重複工作的開始
昨天早上，團隊的一位成員大喊出來。「這些運單號碼，每次都得手動打字嗎？」
情況是這樣的。經營 B2B 業務時，每天都會收到 20～30 份配送相關文件。PDF 和影像格式的運單，必須逐個手工提取追蹤號碼，然後輸入到試算表中。大約每天 8 小時。滑鼠點擊幾百次。
這一刻就是打開 Claude Code 的信號。
第一次嘗試：從影像中讀取文字
Claude Code 的視覺功能（影像辨識）可以讀取照片中的文字。想法很簡單。
1. 指定運單影像資料夾。
2. Claude Code 讀取每張影像。
3. 用正規表達式尋找運單號碼模式。
4. 自動輸入到試算表。
第一段程式碼是這樣的。
import anthropic
import base64
import json
from pathlib import Path
def extract_tracking_numbers(image_folder_path):
client = anthropic.Anthropic()
results = []
for image_file in Path(image_folder_path).glob('*.png'):
with open(image_file, 'rb') as f:
image_data = base64.standard_b64encode(f.read()).decode('utf-8')
message = client.messages.create(
model="claude-3-5-sonnet-20241022",
max_tokens=1024,
messages=[
{
"role": "user",
"content": [
{
"type": "image",
"source": {
"type": "base64",
"media_type": "image/png",
"data": image_data,
},
},
{
"type": "text",
"text": "請從這張影像中找出運單號碼。只提取數字。"
}
],
}
],
)
tracking_num = message.content[0].text.strip()
results.append({"file": image_file.name, "tracking_number": tracking_num})
return results
第二道障礙：準確度之牆
有趣的事發生了。Claude 確實能讀取影像，但有時會把「TRK-12345」讀成「TRK 12345」，或把「1」識別成「l」（小寫的 L）。
每份數位文件的掃描方式略有不同。來自無線傳真機的影像尤其嚴重。
解決方案？給 Claude 更詳細的指示。
"text": """請從這張影像中找出運單號碼。
規則：
1. 找出只包含數字和大寫英文的內容。
2. 長度通常是 10～20 位元。
3. 如果看到 'l'（小寫 L），請再次確認是否應該是「1」（數字一）。
4. 結果請用 JSON 格式返回 {"tracking_number": "數字", "confidence": "高/低"}。
"""
準確度從 94% 提升到 98.5%。
第三階段：與試算表連結
連接了 Google Sheets API，將提取的號碼自動輸入到試算表中。這部分比預期要複雜。因為必須確保不與現有資料重複。
from google.oauth2.service_account import Credentials
import gspread
def append_to_sheet(spreadsheet_id, sheet_name, tracking_data):
creds = Credentials.from_service_account_file('credentials.json')
gc = gspread.authorize(creds)
worksheet = gc.open_by_key(spreadsheet_id).worksheet(sheet_name)
existing_numbers = worksheet.col_values(1)
for data in tracking_data:
if data["tracking_number"] not in existing_numbers:
worksheet.append_row([data["tracking_number"], data["timestamp"]])
意外的發現：Windows 設備的效能
一開始在 Mac mini 上測試時速度很慢。但當在團隊成員的 Windows 設備上執行相同程式碼時，速度快了 3 倍。可能是網路頻寬的原因。
發現後，我們將所有大量處理都排定在 Windows 環境中執行。
結果：72 小時的變化
• 之前：1 天 8 小時，手動輸入
• 現在：1 天 15 分鐘，自動化 + 驗證
• 錯誤率：既有 3～5% → 0.5% 以下
• 團隊成員滿意度：「終於從這項工作中解放了」
最好的部分是什麼？現在可以把那 8 小時用在其他工作上了。
跟著做：邁出第一步
如果有類似的重複工作，可以按這個順序開始。
1. 打開 Claude Code 並說明問題。「我想從影像中提取文字」
2. 用一張範例影像測試。檢查準確度。
3. 用正規表達式明確化模式。
4. 考慮試算表或資料庫連結。
5. 先用小資料夾（5～10 個檔案）進行自動化。
還有一個提示。如果影像品質低，Claude 也會困擾。如果可能的話，用原始檔案或提高掃描解析度，就能大幅提升準確度。