ProAgent 流程自动化
将自然语言需求转成 n8n 工作流，并协调专用代理执行流程决策。
- Star 数
- ★ 865
- 最近更新
- 2 年前
- License
- Apache-2.0
- 主语言
- Python
- FA 评分
- 28/100 · 缺口较多
30 秒速览
- 可在哪里用
- 平台专用OpenAI API（部分支持）
- 开始前需要
- 典型场景
- 已部署自托管 n8n 的运营团队，希望把自然语言描述的跨应用流程构建为工作流。
- 主要局限
- 核心实现依赖 OpenAI 配置，并明确基于 GPT4-0613 与较早版本的 OpenAI 接口；新版兼容性存在风险。
这个 Agent 能做什么，适合哪些场景？
ProAgent 是 Agentic Process Automation（APA）论文的官方代码，用于把人类指令转化为自动化工作流。它围绕自托管 n8n 运行，并要求将 n8n 导出的工作流与凭据文件提供给代码库。运行模式由 ProAgent/config.py 配置：development 用于论文中的构建流程，refine 基于已有工作流继续修改，production 则加载既有运行以复现结果。每次运行会在 ./records 生成可读记录，后续可被 refine 或 production 模式加载。开发模式需要 OpenAI API 配置；仓库说明其实现基于 GPT4-0613 和较早版本的 OpenAI 接口。
用户通过 ProAgent/config.py 选择运行环境后执行 python main.py。在 development 模式中，ProAgent 根据人类指令构建工作流，协调专用代理处理复杂决策，并可通过函数调用向人寻求帮助；该模式需要先启动 n8n。代码会读取由 n8n export:credentials 和 n8n export:workflow 导出的 c.json 与 w.json，并把运行记录写入 ./records。refine 模式从已有工作流加载后按新请求改进，并启用 test-on-change；production 模式加载已有运行来复现案例，APA-code 只在运行结束时测试一次。
- 已部署自托管 n8n 的运营团队，希望把自然语言描述的跨应用流程构建为工作流。
- 需要复现论文案例的研究人员，可使用 ./apa_case 和 production 模式加载已有运行。
- 已有 n8n 工作流但收到新需求的自动化维护者，可用 refine 模式继续调整流程。
- 希望在人机协作下构建并测试工作流的团队，可利用 ProAgent 的主动求助函数调用。
- 已在 n8n 中注册应用和凭据的开发者，需要让代码读取工作流 ID 与凭据 ID 来执行流程。
如何安装或部署这个 Agent？
安装 Python 依赖：
pip install -r requirements.txt如需连接真实应用服务，安装并运行自托管 n8n：
npm install n8n -g
export WEBHOOK_URL=https://n8n.x-agent.net/redirect/http%3A%2F%2Flocalhost%3A5678/
n8n在 n8n 中连接或注册应用后，导出凭据和工作流：
n8n export:credentials --all --decrypted --output=./ProAgent/n8n_tester/credentials/c.json
n8n export:workflow --all --output=./ProAgent/n8n_tester/credentials/w.jsondevelopment 模式还需设置 OPENAI_API_KEY 与 OPENAI_API_BASE。
如何使用这个 Agent？
在 ProAgent/config.py 选择 development、refine 或 production。development 模式先启动 n8n，并设置 OPENAI_API_KEY 和 OPENAI_API_BASE；随后运行：
python main.py若要复现已保存的案例，可使用 production 模式加载 ./apa_case 或 ./records 中的已有运行，无需为该复现路径准备 n8n。refine 模式加载已有工作流后，根据新的请求改进它。
这个 Agent 有哪些优点和局限？
- 将工作流构建与执行决策放在同一 APA 流程中，而非仅执行预先手写的 RPA 步骤。
- 提供 development、refine、production 三种明确模式，分别覆盖构建、迭代修改和已有运行复现。
- 运行记录保存在 ./records，可作为 refine 或 production 的可加载输入。
- 支持通过新的函数调用主动向人寻求帮助，以处理对需求理解不充分的情况。
- 核心实现依赖 OpenAI 配置，并明确基于 GPT4-0613 与较早版本的 OpenAI 接口；新版兼容性存在风险。
- 连接真实应用需要自托管 n8n、预先注册应用，并导出解密后的凭据和工作流。
- 仓库明确提示 n8n 编译器基于较旧的 n8n，可能与较新版本不兼容。
- 自托管 n8n 的安装和第三方账户连接可能遇到未覆盖的问题；在中国还可能受网络连接限制。
