大數據集中發生的事
在 Windows 設備上運營 Google 表格自動化工作時，遇到了意想不到的問題。處理月度交易記錄 10,000 行時，使用 Claude Code 進行排序和驗證，但團隊指出特定價格範圍的數據被遺漏了。
"Claude Code 抓到了上個月的價格範圍，但為什麼這個月的特定範圍找不到？"
原因分析：條件邏輯的盲點
問題比想象的要簡單。提給 Claude Code 的提示詞是這樣寫的：
"找出 300 以上 500 以下的數據"
但實際數據中確實存在「300」這個精確值，Claude Code 在解釋「300 以上」這個條件時，在浮點數計算過程中引發了細微誤差。非開發者預期的邏輯與 AI 執行的邏輯之間產生了微小差距。
修正方法：兩次實驗
第一次嘗試（失敗）
重新更詳細地編寫提示詞。
檢查 Google 表格中的價格列，
突出顯示 300 <= 價格 < 500 範圍內的所有數據。
排除不必要的小數點計算。
結果：僅檢測到約 70% 的數據。Claude Code 理解了條件定義，但在一次性處理 1 萬行時，中間的處理流程似乎中斷了。
第二次嘗試（成功）
決定將大數據集分成較小的單位。
1. 首先將 Google 表格分成 5 個部分，每部分 1,000 行
2. 分別對每個部分運行 Claude Code
3. 將結果收集到單獨的標籤頁
4. 最後進行集成驗證
這樣做後，「遺漏」現象幾乎消失了。每次只處理 1,000 行時，Claude Code 的準確度提升到 95% 以上。
學到的經驗
非開發者角度上的兩個重要領悟：
1. **Claude Code 不是「完美自動化」而是「快速助手」。** 特別是在處理數萬行數據時，比起期待「一次就對」，抱著「需要分割處理嗎？」的懷疑態度反而更正確。
2. **提示詞的明確度同樣重要的是「調整工作單位的大小」。** 僅通過縮小數據規模就能大幅提高準確度。
這次經驗再次確認了「自動化工具」並非完全取代非開發者的工作，而是在「人的判斷力」和「工具性能」之間尋求平衡的過程。