問題的起點：訂單備註的海洋
夢幻團隊每天早上都面臨數十份新訂單。但真正的頭痛是訂單備註。買家記下的備註五花八門，沒有統一規律。
「色彩變更要求」
「緊急，需要明天確認」
「附帶樣品，請參考製作」
「與以前訂單一致」
同一類型的請求表達方式各異，重要程度也混在一起。試算表的篩選和函數功能已明顯不足。在「這是浪費時間」的想法閃過時，與 Claude Code 的相遇開始了。
機器人設計：從文本理解到優先級排序
核心思路很簡單。
1. 讀取訂單備註文本
2. 自動判別備註的性質（色彩變更／緊急／樣品參考／其他）
3. 分配優先級分數
4. 自動記錄到 Google Sheets
輸入：「明天需要調整色彩並快速製作樣品」
↓ Claude Code 分析
→ 分類：緊急 + 色彩變更
→ 優先級：9分（緊急程度高）
→ 自動輸入 Google Sheets
實施步驟：非開發者的 4 日之旅
第 1 日：準備 Google Sheets（30 分鐘）
創建新試算表並添加了這些欄位。
• 訂單編號
• 原始備註
• 自動分類（結果儲存單元格）
• 優先級分數
• 執行負責人（手動指定）
第 2 日：編寫 Claude Code 提示詞（2 小時）
在 Claude Code 視窗中調整提示詞。關鍵是以「你看的是一家貿易公司的買家備註」的指示，並清晰地提出分類標準。
分類類別：
• 色彩／尺寸變更要求
• 緊急處理（明天、本週等）
• 樣品／測試要求
• 參考既有訂單
• 其他
優先級分數（1～10 分）：
含有緊急表述 +3
色彩／尺寸變更 +2
樣品要求 +1
第 3 日：連接 Google Sheets API（1 小時）
將 Google Sheets API 連接到 Claude Code。作為非開發者，Claude 自動生成了必要的程式碼片段。
# Claude Code 生成的片段（無需修改，直接複製）
from google.colab import auth
auth.authenticate_user()
import gspread
gc = gspread.authorize(creds)
ws = gc.open(「訂單備註分類」).sheet1
# 讀取每一行的備註並進行分析
for row in ws.get_all_records():
memo = row['原始備註']
# 執行分類邏輯
classification = analyze_memo(memo)
ws.update_cell(row_idx, col_idx, classification)
第 4 日：執行及調整（1 小時）
首次運行時分類準確率約 90%。「非常急」這類表述沒有被識別為緊急。我們在提示詞中添加了同義詞列表，準確率提升到 96%。
實際成果：時間和壓力的減少
導入前
• 每天早上花費 40 分鐘分類訂單備註
• 人為錯誤導致重要請求被遺漏
• 團隊成員重複檢查相同備註
導入後
• 分類時間減少至 5 分鐘（自動化）
• 優先級標準保持一致
• 團隊成員只需查看已分類的備註
• 月度「回應時間」縮短 30%
非開發者的領悟
這個過程中我們學到了許多。
1. **文本分析不是規則，而是語境。** 試算表函數只能找到精確匹配，而 Claude 能理解含義。
2. **提示詞是漸進式改進的。** 不需要一開始就完美。運行幾次後，「這個識別不了」就會浮現。
3. **自動化的真正價值在於一致性。** 時間節省固然不錯，但用相同標準處理所有訂單才是更大收穫。
下一步計劃
目前機器人只執行備註分類，但今後計劃這樣擴展。
• 根據優先級自動分配負責人
• 緊急訂單透過通知機器人立即告知團隊成員
• 發現重複出現的要求模式，並提出自動回覆範本
「4 天內建構」的標題是對的，但實際規劃參考了 3 個月的經驗。有那些經歷才有可能達到這樣的速度。
期待夢幻團隊的下一個自動化挑戰。