BPMN转Mermaid的信任边界

很多组织这些年攒下了大量流程文档：Visio图、PDF导出件、BPMN流程模型。它们记录了角色、系统、活动、交接、决策、控制点、异常和端到端业务流，是实打实的流程知识资产。问题在于，这些文档是为「人看」设计的静态视觉产物。

一旦要把它们塞进智能体体验——让AI解释某个流程、回答职责归属、识别决策点、生成配套文档——格式就开始拖后腿。生成式模型能「看」PDF或Visio图，但底层的流程逻辑未必能被可靠提取和保留：分支条件、并行活动、归属、备注、异常，这些细节可能被漏掉、被合并，或者被错误推断。

这正是「图即代码」（diagram as code）的用武之地：用结构化的文本表示一张图，让它可读、可版本化、可比对、可评审、可重新生成。Mermaid 就是这条路上的一个实用工具。时序图可以定义参与者、动作、备选路径、并行活动和流程备注，人和AI智能体都能处理。

目标不是取代既有的 BPMN、Visio 或 PDF 文档，而是为已批准的流程逻辑造一层对AI友好、可维护的表示，同时保持对原始流程源的可追溯性。为此有人贡献了 skills-bpnm-seq 技能，支持把业务流程内容转换并评估为 Mermaid 时序图，重点放在保住流程保真度，而不是放任AI引入未经校验的逻辑。

可读，不等于可靠

一份典型的流程文档可能描述：业务角色与系统参与者、顺序活动、并行活动、决策点与备选路线、强制数据要求、区域例外、下游集成、结算或对账结果、相关规程引用。Mermaid 时序图能用 participant 表示业务团队和系统，用 ->> 表示动作与系统交互，用 alt / else 表示决策逻辑，用 par 表示可并行的活动，用 Note over 承载流程上下文、规则和澄清说明。

这套能力通过新的 Copilot Studio 智能体体验提供，属于可用于生产的预览版。技能以 .zip 包上传，包内包含 SKILL.md 以及可选的脚本、模板、参考文档等支撑文件。ZIP 的根目录放 SKILL.md，支撑文件夹保持原有结构。

三个真实流程场景的测试

技能在 Copilot Studio 中就位后，用三个业务场景做了测试。每个场景都上传相关的 PDF 流程文档和/或 Visio（.vsdx）流程图，然后要求智能体生成 Mermaid 时序图代码。智能体输出被当作流程的一种「提议表示」，而不是自动视为已批准的流程图。

• 第三方客户建立：批发、优惠、寄售等第三方客户的创建，涉及 Reltio、财务、运营、强制属性与信用管理。
• 月末/年末财务期间关账：并行关账活动、年末决策逻辑、期间关闭、重开、对账与完成复核。
• 贷项通知单接收与管理：Coupa 审批、D365 过账、发票结算路线、本地库存化 SPM，以及实物退回与虚拟退回路径。

整个链路是：流程团队源文档 → Copilot Studio 加 skills-bpnm-seq → 提议的 Mermaid 时序图 → AI Builder 的「LLM即裁判」比对 → 流程负责人验证 → 获批的 Mermaid 图。流程团队的原始产出始终是权威基线，技能和 AI Builder 评估只是加速与质量复核层：帮助发现缺失内容、让图更容易以代码形式维护，但不允许AI生成的解读悄悄变成已批准的流程逻辑。

把AI Builder当裁判用

为了让评估更有结构，用 AI Builder 模拟了一次「LLM即裁判」的评测。每个测试用例给裁判两个输入：作为事实来源的原始 PDF 或 Visio 流程文档，以及 Copilot Studio 智能体借助 skills-bpnm-seq 生成的 Mermaid 时序图输出。裁判被要求按一组既定特征比对这两份产物。

这种评估方法的价值在于，它把两个经常被混为一谈的问题拆开了：这张 Mermaid 图是否可读、结构是否良好？它是否忠实于已批准的业务流程？一张图可能在可读性上表现很好，却因为加入了流程团队未批准的逻辑，而不适合作为受控的流程文档。

难点从来不只是把图转成代码，而是确保代码化的表示保住了流程团队定义的意图、控制点和归属。

流程文档不必被困在静态的 Visio 文件和 PDF 导出件里。把已批准的 BPMN 流程逻辑表示为 Mermaid 代码，团队能得到一份可版本化、可维护、对AI友好的流程资产，也更容易在智能体体验中使用流程知识——解释端到端流程、回答交接与决策点的问题、支撑培训内容，或者评估流程变更的影响。

skills-bpnm-seq 展示了从传统流程产物走向「图即代码」的一条可行路径：Copilot Studio 智能体可以加速转换，LLM即裁判的方法有助于发现缺失步骤、术语缺口和表述不清的异常。但评估也再次确认了一条边界——AI可以提议、比对、澄清流程逻辑，流程负责人必须对批准它负责。

最好的结果不是一张比原图看起来更详细的AI生成图，而是一份可信的、对已批准流程的 Mermaid 表示，只在额外细节能追溯到原始 PDF、Visio 模型或经流程负责人验证的输入时才做增强。推荐做法是：把已批准的流程文档作为事实来源；用 Mermaid 作为对AI友好的图即代码层；用 Copilot Studio 和技能加速生成与分析；用 LLM即裁判评估来提示潜在缺口，而不是替人做流程决策；任何生成或修改过的图，发布前都必须经过流程负责人验证。