影刀RPA进阶教程接入大模型API——采集内容自动摘要与分类采集回来几千条商品笔记摘要要人写、分类要人看这是做电商内容运营最耗时间的一段。我非技术出身用影刀RPA两年多最近半年把大模型API接进了采集流程摘要和分类这两件事已经完全不用人工了。这篇就讲清楚影刀RPA怎么通过HTTP请求把内容发给大模型拿回结果后怎么解析、怎么写回表格中间我踩过的坑一个不落。先说整体思路影刀RPA负责采集和落表大模型API负责理解和归纳两者之间用【HTTP 请求】指令连起来。不需要会写代码但有几个参数必须理解到位不然第一步就会卡住。认识影刀RPA安装与环境准备还没装影刀RPA的话去官网下载社区版就能开始安装过程就是下一步到底。装完第一件事是装浏览器插件客户端会提示安装Chrome或Edge插件不装的话网页自动化基本用不了。打开客户端后左侧是流程列表中间是流程画布右侧是指令面板。所有指令都能在右上角搜索框直接搜比如搜HTTP就能找到【HTTP 请求】。用到大模型功能前建议顺手把Python图标点亮点击顶部工具栏的Python图标等待初始化完成。虽然接入API本身不用Python但后面解析JSON、清洗文本时Python协同会省很多事。版本选择上社区版每天有运行时长限制跑大批量采集建议错峰安排如果流程要挂定时任务整夜跑创业版无时长限制会更省心。元素定位四合一先把内容抓下来接API之前得有内容采集这一步靠元素定位。影刀RPA的定位体系可以归纳成四件套元素捕获、XPath、CSS选择器、正则表达式日常采集_xpath用得最多。元素捕获的操作是点击顶部工具栏的捕获元素按钮浏览器自动跳转鼠标移到目标上出现橙色边框后点击确认。能捕获到就用捕获捕获不稳再手写XPath。几种XPath写法的使用场景我整理成一张表场景写法示例什么时候用精确ID//*[id“title”]页面结构稳定模糊匹配//*[contains(text(),‘销量’)]文本带前后缀层级定位//div[class“item”]//span目标没有唯一属性参照物定位//[contains(text(),‘小红书号’)]/…/preceding-sibling::[1]目标本身无特征XPath和CSS怎么选属性定位、层级不深用CSS如 div.item span.title文本匹配、向上找父级兄弟用XPath两者可以混用哪个稳用哪个。正则表达式则放在采集之后的文本提取环节比如从已售10万里抠出数字。我踩过的坑小红书列表页直接捕获单条笔记的容器跑一轮就定位失败因为容器class是动态哈希。后来改成获取相似元素列表的思路用捕获父级列表容器子项循环稳定性立刻上来了。变量与数据类型API交互绕不开的三种数据接大模型API变量这块只需要吃透三种字符串、列表、字典JSON。字符串是输入和输出的本体——你发给大模型的是一段文本它返回的也是文本。列表用来装批量内容比如一次循环采集下来的50条笔记标题。字典和JSON是API响应的载体大模型返回的响应体就是一段JSON文本。关键一步是【转换成Json对象】指令把HTTP响应里的content字符串转成JSON对象后才能用获取JSON对象中的值把回答取出来。反过来如果要把表格数据拼成请求体用【转换成文本】把对象序列化成JSON字符串。字典取值有个经典坑键不存在会直接报错。两种方案一是先用判断JSON对象中是否存在键再取值二是给取值操作套上默认值处理。API返回的结构偶尔会缺字段不做这个防御流程就会随机中断。HTTP 请求指令一行代码不写接上大模型这是全篇的核心。影刀RPA的【HTTP 请求】指令在指令面板搜HTTP就能找到配置项逐个说清楚。方法选POST大模型API都是POSTURL填服务商的接口地址。协议头按协议头名称:协议头内容的格式填每行一个鉴权头的格式一般是Authorization: Bearer 你的APIKey。协议体选JSON格式填入模型名、消息内容等参数把你采集的内容塞进消息体里并在提示词里明确要求输出不超过50字的摘要并从[种草,测评,吐槽,求助]中选一个分类。响应结果保存到一个变量这个变量是个字典包含四个常用字段字段含义用途status_code状态码2开头即成功content_type内容类型看是否为jsoncontent_encoding内容编码排查乱码时看charsetcontent响应内容后续解析的主体拿到响应后先判断status_code是否等于200不是就输出日志并走重试是就用【转换成Json对象】解析content取出回答文本。连接超时秒数建议设60以上大模型生成需要时间默认超时容易误杀正常请求。还有一个勾选项叫通过网页发送HTTP请求当请求需要浏览器里已登录的认证信息时才勾普通API调用不用动它。流程控制批量摘要的循环骨架单条处理谁都会批量才是重点。骨架是相似元素循环/ForEach列表循环 Try-Catch 重试判断三层。循环来源两种网页上直接用相似元素循环逐条取更推荐先采集落表再用ForEach列表循环遍历Excel数据行这样采集和摘要解耦API挂了不影响采集进度。每条内容进【HTTP 请求】前把可能出错的指令拖进Try块Catch块加【打印日志】记录是第几条、报什么错Finally块放收尾动作最后用【End Try】结束异常处理。