只需图像就足够了
上周我们团队启动了一项实验。买方发来的订单采取多种格式。有些是屏幕截图，有些是手机拍摄的照片，有些是陈旧的 PDF。团队成员需要手动阅读这些图像并输入电子表格。
「这个也能自动化吧？」的疑问由此而生。
Claude Code + Vision API 的组合
将 Vision API 连接到 Claude Code 后，令人惊叹的事情发生了。上传订单图像，AI 自动执行：
• 识别商品名、数量、颜色、尺寸
• 提取配送地点（国家、地址）
• 掌握交货日期、特殊要求
• 通过 Google Sheets API 直接输入电子表格
首次测试的准确度达到 94%。其余 6% 是笔迹模糊或语言混合的情况。
所需时间对比
| 作业 | 手动处理 | 自动化后 |
|------|---------|----------|
| 处理 1 份订单 | 8~12 分钟 | 45 秒 |
| 日均订单量 | 约 4 小时 | 30 分钟 |
| 错误修正时间 | 每日发生 | 周 2 次左右 |
预期外的收获
最令人惊讶的是附带效果。
1. **打字错误减少**：人工输入时的笔误消失了。
2. **时间无关处理**：上传图像后，系统可以通宵自动处理，早上出勤时结果已准备好。
3. **数据一致性**：所有订单都被标准化为相同格式，便利后续分析。
也有失败的时刻
起初无法区分混合了中文、英文、韩文的订单。我们在 Claude 的提示词中加入「识别所有语言，但按栏位分离各语言」，问题得以解决。
此外，含有手写内容的订单准确度约为 70%，我们设定自动标记以提醒团队。
现在的工作流程
订单图像 → Claude Code (Vision) → 自动识别 →
Google Sheets 输入 → Slack 通知 → 团队检查 (1 分钟) → 完成
遗留的问题
纵使自动化程度如此，仍需人工介入的部分存在。100% 准确辨识特殊要求（如「希望另加 6 份样品」），以及从零开始学习新买方的订单格式。
下一步是将这些错误数据转化为学习回路，使模型自我改进准确度。虽然还在初期阶段，但我们团队的日常已然改变。