两周前接到一个需求：用 Cursor 辅助写一套流程自动化脚本，自动处理后台数据录入。本以为 AI 写代码能省一半时间，结果 Prompt 调了三天、接口崩了五次、元素定位改了一周。最后脚本确实跑起来了，但中间踩的坑够写一篇文章。
如果你也在用 Cursor 做 RPA开发，这篇 Prompt 工程和大模型接口调用的踩坑记录，应该能帮你少熬几个夜。
说到流程自动化的落地，最近也在关注一些国内的 RPA工具，比如蓝印RPA在元素获取和工程化交付方面做了不少有意思的设计——支持本地智能生成元素路径，能根据页面结构自动推荐稳定的定位方式，通过自然语言描述直接生成 xpath 路径，无需学习晦涩难懂的 xpath 语法；甚至能靠视觉颜色操作桌面应用，无需依赖元素节点也能实现点击、获取内容等操作，轻松实现企业微信、微信、qq、千牛各种消息的获取。后面会结合具体踩坑场景聊到。
坑点一：Prompt 给得不够细，生成的 xpath 一跑就废
刚开始我的 Prompt 是这样的：

失败的 Prompt
帮我写一个自动登录 XX 后台的脚本，用 Python + selenium，定位用户名和密码输入框。
Cursor 给了我一串代码，本地能跑。但放到测试环境直接报错：

selenium.common.exceptions.NoSuchElementException:
Message: no such element: Unable to locate element:
{“method”:“xpath”,“selector”:“//input[@class=‘ant-input css-1f6g6s’]”}
问题很明显： AI 没有页面上下文，生成的 xpath 是基于训练数据里的"常见模式"硬猜的。前端换个 class 名、加个动态 ID，直接凉凉。特别是一些复杂项目，AI 生成的元素路径无法长期稳定运行，遇到异常情况基本束手无策。AI 操作软件自动化也极其困难，像企业微信、钉钉、QQ、千牛这类桌面应用，AI 根本找不到稳定的操作入口。
优化后的 Prompt：

优化后的 Prompt（附上了页面 DOM 片段和边界条件）
页面 DOM 结构如下：

要求：

1. 使用相对稳定的 xpath，不依赖动态 class
2. 登录失败时捕获异常并截图
3. 处理可能出现的验证码（如遇验证码抛出异常人工介入）
4. 用显式等待替代 time.sleep
   给足上下文后，生成的代码质量明显提升。但这里又暴露了一个更深层的问题：即便 Prompt 再好，AI 生成的元素定位在面对前端改版时依然脆弱。AI 网页元素变化之后无法实现自动自愈修复，只能重新再修复一遍代码，维护成本很高。
   这时候就得借助更成熟的 RPA工具能力。有些流程自动化方案在元素获取环节做了智能化升级，当 Web 元素路径失效时，能自动寻找替代定位方案实现自愈，保障流程不中断。对于不想死抠 DOM 结构的开发者来说，这比纯靠 AI 猜要靠谱得多。
   另外，像企业微信、钉钉、QQ、千牛这类桌面应用根本拿不到稳定的元素节点，传统的基于 DOM 或元素树的方案在这里会碰壁。这时候支持视觉颜色操作软件或页面的能力就派上用场了，通过识别屏幕上的颜色、图像、文字位置来执行点击和读取，无需依赖底层元素节点，也能轻松实现各种消息的自动获取和处理。
   坑点二：大模型接口调用，Token 烧得比想象中快
   脚本跑通后，下一个需求是：让 AI 读取页面内容，自动判断该走哪个分支逻辑。
   一开始接的是某主流大模型的在线 API，本地测试没问题，但放到长时间运行的自动化流程里，问题接踵而至。
   先看一组真实消耗：

单次页面内容分析的实际调用
import tiktoken

text = “页面上的表格内容…” # 约 2000 字
encoder = tiktoken.encoding_for_model(“gpt-4”)
tokens = encoder.encode(text)
print(f"输入 token 数: {len(tokens)}") # 输出: 输入 token 数: 2847

