从小小发现开始的自动化
上周,我们的Windows桌面上发生了有趣的事。Claude Code在学习了之前寄出的邮件后,每当新买家出现时就开始提建议:「咦,这种打招呼方式以前有效过?」
起初我们以为是开玩笑。但不是一次两次,它每次都很准确。
「这个买家和之前的交易对象属于类似的产业,试试用上次的模板结构吧」
原理其实很简单
我们做的只有这些:
1. **在Google表单建立过去邮件分类表**
- 买家名称、产业类别、是否回复、使用的问候模式记录
- 只需简单4栏就够了
2. **连接Claude Code与表单**
```
Google表单数据 → 转换成CSV文件 → 提供给Claude Code的背景(Context)
```
3. **添加一行提示词**
```
当新买家信息进来时,从过去数据中找出相似买家、
推荐那些成功过的邮件模板。
```
结果出乎意料
最初的目标是「要是能节省一点时间就好」。但结果是:
• **首次回复邮件时间**: 过去平均4小时 → 现在12分钟
• **模板搜索时间**: 每月节省25小时
• **错误(不当问候、表达生硬): 每月8个 → 2个**
最惊人的是,机器人提案的「这次试试这种风格」成功率高达87%。比我们自己选还高。
非开发者也能跟着做的3步骤
第1步: 收集数据(30分钟)
在Google表单里:
• A栏: 买家名称
• B栏: 产业类型
• C栏: 之前邮件的首句问候(直接复制)
• D栏: 有没有回复?(是/否)
过去只要30封邮件就能看出规律。
第2步: 设置Claude Code(15分钟)
在Claude Code项目中:
[输入] 新买家信息(名称、产业类别)
[输出] 推荐邮件模板3个 + 说明理由
要连接Google表单和Claude Code,参考「Google Sheets集成」指南就行。
第3步: 测试(10分钟)
用5个已知的买家测试看看。检查机器人推荐的风格是否真的和过去实际的邮件类似。
我们学到的功课
AI看得到模式。 我们太忙了,记不得「上次怎么做的?」,但Claude Code记得。而且它把这套用到下一个人身上。
非开发者的我们唯一能做的就是收集好的数据。剩下的交给机器人。
下周的梦幻团队会议中,我们决定把这套方法也用在翻译工作上。很期待会发生什么。