实在RPA于2023年4月7日发布了 6.7.0 SP3，其中最引人注目的亮点是与ChatGPT的紧密集成 。这种集成为用户提供了全新的玩法和体验，使他们能够与智能模型进行即时对话和交互，从而提高工作效率和创造力。用户可以将ChatGPT作为虚拟助手，与之交流并指导RPA的执行，寻求建议并获得智能的回答。
让我们一起看看有哪些好玩的玩法，并且怎么实现吧。
一、基础用法
-
拖拽组件到画布，填写“描述内容” —— 问ChatGPT的问题。 高级属性中选择勾选“打印组件的输出变量值”， 运行即可得到反馈结果，简单易用。(见↓图)
高级属性中选择勾选“打印组件的输出变量值” （见↓图）
返回结果 (见↓)
第一天：
上午：乘坐高铁到达黄山市站，转乘旅游大巴前往达观镇；
中午：在达观镇品尝特色美食；
下午：前往始信峰景区游览；
晚上：入住酒店，休息。第二天：
上午：前往黄山风景区，参观云谷寺、莲花峰等景点；
中午：在景区内的餐厅享用黄山特色美食；
下午：继续游览景区，欣赏太平天国遗址等景点；
晚上：返回酒店休息。第三天：
上午：前往松谷庵景区，参观爱情谷、天都峰等景点；
中午：在景区内的餐厅品尝当地美食；
下午：游览天海景区，观赏黄山四绝中的“怪石灵云”景观；
晚上：在光明顶欣赏日出日落。第四天：
上午：前往玉屏景区，游览飞来石等景点；
中午：在景区内的餐厅享受当地的美食；
下午：返回达观镇休息；
晚上：可以自由安排，观看当地的传统表演或者在小吃街品尝当地美食。第五天：
上午：离开酒店，乘坐旅游大巴返回黄山市站；
中午：在车上享用午餐；
下午：搭乘高铁返程。以上是一份黄山旅行的计划，如有需要可以根据实际情况调整。二、具体场景用法
1.数据预处理
如提取一句话中的邮箱， 原文：欢迎联系我们，联系邮箱：bond.ir@huawei.com 提取结果：bond.ir@huawei.com 见↓
2.精准回复买家评论
主要步骤：①通过"获取界面元素文本"组件 获取评论 ②通过AI生成文本"获取评论内容的商家回复 ③通过"输入文本"组件，回复用户的评论。 (见↓图)
亮点：①通过合理利用prompt技巧，比如 "针对用户的评价，结合用户评价的具体内容，给出声情并茂的回复 ：" + 用户评论内容，可以给出有针对性的精准回复，在商家的回复内容会提及用户的评论内容，避免了千篇一律。（见↓图）
3.高质量翻译支持
从实际使用效果看，翻译质量比大多数的翻译软件质量更好。
4.数据分析
数据分析的基础操作像聚合、求平均值、通过方差对比两份数据的稳定程度等，可以把数据通过"AI生成文本"组件，发送我们想要chatGPT做的数据分析任务，然后给出结果。 比如， 现有2份数据：
1. 样本数据1：
[12, 15, 18, 20, 22, 25, 27, 30, 32, 35, 38, 40, 42, 45, 48]样本数据2：
[5, 8, 11, 14, 17, 20, 23, 26, 29, 32, 35, 38, 41, 44, 47]计算这两份数据谁的中位数更大，谁更加稳定？
给出结论：
虽然两份数据的方差和标准差很接近，但样本数据1的标准差稍小一些，说明样本数据1相对更加稳定。 综合以上分析，样本数据1的中位数更大，样本数据1相对更加稳定。5.链接格式去除转义符
原始链接：https://szzn.oss-cn-hangzhou.aliyuncs.com/%E5%AE%9E%E5%9C%A8%E6%9C%BA%E5%99%A8%E4%BA%BA.exe 利用“AI生成文本”组件转换后：
6.直接将Excel数据转为二维数组
从Excel中拷贝数据，想要转为二维数组，通过"AI生成文本"组件可以直接完成：
名称 数值 数值 日期
asdf1 11223 11223 1月1日
asdf3 11225 11225 1月3日
asdf4 11226 11226 1月4日
asdf5 11227 11227 1月5日
asdf6 11228 11228 1月6日
asdf7 11229 11229 1月7日
asdf8 11230 11230 1月8日
asdf9 11231 11231 1月9日
asdf10 11232 11232 1月10日
asdf11 11233 11233 1月11日
asdf12 11234 11234 1月12日
asdf13 11235 11235 1月13日
asdf14 11236 11236 1月14日
