API（文心一言、豆包、DeepSeek、Kimi都支持），按token计费，费用透明可控。

关键的一个工程决策：翻译只跑一次，写进中间表。同一个商品铺五个跨境平台，直接复用翻译结果，而不是每个平台各调一次AI。粗算下来，这一项让我们的API月支出降了七成左右。另外，货源图里的卖点文字用OCR识图提取，配合截图加一段文字描述，直接让AI生成上架文案，省掉了大量手工整理。

3. AI负责思考，流程负责落地

实践下来的结论很朴素：AI生成的初稿很快，但判断逻辑往往不全面，遇到没预见的异常就崩，每次都得重新改，修复成本高；网页元素一变就失效，而且不会自愈。所以分工是——AI写代码，流程跑代码。

另外两层是吃过亏之后才意识到的。一是AI对本地客户端软件的自动化能力非常弱，千牛、微信这类软件基本无从下手，而这恰是RPA指令加视觉识别的强项。二是流程跑到一半，遇到页面弹窗、动态选项这类分支，可以在执行过程中实时调用AI做动态判断——比如根据页面实际出现的选项内容，让AI决定选哪一项再继续。这种"执行中思考"，是纯脚本方案做不到的。

四、工程化：脚本跑通只是开头

流程在自己电脑上能跑，到"团队五个人日常用起来"之间，隔着三座山。

先解决分发。流程打包导出成EXE应用，接收方双击即用，不装任何客户端，多台设备用也不用重复购买授权。

然后是权限。打包时支持加密和授权管理——控制每个分发的应用谁能用、有效期多久。流程文件发给外包或下游团队，不加密基本等于公开。

最麻烦的是更新。流程还在快速迭代，今天改好的版本怎么同步给所有人？用支持在线推送更新的方案，对方打开应用自动检测新版本，不用人肉挨个发文件，少了很多沟通上的麻烦。

还有两个加分项。

自定义界面。 直接给运营用的应用，我们配了一个极简操作面板。界面不用自己画：发一张草图或截图，AI照着生成对应界面，复杂布局还能用HTML组件拼。按钮触发、数据展示、结果关联都有，不会代码的运营零培训上手。

协作通知。 流程执行结果通过Agent能力推送到钉钉和飞书群里——执行完自动回调通知结果，成功多少、失败卡在哪一步、报错原因是什么，早上扫一眼群消息就知道，不用登录机器翻日志。企业微信和个人微信里同样能发指令触发应用，结果照样回调。

五、安全：数据该留在哪里

商品数据表里有成本价、供应商联系方式、店铺账密，这些是核心资产。我们定了两条红线：

• 流程应用产生的所有数据保存在本地设备，不同步到任何云端服务器；
• 公司内网环境直接全离线部署，流程在内网离线状态下完整可跑，数据不出本地。有合规要求的团队注意：纯AI方案在内网离线环境是跑不起来的，选型时务必提前验证。

六、踩坑实录

坑1：AI生成的元素在复杂页面活不过一周。 某次重构，我们直接截图加一段文字描述，让AI生成了整段拼多多分支——当时觉得省了两三天工。结果页面一次小改版，定位集体失效。教训：AI生成的结果必须经过候选路径筛选，而且流程本身要有自愈兜底。

坑2：流程报错没人知道，白跑一晚上。 早期版本没有通知机制，验证码拦截导致凌晨批次静默失败。现在的方案是AI错误诊断自动分析报错原因并尝试一键修复，修不了的自动上报并推送群通知，人工清晨处理。

坑3：翻译重复调API，账单吓人。 就是第三节说的那个决策，不展开。

坑4：免费额度的边界要在选型第一天确认。 铺货是7×24小时的场景，按运行时长或流程数量计费的产品，在这个阶段直接出局。我们当时专门确认了免费版没有使用时长限制、不限制流程数量。个人开发者、工作室、中小企业，建议把这条写进选型清单的第一行。

多渠道铺货自动化说穿了不复杂：数据清洗交给规则，翻译改写交给AI，上新动作交给流程引擎，账号环境交给指纹浏览器，分发授权交给打包机制。AI负责思考，流程负责稳定落地。按这个思路搭出来的流程，同时支撑国内电商和跨境电商商品上新，一天几百个SKU是正常水位，人只需要盯住异常。

补充一句：如果团队已经在用Workbuddy、Claude、Trae这类AI编程工具，可以通过MCP服务对接，让外部智能体直接驱动流程搭建，灵活度会更高。