这个 Agent 与同类方案有什么区别？
相较于传统 RPA，ProAgent 面向需要人类式智能的工作流设计和动态执行决策。它不只是按固定步骤运行自动化，而是尝试从人类指令构建工作流，并由专用代理协调决策。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|
| ProAgent 流程自动化 当前 | 28 · 缺口较多 | ★ 865 | 2 年前 | Python | — |
| superglue 企业系统集成智能体 | 36 · 缺口较多 | ★ 2.1k | 1 个月前 | TypeScript | OpenAI API · Claude API |
| LocalAI —— 开源 AI 引擎 | 53 · 缺口较多 | ★ 49k | 4 天前 | Go | OpenAI API · Claude API |
| Hacker Podcast（Agili 的 Hacker News 中文播客） | 40 · 缺口较多 | ★ 2.6k | 21 天前 | TypeScript | OpenAI API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：仓库未提供权限管理、用户确认、数据流透明、敏感数据处理、依赖安全、外部影响、回滚或来源归属的明确机制。README 提到使用 n8n 和 OpenAI API，但未说明权限最小化或用户确认。因此所有信任标准得分为 0。
证据显示：README 描述了三种运行模式（development、refine、production），但未提供错误处理或失败消息的细节。依赖列表固定版本，但未说明可用性保障。因此 self_consistency 得 1，dependency_availability 得 1，failure_messages 得 0。
证据显示：README 明确了目标受众（研究人员和开发者）和使用场景（APA 工作流构建）。但能力边界描述不清晰，触发条件（如用户指令）未详细说明，环境适配（如 n8n 版本兼容性）有提及但有限。因此 audience_and_scenarios 得 2，capability_boundaries 得 1，trigger_precision 得 1，environment_fit 得 1。
证据显示：README 提供了安装和运行说明，但缺少 FAQ、变更日志和版本信息。许可证为 Apache-2.0，但维护责任不明确。因此 information_architecture 得 1，install_notes 得 2，naming_stability 得 1，examples_and_faq 得 1，known_limitations 得 2，license 得 3，versioning_changelog 得 0，maintenance_responsibility 得 1。
证据显示：README 声称 ProAgent 能构建和执行工作流，但未提供输出格式或质量评估。边际价值有描述（自动化复杂任务），但成本效益未量化。因此 output_usability 得 1，marginal_value 得 2，cost_benefit 得 1。
证据显示：README 引用了论文，但未提供可复现的实验细节。没有独立来源验证。事实和推断混合。因此 claim_traceability 得 1，cross_source_corroboration 得 1，fact_inference_separation 得 1。
- 源码中未见：最小权限约束只授予完成任务所需的权限：用专用账号或只读令牌，并限定可访问的目录和仓库。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 源码中未见：数据流向说明运行时观察它连接了哪些外部服务（代理或防火墙日志）；弄清数据去向之前不要输入敏感数据。
- 源码中未见：敏感信息处理使用专用、低权限、可随时吊销的 API 密钥，不要复用生产凭据，也不要让密钥出现在日志里。
- 源码中未见：依赖安全审查安装前固定版本并做一次依赖扫描（如 npm audit、pip-audit）；优先放在容器里运行。
- 源码中未见：外部影响披露先弄清它会写入、发送或修改哪些外部系统，用测试账号或测试仓库验证后再接入正式环境。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 源码中未见：来源归属可核验从官方仓库或包源安装，核对发布者和仓库地址，避免同名仿冒包。
- 仓库未提供权限管理或用户确认机制，使用前需自行评估风险。
- 依赖 n8n 和 OpenAI，但未说明数据流和敏感信息处理，需谨慎。
- README 提到使用外部重定向服务，可能不稳定，且未开源。
常见问题
是否必须使用 OpenAI？
OPENAI_API_KEY 和 OPENAI_API_BASE。仓库说明其基础模型为 GPT4-0613，且使用较早版本的 OpenAI 接口；未说明其他模型提供商支持。一定要部署 n8n 吗？
它如何取得第三方应用访问权限？
./ProAgent/n8n_tester/credentials/c.json，并导出工作流到相应的 w.json 文件。