重复工作的开始
昨天早上，团队的一位成员大喊出来。「这些运单号码，每次都得手动打字吗？」
情况是这样的。经营 B2B 业务时，每天都会收到 20～30 份配送相关文件。PDF 和图像格式的运单，必须逐个手工提取追踪号码，然后输入到电子表格中。大约每天 8 小时。鼠标点击几百次。
这一刻就是打开 Claude Code 的信号。
第一次尝试：从图像中读取文字
Claude Code 的视觉功能（图像识别）可以读取照片中的文字。想法很简单。
1. 指定运单图像文件夹。
2. Claude Code 读取每张图像。
3. 用正则表达式寻找运单号码模式。
4. 自动输入到电子表格。
第一段代码是这样的。
import anthropic
import base64
import json
from pathlib import Path
def extract_tracking_numbers(image_folder_path):
client = anthropic.Anthropic()
results = []
for image_file in Path(image_folder_path).glob('*.png'):
with open(image_file, 'rb') as f:
image_data = base64.standard_b64encode(f.read()).decode('utf-8')
message = client.messages.create(
model="claude-3-5-sonnet-20241022",
max_tokens=1024,
messages=[
{
"role": "user",
"content": [
{
"type": "image",
"source": {
"type": "base64",
"media_type": "image/png",
"data": image_data,
},
},
{
"type": "text",
"text": "请从这张图像中找出运单号码。只提取数字。"
}
],
}
],
)
tracking_num = message.content[0].text.strip()
results.append({"file": image_file.name, "tracking_number": tracking_num})
return results
第二道障碍：准确度之墙
有趣的事发生了。Claude 确实能读取图像，但有时会把「TRK-12345」读成「TRK 12345」，或把「1」识别成「l」（小写的 L）。
每份数字文件的扫描方式略有不同。来自无线传真机的图像尤其严重。
解决方案？给 Claude 更详细的指示。
"text": """请从这张图像中找出运单号码。
规则：
1. 找出只包含数字和大写英文的内容。
2. 长度通常是 10～20 位。
3. 如果看到 'l'（小写 L），请再次确认是否应该是「1」（数字一）。
4. 结果请用 JSON 格式返回 {"tracking_number": "数字", "confidence": "高/低"}。
"""
准确度从 94% 提升到 98.5%。
第三阶段：与电子表格连结
连接了 Google Sheets API，将提取的号码自动输入到电子表格中。这部分比预期要复杂。因为必须确保不与现有数据重复。
from google.oauth2.service_account import Credentials
import gspread
def append_to_sheet(spreadsheet_id, sheet_name, tracking_data):
creds = Credentials.from_service_account_file('credentials.json')
gc = gspread.authorize(creds)
worksheet = gc.open_by_key(spreadsheet_id).worksheet(sheet_name)
existing_numbers = worksheet.col_values(1)
for data in tracking_data:
if data["tracking_number"] not in existing_numbers:
worksheet.append_row([data["tracking_number"], data["timestamp"]])
意外的发现：Windows 设备的性能
一开始在 Mac mini 上测试时速度很慢。但当在团队成员的 Windows 设备上执行相同代码时，速度快了 3 倍。可能是网络频宽的原因。
发现后，我们将所有大量处理都排定在 Windows 环境中执行。
结果：72 小时的变化
• 之前：1 天 8 小时，手动输入
• 现在：1 天 15 分钟，自动化 + 验证
• 错误率：既有 3～5% → 0.5% 以下
• 团队成员满意度：「终于从这项工作中解放了」
最好的部分是什么？现在可以把那 8 小时用在其他工作上了。
跟着做：迈出第一步
如果有类似的重复工作，可以按这个顺序开始。
1. 打开 Claude Code 并说明问题。「我想从图像中提取文字」
2. 用一张范例图像测试。检查准确度。
3. 用正则表达式明确化模式。
4. 考虑电子表格或数据库连结。
5. 先用小文件夹（5～10 个文件）进行自动化。
还有一个提示。如果图像品质低，Claude 也会困扰。如果可能的话，用原始文件或提高扫描分辨率，就能大幅提升准确度。