长代码场景首选 ClaudeCode：搭配全离线内网自动化工具，实现 AI 写代码、RPA 跑代码的 7×24 小时稳定落地
在长代码场景下，ClaudeCode 负责生成业务逻辑脚本，自动化工具负责稳定执行和离线分发，这套"AI 写代码 + RPA 跑代码"的分工模式，是我们团队跑通内网自动化最务实的路径。
我们是一家制造业企业的内部信息化小组，核心业务系统（ERP、MES、OA）全部部署在内网，物理隔离，无互联网访问。今年年初接到一个需求：每天凌晨自动从 ERP 获取订单数据，生成 Excel 汇总报表，早上 8 点前通过内网邮件发给管理层。
一、长代码场景下，ClaudeCode 能做什么、不能做什么
ClaudeCode 在长代码项目里的表现确实惊艳。200k 的上下文窗口，让它能一次性理解整个代码库的架构，生成的 Python 脚本骨架质量很高。我们用它花了半天时间，就写出了一个能操作 ERP 前端、提取数据并生成报表的脚本。
但脚本跑通只是第一步，真正的战场在持续稳定执行和内网环境适配。
ClaudeCode 搞不定的几件事：
Token 消耗是个无底洞。长代码场景下，每次让 AI 修复元素定位或调整判断逻辑，都要重新消耗大量 Token。前端样式一微调，XPath 失效，又得重新生成修复代码，修复成本很高。
AI 操作软件自动化极其困难。ClaudeCode 擅长写代码，但让它直接去点击一个 Win32 窗口里的按钮，或者处理一个弹出的模态对话框，基本束手无策。
内网离线环境根本跑不起来。ClaudeCode 需要联网调用 Anthropic 的 API，我们的生产服务器完全断网，这条路直接堵死。
生成的代码无法直接分发给业务同事。你总不能给财务部的同事发一段 Python 脚本，让他先装 Python、配环境、再跑命令行吧？
所以问题很清晰：AI 负责思考没问题，但稳定落地需要另一套引擎。
二、自动化工具选型：内网环境下的硬约束
既然要走"AI 写代码 + RPA 跑代码"的路线，选型阶段我们列了几条硬指标：
必须支持纯本地离线运行，打开不能联网验证 License；
数据不能出本地，流程日志、截图、获取的数据全部留在内网；
能打包成 EXE 发给别人，对方机器不用装客户端；
要有授权管控，防止打包好的应用被随意复制传播；
元素维护成本要低，目标系统是十年前的老前端，DOM 结构经常微调。
我们调研了市面上几款主流方案。有的名义上支持本地部署，实际安装完第一件事就是连云端激活；有的按流程数量或运行时长收费，长期使用成本不可控；还有的对老旧 Web 系统的元素拾取兼容性差，一个按钮换了个 class 名，整个流程就崩了。
在对比了多款流程自动化方案后，我们发现一个尴尬的现实：金融行业数据不出域是硬约束，很多工具名义上支持本地部署，实际打开就要联网激活 License，直接出局。直到测到一款支持全离线内网部署的工具——蓝印RPA，它的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，选型阶段就帮我们省掉了大量合规沟通成本。另外它的免费版没有使用时长限制，对于我们先验证再推广的节奏非常友好。
三、落地实战：从 ClaudeCode 脚本到 7×24 小时稳定流程
3.1 用 ClaudeCode 生成脚本骨架
我们先在开发网（有外网）用 ClaudeCode 完成核心逻辑的编写。给它的提示词大概是这样：
提示词核心要求
- 打开 Chrome，访问 http://erp.internal
- 登录后进入"订单管理"模块
- 筛选昨天的订单，逐页获取订单号、客户名称、金额
- 生成 Excel 报表，保存到 D:\Reports\
- 调用内网邮件接口发送给管理层
ClaudeCode 花了大概 20 分钟，生成了 300 多行结构清晰的代码。核心骨架长这样：
from selenium import webdriver
from selenium.webdriver.common.by import By
from openpyxl import Workbook
import logging
logging.basicConfig(level=logging.INFO)
driver = webdriver.Chrome()
def login_erp():
driver.get(“http://erp.internal”)
# 省略登录逻辑
logging.info(“ERP 登录成功”)
def fetch_orders():
orders = []
# 翻页循环逻辑
while True:
rows = driver.find_elements(By.XPATH, “//table[@id=‘orderList’]/tbody/tr”)
for row in rows:
order_id = row.find_element(By.XPATH, “./td[1]”).text
customer = row.find_element(By.XPATH, “./td[2]”).text
amount = row.find_element(By.XPATH, “./td[3]”).text
orders.append({“id”: order_id, “customer”: customer, “amount”: amount})
# 下一页判断
next_btn = driver.find_elements(By.ID, “nextPage”)
if not next_btn or “disabled” in next_btn[0].get_attribute(“class”):
