「智能体」这个词常被用在炫目的场景里，但当它真正进入生产，价值往往不在多聪明，而在「遇到意外能不能不崩」。9 月 16 日，食品与餐饮耗材分销商 ACR（AmerCareRoyal）与自动化公司 qBotica 公布了双方智能体方案的生产落地数据，亮点恰恰是一个会「自愈」的恢复智能体。
背景：一次真正上线的生产部署
ACR 与 qBotica 的方案于 7 月 20 日上线，截至公布时已经处理近 5000 笔交易，成功率超过 99%，并在 ACR 旗下 4 家公司稳定运行。它把智能自动化、业务规则、校验控制与 AI 辅助恢复拧在一起，让交易处理保持一致与可靠，同时给后续扩展留下弹性空间。
这套方案并非纯靠大模型「自由发挥」，而是把确定性的规则引擎、校验和智能体的恢复判断组合起来。换句话说，它把「该怎么做」交给规则，「卡住了怎么办」交给智能体。
Healing Agent 到底是什么
方案里最有意思的能力是一个 AI 驱动的 Healing Agent（恢复智能体）。当自动化流程撞上常见扰动——界面改版、意料之外的弹窗、时序错乱——传统 RPA 通常直接停住，等人工来救；而 Healing Agent 会先分析当下处境，再判断该采取哪种恢复动作，让流程继续往下走。
这不是把「失败」藏起来，而是把「脆弱」变成「可恢复」。对高吞吐的交易处理来说，差别很大：一次界面漂移不该拖垮一批流程，更不该把人重新叫回值守位。
为什么「自愈」是关键，而不只是「更快」
这类企业自动化的老难题，从来不是正常路径跑不快，而是异常路径太脆。界面元素一变、弹窗一弹，脚本就失聪。过去靠专人维护选择器、定期回归，成本随系统数量线性上升。
把恢复动作本身交给一个能读懂现场、选择对策的智能体，等于把「救火」从人工转成了自动。它不要求智能体理解业务全局，只要求在局部扰动出现时，给出可接受的下一步，而不是停摆。
对 agentic RPA 的启示
ACR 的 CIO 在口径里点明了一个朴素标准：企业 AI 只有在真实运营环境里稳定交付可量化结果，才有资格谈规模化。近 5000 笔、超 99% 成功率、跨 4 家公司，这组数字的意义正在于它来自生产而非演示。
对正在评估「智能体能不能进核心业务」的团队，这个案例给了一个可参考的形状：先拿规则引擎兜住正确性，再用恢复智能体兜住异常，把「能不能不崩」当成一等指标来设计。比起追求更聪明的决策，先做到「遇变不崩、崩了能起」，往往是更早兑现价值的一步。