问题的开始：追踪号码进来了，整理却是手工作业
B2B 业务中，每天有数十个追踪号码抵达。原本的方式是在 Google 电子表格中手动粘贴，检查配送状态，然后用彩色标记笔涂色。
「每天重复同样的工作，AI 做不了吗？」
这个想法成了起点。
Claude Code 的初次相遇：超越 OCR
最初很简单。从 PDF 追踪号码图像中提取数字就好。Claude Code 接收图像，数字跳出来了。认为这是成功。
但下一个问题不同了。
「这个号码能自动判断是配送中还是已送达吗？」
Claude Code 提出了有趣的建议。不需要追踪 API，而是利用电子表格的条件式格式(Conditional Formatting)，根据号码长度、发行日期模式、数字范围，自动以颜色标示「预期状态」。
「这是...魔法吗？」
实际执行：不是 30 分钟，而是 2 小时
最初计划是 30 分钟。复制粘贴代码就可以了。
现实不同。
第一个错误：本机 Windows 环境与 Google 电子表格 API 连接的权限问题。
第二个错误：条件式格式规则过于复杂，电子表格开始卡顿。
第三个错误(成功)：告诉 Claude Code「太笨重了，简化一下」，AI 将规则从 30 个缩减到 5 个。速度恢复了。
2 小时后，追踪号码清单变成了这样。
红色 = 配送预定
黄色 = 配送中
绿色 = 配送完成
灰色 = 异常数据
意外发现：AI「学会了」错误
有趣的事发生了。
第 3 天，号码中出现异常模式。通常追踪号码是 13~15 位，但有一个 14 位的号码一直被标为黄色(配送中)。人类会认为「可能是错误」。
Claude Code 不同。追踪那个号码，发现实际是配送公司系统更新延迟。AI 设定的规则打破了人类的刻板印象(「14 位 = 错误」)。
隔天调整了自动化规则。3 周后，着色准确率达到 96%。
更大的变化：梦幻团队机器人的协作
原本一个人的自动化现在扩展到多个代理。
• 第一个机器人：提取号码
• 第二个机器人：预测配送状态并着色
• 第三个机器人：标记异常数据
• 第四个机器人：自动生成周报
有趣的是这些机器人开始互相「对话」。一个机器人标记的数据被另一个接收并重新验证，结果记录在电子表格中。非开发者的团队领导只需每天早上查看结果。
结论：自动化的下一个阶段
最初认为「只需提取追踪号码」。
现在不同了。
自动化进化经过 3 个阶段。
1 阶段：消除重复工作(提取号码)
2 阶段：自动化判断标准(着色)
3 阶段：模式学习与例外处理(96% 准确度)
Claude Code 与 Windows 环境的组合创造的不是简单的「节省时间」。它是让小团队像大团队一样运作的可能性。
下一个实验？让语音输入添加追踪号码。非开发者完全可以做到。