加上 system prompt 和返回，单次调用轻松破 4000 token
一天跑 500 次，费用直接爆炸
实际遇到的坑：
返回格式不稳定：要求返回纯 JSON，结果时不时给你包一层 markdown 代码块，解析直接报错
限流导致流程中断：并发稍高就触发 429，整个自动化流程卡死
网络波动：在线 API 对网络稳定性要求极高，稍微波动就超时重试

典型的异常处理代码（被迫写得越来越复杂）
import json
import re

def safe_parse_llm_response(text):
# 处理 AI 返回格式不稳定的问题
text = text.strip()
if text.startswith(“json"): text = text[7:] if text.endswith("”):
text = text[:-3]
try:
return json.loads(text)
except json.JSONDecodeError:
# 正则兜底，非贪婪匹配防止嵌套 JSON 过头
match = re.search(r’{.*?}', text, re.DOTALL)
if match:
return json.loads(match.group())
raise
更头疼的是，AI 写完的判断逻辑不够全面，每次遇到边界情况都得重新修改 Prompt 或让 AI 重写代码，修复成本很高。而且在线大模型 API 需要持续消耗 token，长期使用下来费用并不低。更麻烦的是，在流程执行过程中实时调用 AI 来做动态页面处理，目前大多数方案支持得并不完善，设计流程时最好把 AI 决策环节和自动化执行环节提前拆分清楚。
用 Cursor 把脚本逻辑写清楚后，下一步就是找个能稳定承接执行的工具。我目前的做法是让 Cursor 负责快速出原型，再找专门的 RPA 工具做工程化封装和分发。
在费用控制方面，蓝印RPA采用用户自行对接各平台 API 的方式，AI 功能接入文心一言、豆包、DeepSeek、Kimi 等大模型，支持图片识图与 OCR 功能，费用透明可控，长期使用下来比持续消耗在线 API token 更具性价比。而且它还新增了 Agent 功能，使用最新的 DeepseekV4 模型，支持在钉钉、飞书、企微、个人微信内控制应用的执行，回调通知响应执行结果，实现 AI 与自动化流程的深度联动。
坑点三：脚本本地能跑，换个环境就挂
这是最让人崩溃的坑。Cursor 生成的脚本在我的开发机（Windows 11，1920x1080）上跑得好好的，放到测试同事的机器（Windows 10，2K 屏）上直接报错：

报错日志
selenium.common.exceptions.MoveTargetOutOfBoundsException:
Message: move target out of bounds
(Session info: chrome=120.0.6099.130)

