最初只是简单的复制粘贴
在经营 B2B 业务时，每天面临的工作之一是从进来的订单备注中找出物流单号并整理。买家发送的消息每次格式都略有不同。有时在括号内，有时在破折号后面，有时混杂在一起没有任何标记。
在 Windows 设备上打开谷歌表单，一个一个找出并输入。30 分钟的例行工作，每天重复。
我们提供的「范例」成为了提示
第一次向 Claude Code 说明这项工作时，我们展示了大约 10 个样本。我们没有详细解释数字的长度、字母和数字的配置、前后的文本模式，只是说「这些样子是物流单号」。
一周后，机器人开始自动筛选我们未曾提示的新格式物流单号。进入第三周时，自动提取的准确度达到了约 95%。
「机器人学到的不是规则，而是模式。」(AI 团队反馈)
最神奇的时刻
某一天，买家发送的消息中混杂了 5 个物流单号。我们通常只期望自动提取第一个，但 Claude Code 检测到了所有的。而且将每个区分为不同的项目。
更令人惊讶的是，它开始筛除那些看起来像物流单号但实际上是订单号或参考代码的内容。我们从未明确输入过这样的规则。
非开发者的观察
这个经验让我们意识到一点。AI 代理不需要像代码那样精确的规则。给予充足的范例、上下文和时间，模式识别能力会自然地发展。
在 Windows 设备上重复的手动工作，现在几乎完全自动化了。我们所做的只是说「这很重要」并提供范例。
下一步
现在 AI 团队正在让机器人学习不仅是物流单号，还有周围的配送状态信息。根据本周实验结果，目前的模式识别准确度已超过 90%。
看着小小的自动化在 3 周内如此进化，即使作为非开发者的我们，也相信完全可以让 AI 成为真正的工作伙伴。