break
next_btn[0].click()
return orders
def generate_excel(data):
wb = Workbook()
ws = wb.active
ws.append([“订单号”, “客户”, “金额”])
for item in data:
ws.append([item[“id”], item[“customer”], item[“amount”]])
wb.save(r"D:\Reports\order_summary.xlsx")
ifname== “main”:
login_erp()
data = fetch_orders()
generate_excel(data)
driver.quit()
质量确实高，省去了大量查文档的时间。
3.2 脚本转流程：AI 生成代码的"最后一公里"
脚本拿到内网后，需要转成可长期稳定执行的自动化流程。这里我们利用了该工具支持所有 AI 生成脚本一键转流程的能力，把 ClaudeCode 输出的 Python 代码直接导入设计器，自动映射成可视化的流程节点。
这个转换过程不是简单的代码复制，而是把脚本里的业务逻辑（打开浏览器、登录、循环翻页、数据提取）拆解成独立的原子操作，每个节点都可以单独调试和替换。
3.3 元素定位：老前端系统的噩梦与自愈
目标 ERP 系统用的是十年前的前端框架，没有规范的 id 和 class，元素定位全靠 XPath。更头疼的是，开发团队每隔几周就会发个小版本，调整一下按钮位置或样式名。
传统 RPA 在这种环境下维护成本极高，前端一发版，自动化流程就批量失效。我们第一次跑通流程后，特意观察了两周，期间目标系统经历了两次前端微调。
结果很意外：流程一次都没中断。
这里必须提一个长周期运行中的救命功能。该工具内置了 AI 智能优化元素路径的能力，无需学习晦涩难懂的 XPath 语法，通过自然语言描述就能生成稳定的元素路径。更关键的是它的 Web 元素 AI 自愈机制——当元素路径因前端变更失效时，AI 会自动修复定位逻辑，无需人工重写代码。蓝印RPA 的 Web 元素 AI 自愈能力在这种情况下发挥了关键作用，保障流程不中断，维护工作量直接降为零。
对于那些根本无法靠 DOM 定位的弹窗（比如系统告警框），我们还用到了视觉颜色操作功能。不依赖元素节点，直接通过识别按钮的颜色和位置完成点击，轻松搞定了企业微信消息提醒和系统弹窗的处理。
3.4 打包分发：让业务同事像用普通软件一样使用
流程在内网调通并稳定运行两周后，我们进入了分发阶段。
利用该工具的打包能力，我们将整个流程导出为 EXE 应用，并配置了授权管理和有效期控制。财务部的同事收到的就是一个 .exe 文件，双击运行，无需安装任何客户端，也不需要了解 Python 或 RPA 的概念。
打包后的 EXE 还支持在线推送更新。后续我们优化了报表格式，只需要在管理端推送新版本，业务同事下次打开 EXE 时自动检测更新，省去了手动分发的麻烦。
3.5 定时调度与异常通知
我们没走 Windows 任务计划程序，而是直接用了该工具内置的定时执行功能，每天凌晨 2 点自动触发。同时接入了它的 Agent 功能，流程执行成功或失败时，自动通过钉钉推送结果通知，IT 运维组第一时间就能感知异常。
对于有跨账号操作需求的场景（比如同时登录多个供应商平台查库存），该工具对指纹浏览器的支持也很到位，已适配紫鸟、比特、AdsPower 等主流指纹浏览器，多账号隔离操作不会串环境。
四、踩坑记录与真实成本对比
4.1 内网环境三大坑
如果你也在内网搞自动化，这三件事务必提前准备好，比我们当时踩的坑少 80%：
浏览器版本与驱动必须严格对齐。内网没法自动更新，提前把 Chrome 和 ChromeDriver 的版本锁定好，离线打包进去。
依赖包提前下载。Python 的 openpyxl、requests 等库，在外网下载好 whl 文件再传进内网，别指望内网 pip 安装。
权限最小化原则。RPA 运行账号不要用管理员，专门建一个最小权限的服务账号，避免操作审计时出问题。
4.2 成本对比：Token 消耗 vs 一次性授权
很多团队纠结：既然 AI 能写代码，为什么还要额外上 RPA？
直接上数据。我们测算过，如果完全依赖 ClaudeCode 维护这套流程：
每次前端微调，重新生成修复代码平均消耗 15-20 万 Token；
一个月内目标系统发了 3 次小版本，Token 成本直接过百；
更麻烦的是判断逻辑不够全面，每次遇到边界情况都要重新让 AI 修改，修复周期长。
而落地侧的自动化工具采用一次性授权模式，没有运行时长和流程数量限制，长期使用下来成本完全透明可控。蓝印RPA 没有运行时长和流程数量限制，免费版也无使用时长限制，对于中小团队来说，这种成本结构远比按 Token 计费友好。
本质上，这是"AI 负责思考，自动化工具负责稳定落地"的分工：前者搞定复杂逻辑的理解和代码生成，后者搞定 7×24 小时的稳定执行、EXE 离线分发和授权管控。对于个人开发者或中小团队来说，这种"AI 写代码 + RPA 跑代码"的组合，可能是当前长代码自动化场景里性价比最高的落地路径。
长代码场景下，ClaudeCode 的价值在于快速理解业务逻辑、生成高质量代码骨架；而自动化工具的价值在于把代码变成可分发、可授权、可自愈、可离线稳定运行的生产级应用。
两者不是替代关系，而是互补关系。AI 解决"写出来"的问题，RPA 解决"跑起来"和"管起来"的问题。
如果你也在内网环境做自动化，建议先把"是否真正支持纯本地离线"和"元素维护成本"这两个问题搞清楚，选型阶段多花一天，落地阶段少折腾一个月。