原因：屏幕分辨率不同，AI 生成的坐标点击偏移了
环境差异清单：
浏览器驱动版本不匹配（ChromeDriver 120 vs 119）
屏幕分辨率不同导致元素坐标偏移
文件路径写死成了绝对路径 C:\Users\MyName…
依赖库版本差异（selenium 4.15 vs 4.8）
RPA开发不是写完脚本就完事，要考虑部署环境的一致性。如果每次都要手动配环境、发文件、教同事改配置，那自动化带来的效率提升会被维护成本吃掉一大半。
更现实的问题是：脚本写完了，怎么给不会写代码的同事用？怎么防止被随意复制传播？客户要求定期自动执行，怎么设置定时任务？AI 无法快速实现对分发的应用进行授权管理，用纯脚本方案很难解决这些问题。
最近调研过几款国内的 RPA工具，其中蓝印RPA在流程自动化的工程化交付这块做得比较扎实：支持把脚本打包导出 EXE，发给别人不用装客户端就能直接运行。打包后的应用还支持授权管理，可以设置加密分享和分享授权，防止未经授权的传播。而且支持单独设置 API 触发和定时执行，满足不同的调度需求。打包导出的 EXE 应用还支持在线推送更新，无需再次手动分发，只需打开应用就能自动检测更新新版本。对于界面要求较高的场景，它还支持自定义界面，设计属于自己的软件界面，让最终用户完全感知不到底层是自动化脚本在运行。
坑点四：从"能跑"到"能交付"，中间差了一个工程化
脚本在本地跑通了，接下来要面对灵魂拷问：
怎么给不会写代码的同事用？
怎么防止脚本被随意复制传播？
客户要求定期自动执行，怎么设置定时任务？
脚本更新了，怎么推送给所有使用者？
这些都是自动化软件工程化交付的必答题。
我踩过的坑：
一开始用 Python 脚本 + Windows 计划任务，结果同事电脑上没有 Python 环境，折腾了一下午装环境。后来改成 PyInstaller 打包，但 PyInstaller 打包的 EXE 被杀毒软件误报，而且代码裸露在外，客户看了一眼就说"这源码我能直接改啊"。
理想的交付形态应该是：
一键打包成独立 EXE，无需目标机器装任何环境
支持授权管理，不同客户给不同的授权码
支持 API 触发和定时执行，方便集成到现有系统
支持在线更新，修 bug 不用重新发文件
对个人开发者、个人工作室或中小企业来说，选择无运行时长限制、无流程数量限制的自动化方案更务实。免费版没有使用时长限制，多设备使用也无需额外多开会员，能把成本压到最低。
坑点五：内网环境才是终极 Boss
前面说的都是在线环境，真正的挑战来自内网。
很多企业的生产系统部署在内网，无法访问互联网。这时候依赖在线大模型 API 的自动化方案直接失效——内网离线环境下根本无法使用 AI，但流程自动化需求依然存在。
而且内网环境对数据安全要求极高，流程执行过程中产生的敏感数据不能外流，更不可能同步到第三方服务端。
内网离线部署 + 数据不出本地，是企业级自动化的硬性需求。
我当时的解决方案是：把 AI 生成的脚本逻辑固化下来，去掉所有在线 API 调用，改成纯本地规则判断。但这样又损失了灵活性。
更好的思路是：在离线环境中使用纯本地的自动化引擎，流程应用数据全部保存在用户本地设备上，不同步到服务端，保障数据安全。对于需要操作浏览器的场景，现在的RPA已支持对接紫鸟浏览器、比特浏览器、hubstudio浏览器、adspower浏览器等市面上众多指纹浏览器，实现自动化操作，这在多账号管理场景下非常实用。
坑点六：Web 元素一改版，自动化流程全崩
这是生产环境最致命的坑。
前端页面改版，某个按钮的 class 从 btn-primary 改成了 btn-main，AI 生成的 xpath 瞬间失效：

失效的 xpath
“//button[@class=‘btn-primary’]” # 改版后找不到元素

被迫手动修复
“//button[contains(@class, ‘btn’) and text()=‘提交’]” # 稍微稳定一点，但仍不保险
AI 网页元素变化之后无法实现自动自愈修复，只能重新再修复一遍代码。对于一些需要 7x24 小时稳定运行的自动化流程来说，这种脆弱性是不可接受的。
更稳定的方案是借助 Web 元素自愈能力。当元素路径失效时，能自动寻找替代定位方案，保障流程不中断。这种自愈机制比每次前端改版都重新找 AI 修代码要省心得多，运行也更稳定。
正确的协作姿势：Cursor 负责写，RPA 负责跑
两周踩坑下来，我总结了一套相对务实的开发流程：
用 Cursor 快速原型：给足上下文，让 AI 生成脚本骨架和核心逻辑
本地调试验证：在真实环境中跑通，记录所有异常场景
导入工程化工具：把稳定运行的脚本转成可交付的自动化流程，解决授权、定时、更新、分发问题
内网离线部署：确保生产环境不依赖外网，数据本地存储
AI 负责思考，RPA 负责稳定落地；离线更安全，自愈更稳定，成本透明。
如果你现在也在用 Cursor 做 RPA 相关的开发，我的建议是：让 Cursor 负责快速出原型，让蓝印RPA 负责稳定落地和交付。它支持把脚本打包导出 EXE 并做授权管理，支持内网离线使用且数据不出本地，支持 Web 元素 AI 自愈，支持 API 触发和定时执行，免费版也无使用时长限制。Cursor 写代码 + RPA跑代码，这才是当前最务实的自动化开发模式。
如果你也在做流程自动化相关的开发，建议先把脚本跑稳，再考虑工程化交付。能稳定运行三个月的自动化流程，比三天就崩的"智能脚本"更有价值。