Before: 手动阅读语言,逐一寻找模板
每天早上,团队进入谷歌表单查看采购商询问。
「英文啊,要找英文模板」
「中文。中文版本在哪里?」
「韩文。简单的案子,但很耗时」
用三种语言的模板复制粘贴,每个询问平均需要 3 分钟。一天 20 个询问,就是 1 小时。
After: 表单回应送达的瞬间,语言就定好了
用 Claude Code 建立脚本,连接到谷歌工作表。表单回应一送达:
1. 分析询问文字 → 自动判别语言(韩文/英文/中文)
2. 根据语言指定匹配的模板行
3. 向团队的 Slack 通知「英文,使用模板第 3 行」
4. 回复草稿已备妥
同样的工作现在只需 30 秒。
出乎意料的发现: 中文感知最准确
初期测试出现意外结果。
• 韩文感知: 90% 准确度(混合表记时有误)
• 英文感知: 88% 准确度(缩写或产品名称原因)
• 中文感知: 98% 准确度(汉字特性)
团队边笑边说:「AI 最会读汉字」
团队变化: 定型化作业消失了
响应时间不只缩短。
过去: 寻找模板、粘贴、检查拼字 → 发送回复(重复)
现在: 确认草稿、加一句个人化信息 → 发送回复
同一个人做事,但工作品质提升了。因为把模板作业时间用在编写采购商专属信息上。
为何可行: Claude Code 的「理解上下文」能力
单纯告诉 AI 「区分语言」,成功率 50%。Claude 不同。
• 产品询问出现「specifications」→ 英文
• 「库存」出现 → 中文
• 「纳期」或「样本」出现 → 韩文
不只读单字,连业务术语、敬语、句子结构都读,所以准确度高。
下一步: 语言别库存信息也自动添加
团队目前在实验的:
采购商用英文提问时,回复自动加上「Available quantity in stock: [数量]」。
中文就放「现货库存: [数量]」。
完成后,采购商读信息时所有资讯都已备妥。