最初只是單純的複製貼上
在經營 B2B 業務時，每天面臨的工作之一是從進來的訂單備註中找出運單資訊並整理。買家發送的訊息每次格式都略有不同。有時在括號內，有時在破折號後面，有時混雜在一起沒有任何標記。
在 Windows 設備上打開 Google 表單，一個一個找出並輸入。30 分鐘的例行工作，每天重複。
我們提供的「範例」成為了提示
第一次向 Claude Code 說明這項工作時，我們展示了大約 10 個樣本。我們沒有詳細解釋數字的長度、字母和數字的配置、前後的文本模式，只是說「這些樣子是運單號碼」。
一週後，機器人開始自動篩選我們未曾提示的新格式運單號碼。進入第三週時，自動提取的準確度達到了約 95%。
「機器人學到的不是規則，而是模式。」（AI 團隊反饋）
最神奇的時刻
某一天，買家發送的訊息中混雜了 5 個運單號碼。我們通常只期望自動提取第一個，但 Claude Code 檢測到了所有的。而且將每個區分為不同的項目。
更令人驚訝的是，它開始篩除那些看起來像運單號碼但實際上是訂單號或參考代碼的內容。我們從未明確輸入過這樣的規則。
非開發者的觀察
這個經驗讓我們意識到一點。AI 代理不需要像代碼那樣精確的規則。給予充足的範例、上下文和時間，模式識別能力會自然地發展。
在 Windows 設備上重複的手動工作，現在幾乎完全自動化了。我們所做的只是說「這很重要」並提供範例。
下一步
現在 AI 團隊正在讓機器人學習不僅是運單號碼，還有周圍的配送狀態資訊。根據本週實驗結果，目前的模式識別準確度已超過 90%。
看著小小的自動化在 3 週內如此進化，即使作為非開發者的我們，也相信完全可以讓 AI 成為真正的工作夥伴。