[['名称', '数值', '数值', '日期'],['asdf1', 11223, 11223, '1月1日'],['asdf3', 11225, 11225, '1月3日'],['asdf4', 11226, 11226, '1月4日'],['asdf5', 11227, 11227, '1月5日'],['asdf6', 11228, 11228, '1月6日'],['asdf7', 11229, 11229, '1月7日'],['asdf8', 11230, 11230, '1月8日'],['asdf9', 11231, 11231, '1月9日'],['asdf10', 11232, 11232, '1月10日'],['asdf11', 11233, 11233, '1月11日'],['asdf12', 11234, 11234, '1月12日'],['asdf13', 11235, 11235, '1月13日']
]7. 提取字典变量中定制化需求的值
原始数据：
{'key1': 'value','key2': 123,'key3': [1, 2, 3],'key4': {'nested_key1': 'nested_value','nested_key2': [4, 5, 6],'nested_key3': {'deep_key1': 'deep_value','deep_key2': True}},'key5': 'value'
}要获取 这个字典中，值含有数字的key值与value值，如果不通过AIGC， 就需要写正则表达式做判断，还是有点麻烦的，通过AIGC，大大降低了难度。
8. 生成随机数
各家RPA厂商提供的随机数，通常都是0-1之间的随机小数数，如果要生成大于1的随机数，还需要乘上一个系数进行转换。通过"AI生成文本"组件，可以获取更加自由的随机数。
以下是一个15位数的随机数：352198467209376通过输出的变量，传递给其他组件使用。
9. 把文本转为ASCII
不少RPA厂商目前的 "把文本转为ASCII" 组件，都是针对单个字符进行处理，如果是批量文本的话，就需要进行字符串切合+循环，不太方便。通过"AI生成文本"， 可以一次性完成。
返回结果：
以下是将该段话转换为ASCII值的文本："25105 26368 82 80 65 25104 23588 20250 24847 12290 52 46 55 46 48 32 83 80 51 23994 26159 65292 25105 20010 26381 20154 24471 38656 26368 26435 19968 38144 21487 24405 65292 36825 20250 20197 34389 20320 22120 25216 29983 26377 36825 21319 21516 25353 26234 19968 27668 20026 20869 65292 23567 19968 36825 22235 20154 24687 26377 21147 36873 19982 20250 33021 19997 25293 26399 23384 12290"请注意，每个字符被转换为其对应的ASCII值，并用空格分隔开来。10.提取json中的字段值
原文：
-
提取state字段结果："CA"
-
提取所有电话号码的结果：["555-555-1234", "555-555-5678"]
提取的结果很准确，而且可以没有代码基础就能实现。提取所有电话号码，用代码实现会麻烦得多
三、设计器中使用的其他用法
1.快捷插入
在设计器中，还有快捷插入这个组件的方法。在设计器画布的最下方，输入"文本生成","生成文本"等，弹出的下拉框快速选择输入，见↓图与录屏。
小结
chatGPT与RPA结合 好玩的玩法还有很多，很多方面体现在ChatGPT 降低了RPA 使用的难度，如果不用chatGPT虽然也可以实现，但会麻烦很多，像从长json中提取多个数据，链接格式去除转义符，提取字典变量中定制化需求的值，直接将复制的Excel数据转为二维数组，高质量翻译支持。还有一些是可以让RPA更加智能化，如结合买家评论内容，精准批量回复买家评论，避免千篇一律的回复。实际上现在卖家的评论，对不同的买家，回复都是一模一样。上面列的也只是一小部分的例子，后面再继续挖掘。
由于chatGPT等AIGC的工具对于上传的数据大小有限制，从而如果需要处理的字符数量比较多的情况就不适用，这是"AI生成文本"比较明显的短板。 对于数据量较大的情况，如果使用"AI生成文本", 可以使用由它提供的代码去运行得出结果， 没法偷懒直接得到结果。