这样某一条失败不会拖垮整批。While条件循环用在这里做重试判断status_code不等于200且重试次数小于3时等待几秒后重新请求。千万别忘了给重试次数做上限我第一次写的时候没加上限API密钥额度用光后流程死循环了一整晚。网页自动化采集端的三个必备细节采集端有几个细节决定数据质量摘要和分类的准确率一半取决于喂进去的内容干不干净。等待策略上别用固定等待死等用【等待元素】等待目标节点出现再动手动态加载的页面尤其如此。翻页不确定总页数时判断下一页按钮的class里是否含disabled来决定停不停。懒加载页面小红书、抖音都是要用滚动一屏判断高度是否变化index去重的组合滚到高度不再变化才算采集完。弹窗处理按标准五步走判断元素是否存在弹窗、存在则捕获关闭按钮、点击关闭、加兜底按Esc、最后继续主流程。登录弹窗、广告浮层不处理采集到一半就全乱套。窗口切换也提一句如果流程要在两个标签页之间跳用切换窗口指令按标题或句柄切别靠模拟点击标签页。数据处理结果写回Excel与文本清洗大模型返回的摘要和分类要落表。用【设置单元格内容】逐格写入或者写入行数据到表格整行写入列建议设计成原文、摘要、分类、状态、处理时间。文本清洗放在写表之前Python协同做最顺手去空格、去emoji、截断超长文本都几行搞定importjson# 输入api_resp 为 HTTP 请求响应的 content 字符串# 输出summary摘要文本、category分类标签datajson.loads(api_resp)# 把响应字符串转成字典answerdata[choices][0][message][content]# 取出大模型回答answeranswer.replace(\n, ).strip()# 清掉换行和首尾空格summary,categoryanswer.split(|)# 按约定分隔符拆成摘要和分类summarysummary[:80]# 摘要截断到80字防止超长这段代码的输入是HTTP请求的响应内容输出是两个可以直接写表的变量。提示词里约定用|分隔摘要和分类解析就特别稳。大模型偶尔会不听话输出多余文字分类结果不在预设标签里时用If条件判断兜底归到待人工列第二天人工扫一眼就行比报错中断强得多。鼠标键盘图像与进阶技能边界要分清有些内容拿不到DOM比如页面截图里的文字这时候轮到OCR影刀RPA内置截图和OCR指令增值服务里通用文字识别标准版0.1元/次识别后同样可以送大模型做摘要。但要分清边界能在DOM里拿到的数据永远别用图像识别慢且不稳。图像只留给桌面软件、无法捕获的弹窗这类场景配合等待图像出现、点击图像等指令使用。进阶技能里除了HTTP请求和Python协同还值得了解读取相似元素列表之外的ADB手机自动化——App内内容没有网页DOM安卓端可以用ADB采集后再进摘要流程。这些属于用到再学不用一开始全铺开。平台实战小红书采集到日报的完整链路拿我实际在跑的例子串一遍小红书搜索某个关键词滚动加载笔记列表采集标题和正文摘要段落表。这一步全靠前面讲的等待、懒加载、相似元素循环打底。第二步ForEach循环遍历表格每条正文送大模型API返回摘要|分类写回表格。拼多多、淘宝的商品评论采集也是同样链路只是列表页结构不同定位方式换成各自的XPath而已。跑完之后要让人看得见结果。飞书是最好接的【飞书群通知】指令填机器人webhook地址消息格式选文本类型把今日摘要N条、各分类条数发到群里。如果机器人开了签名校验把密钥填进签名校验参数即可。再进一步可以挂定时任务客户端计划任务里设每天早上七点跑睡觉时间让机器人干活早上到工位日报已经在群里了。工程化规范把这套流程做成模板流程一旦有价值就要按工程化的路子收拾不然三个月后自己都看不懂。我的做法分四条一是子流程封装“采集”、“摘要分类”、“写表通知拆成三个子流程用流程参数输入输出传递改API提示词时不动采集部分二是命名规范子流程编号动词如02_摘要分类”指令块加动作描述三是调试技巧打断点单步执行配合变量面板看每一步的实际值API调不通时先看status_code再猜四是版本管理大改前复制一份流程备份出问题能回滚。大模型API的Key属于敏感信息不要写在流程明文里放到环境变量或影刀的凭据管理中子流程引用时只传变量。易错速查表现象原因解决status_code返回401协议头鉴权格式错检查Bearer后有无空格、Key是否过期转换JSON报错响应不是纯JSON先打印content看内容再解析大模型回答格式乱提示词没约定格式明确要求摘要循环中途全停单条报错无Try-CatchTry块Catch记录日志继续下一条摘要内容被截断超时设置过短连接超时秒数调到60以上分类标签不统一标签集合没在提示词里锁定提示词里列死可选标签加兜底判断学习资源影刀官方文档里【HTTP 请求】和【转换成Json对象】的页面值得逐条读一遍参数说明比我这里更细。完整流程源码我放在代码仓库 home.linyan.cloud从采集、摘要分类到飞书日报的子流程都有可以直接参考改造。#影刀RPA #RPA自动化 #大模型API #数据采集 #电商作者林焱
