开始：只是简单的整理工作
某个贸易公司需要整理 500 笔交易记录。包含交易伙伴名称、日期、状态的电子表格被送给了 Claude Code。一开始只是简单的请求：「能帮我按交易伙伴排序吗？」
自动化有时会揭示超出预期的事物。
发现：数据中的重复和错误
Claude Code 开始排序时，出现了奇怪的现象。同一个交易伙伴用了 3 种不同的标记方式：「ABC Trading」、「Abc trading」、「abc trading」。人眼容易忽略这些细节。
更有趣的是，在排序过程中，Claude Code 自动标记了可疑项目。
• 交易金额超出常规范围的项目
• 日期格式不一致的记录
• 交易伙伴名称的拼写差异
作为非开发者，我们只提出检验要求，但机器人自动侦测了风险信号。
实务技巧：用 Claude Code 验证数据
步骤 1. 在 Windows 设备上准备 CSV 文件
将电子表格导出为 CSV 格式。这是与 Claude Code 相容度最高的方式。
交易伙伴, 交易日期, 交易状态
ABC Trading, 2024-01-15, 已完成
ABC trading, 2024-01-16, 待处理
abc trading, 2024-01-20, 已完成
步骤 2. 给 Claude Code 明确指示
比起简单的「帮我排序」，更具体地说：
请按以下标准整理和检验此数据：
1. 按交易伙伴名称排序（统一大小写）
2. 找出同一交易伙伴的重复标记法
3. 确认交易日期格式（统一为 YYYY-MM-DD）
4. 验证交易状态值是否都为允许项目
步骤 3. 检视结果并提供反馈
Claude Code 提出「可疑项目清单」后，先进行检视。然后给出后续指示：「这些项目可以这样处理吗？」
出乎意料的优势
自动化即验证。 在排序过程中，可以同时发现数据质量问题。非开发者只需读懂 Claude Code 的「警告信号」，就能执行数据审计的角色。
事实上，我们发现的重复和错误差点在后来的交易追踪工作中造成问题。自动化提前拦截了它。
下一步挑战
用相同方式验证消息记录、订单、合同书可行吗？梦想小队持续在实验中。