Caddi：录一次屏就能创建AI智能体，后台自动化新范式

一次演示，学会你的工作

在自动化领域，一个长期存在的痛点是：想让机器替你干活，你得先花大量时间去"教"它。传统的RPA（机器人流程自动化）和工作流构建工具通常需要明确的需求梳理、开发人员介入，以及逐步的手动配置。而在Product Hunt上排名第二、获得301票的新产品Caddi，试图用一种更接近人类学习方式的思路来解决这个问题。

Caddi的核心理念可以用它的标语概括——"Agent that builds agents by only showing your work only once"（只需展示一次工作，就能构建出AI智能体）。用户只要录制一段带有语音解说的屏幕分享（narrated screenshare），Caddi就能理解整个任务流程，并自动构建出可以在你真实工具链上运行的生产级智能体。

这种"看一遍就会"的模式，本质上是把人类新员工的培训方式搬到了AI上。你不需要写规则、画流程图，只需要像给同事演示一样，把一件后台工作做一遍并解释清楚，剩下的交给Caddi。

Caddi到底解决什么问题

Caddi的定位非常明确：后台事务性工作（back-office work）的自动化。这类工作往往重复、繁琐，却又需要在多个真实系统（如CRM、邮件、表格、内部系统）之间切换操作。从产品在Product Hunt上被归类为Productivity（生产力）、Legal（法律）和Artificial Intelligence（人工智能）来看，它瞄准的是那些流程固定但难以用简单脚本覆盖的专业场景。

Caddi与传统RPA的关键区别

传统RPA工具的问题在于"脆弱"和"高门槛"：

• 需要专业配置：往往要IT或开发人员参与，业务人员难以自主搭建。
• 维护成本高：一旦界面或流程发生变化，原有的自动化脚本很容易失效。
• 缺乏理解能力：它们只是机械地复现点击和输入，不理解任务背后的逻辑。

Caddi通过结合**AI推理（AI reasoning）与确定性执行（deterministic execution）**来兼顾灵活性与可靠性。AI推理让它能够理解任务意图、处理一定程度的变化；而确定性执行则保证了在真实业务环境中，每一步操作都是可预测、可控的——这一点对于后台自动化尤其重要，因为业务流程不允许"随机发挥"。

用大白话就能更新自动化流程

Caddi另一个值得关注的特性是：支持自然语言更新已有的自动化。

在实际工作中，流程从来不是一成不变的。审批规则会调整，字段会增减，处理逻辑会变化。传统方案下，任何改动都意味着重新回到配置界面甚至找开发排期。而Caddi允许用户直接用"plain English"（大白话）描述需要的修改，比如"以后遇到金额超过一万的单子先发给财务审核"，系统就能相应地调整智能体的行为。

这大幅降低了自动化流程的维护门槛，把"改流程"这件事从技术任务变成了业务沟通任务，让真正懂业务的人能够直接掌控自动化。

可信与可控：日志追溯与权限管理

对于面向企业后台的AI自动化产品来说，光有"聪明"是不够的，还必须"可信"。Caddi在这方面强调了两点：

• 每次运行都有日志（every run logged）：所有操作可追溯，便于审计和排查问题。这对于法律、财务等合规要求高的场景至关重要。
• 每项权限都有边界（every permission scoped）：智能体只能在被授予的范围内操作，避免越权访问敏感数据或执行未授权动作。

这两点直接回应了企业采用AI自动化时最担心的两个问题——可审计性和安全边界。当一个AI智能体真的开始在你的核心系统里替你干活时，"它做了什么"和"它能做什么"必须清清楚楚。

值得思考的行业信号

Caddi的出现，代表了自动化工具正在经历的一次范式转移：从"人来适应工具"转向"工具来学习人"。

过去十年，RPA掀起了一波企业自动化浪潮，但其高昂的实施与维护成本一直被诟病。随着大语言模型带来的推理能力，新一代AI自动化产品试图用"演示即编程"（demonstration as programming）的方式，把自动化的构建门槛降到接近于零。Caddi把AI的理解能力与确定性执行结合起来的思路，可以看作是对纯LLM Agent"不够可靠"和纯RPA"不够灵活"这两个极端的一种折中方案。

当然，作为一款早期产品，Caddi仍需在真实复杂场景中验证：语音解说录屏能否覆盖足够多的边界情况？AI推理在遇到未见过的情形时如何优雅降级？这些都是决定它能否真正走进企业后台的关键。但至少从理念上，Caddi指出了一个颇具吸引力的方向——让每个业务人员都能像培训新员工一样，培养出属于自己的数字化助手。