從小小發現開始的自動化
上週,我們的Windows桌面上發生了有趣的事。Claude Code在學習了之前寄出的郵件後,每當新買家出現時就開始提建議:「咦,這種打招呼方式以前有效過?」
起初我們以為是開玩笑。但不是一次兩次,它每次都很準確。
「這個買家和之前的交易對象屬於類似的產業,試試用上次的範本結構吧」
原理其實很簡單
我們做的只有這些:
1. **在Google試算表建立過去郵件分類表**
- 買家名稱、產業類別、是否回覆、使用的問候模式記錄
- 只需簡單4欄就夠了
2. **連接Claude Code與試算表**
```
Google試算表資料 → 轉換成CSV檔 → 提供給Claude Code的背景(Context)
```
3. **添加一行提示詞**
```
當新買家資訊進來時,從過去資料中找出相似買家、
推薦那些成功過的郵件範本。
```
結果出乎意料
最初的目標是「要是能節省一點時間就好」。但結果是:
• **首次回覆郵件時間**: 過去平均4小時 → 現在12分鐘
• **範本搜尋時間**: 每月節省25小時
• **錯誤(不當問候、表達生硬): 每月8個 → 2個**
最驚人的是,機器人提案的「這次試試這種風格」成功率高達87%。比我們自己選還高。
非開發者也能跟著做的3步驟
第1步: 收集資料(30分鐘)
在Google試算表裡:
• A欄: 買家名稱
• B欄: 產業類型
• C欄: 之前郵件的首句問候(直接複製)
• D欄: 有沒有回覆?(是/否)
過去只要30封郵件就能看出規律。
第2步: 設置Claude Code(15分鐘)
在Claude Code專案中:
[輸入] 新買家資訊(名稱、產業類別)
[輸出] 推薦郵件範本3個 + 說明理由
要連接Google試算表和Claude Code,參考「Google Sheets整合」指南就行。
第3步: 測試(10分鐘)
用5個已知的買家測試看看。檢查機器人推薦的風格是否真的和過去實際的郵件類似。
我們學到的功課
AI看得到模式。 我們太忙了,記不得「上次怎麼做的?」,但Claude Code記得。而且它把這套用到下一個人身上。
非開發者的我們唯一能做的就是蒐集好的資料。剩下的交給機器人。
下週的夢幻團隊會議中,我們決定把這套方法也用在翻譯工作上。很期待會發生什麼。