最初是個錯誤
在一家貿易公司的 Windows 設備上發生了一件小事。當機器人整理收到的郵件時,只用 Claude Code 構建的指令碼(沒有開發人員)突然開始表現得很奇怪。
用英文發來的訊息自動被標記為「urgent」,中文被標記為「待处理」,韓文被標記為「確認必要」。起初我們以為是故障。畢竟我們沒有加入任何翻譯 API。
機器人學到的東西
追蹤了幾天後,模式出現了。
機器人並不是簡單地「檢測語言」。它正在學習每種語言區域買家的「訊息結構」。
• 英文郵件: 主要是選項提示型(「Can you confirm...」) 右邊反應快速
• 中文郵件: 詳細問題型(「请问...具体...」) 回覆包含多個項目
• 韓文郵件: 關係型(「確認請求」) 高接納率
開發人員沒有明確的規則被機器人自己「發現」了。這是因為 Claude Code 的 Google 表單整合在參考 3 週積累的郵件數據時發生的。
為什麼這令人驚訝
我們以為「非開發人員」能做的自動化也就到此為止了。文件名排序、郵件過濾、電子表格手動輸入自動化。
但是語言檢測? 語境學習? 這是另一個層次。
我們沒有與在 Mac mini 上運行的另一個語言處理機器人連接。這是 Claude Code 純粹通過訊息模式完成的工作。
實際上能用嗎
現在我們只將此功能用於「排序」。但是團隊成員提出了以下想法。
多國語言買家自動提供「回覆範本」
按語言預測「重新簽約時間」
檢測文化區域「拒絕信號」
現在 Claude Code 構建的 AI 不再只是簡單的自動化工具,而是像「可學習的助手」一樣運作。
結論
最令人驚訝的是這一點。由非開發人員構建的系統正在「自我擴展其自身的限制」。
在 AI 代理時代,也許您不需要寫出所有自動化規則。只要提供數據和工具,機器人就會自己找到「必要的模式」。
如果你現在有「必須檢查的手動任務」,試著把它扔給 Claude Code。也許那個機器人會比你更早發現模式。