表單開始自己思考
上週一,Google Form 的訂單回應開始用韓文、中文、英文三種語言混雜進來。直到那天為止,我們都是一個一個手動閱讀和整理,但那天的數量達到了 67 份。
「我們的機器人能讀懂這個嗎?」
這個小小的實驗,在 3 天內就建立了一套自動化流程。
用 Claude Code 分析表單回應
第一步很簡單。將 Google Form 回應匯出到 Google Sheets,然後交給 Claude Code 來解讀。
Google Form 回應 (Google Sheets)
↓
執行 Claude Code
↓
項目識別 + 語言分類
↓
分類後的數據
第 1 步：從 Google Sheets 下載數據
• 打開 Google Form 設置中的「收集回應」標籤
• 點擊「建立新試算表」
• 在自動生成的試算表中,點擊「檔案」→「下載」→「匯出為 CSV」
第 2 步：編寫 Claude Code 腳本
在 Windows 設備的記事本中以以下結構編寫:
import csv
import json
from anthropic import Anthropic
# 讀取 CSV
with open('form_responses.csv', 'r', encoding='utf-8') as f:
reader = csv.DictReader(f)
rows = list(reader)
# 用 Claude Code 分析每一行
client = Anthropic()
for idx, row in enumerate(rows):
form_text = str(row)
response = client.messages.create(
model="claude-3-5-sonnet-20241022",
max_tokens=300,
messages=[
{
"role": "user",
"content": f"""分析這份訂單表單回應:
{form_text}
回應:
1. 語言 (ko/zh/en)
2. 類別 (新客戶/既有客戶/未分類)
3. 優先級 (高/中/低)
用 JSON 格式回答。"""
}
]
)
parsed = json.loads(response.content[0].text)
rows[idx]['language'] = parsed['language']
rows[idx]['category'] = parsed['category']
rows[idx]['priority'] = parsed['priority']
# 保存分類後的 CSV
with open('sorted_responses.csv', 'w', newline='', encoding='utf-8') as f:
writer = csv.DictWriter(f, fieldnames=rows[0].keys())
writer.writeheader()
writer.writerows(rows)
print(f"✓ 完成 {len(rows)} 行的分析")
第 3 步：自動導入 Windows Excel
分類後的 CSV 可以直接在 Excel 中打開,但如果想要完全自動化:
• 在 Windows 工作排程器中設置上述 Python 腳本每天早上 8 點運行
• 將生成的 CSV 儲存到指定資料夾
• 在 Excel 檔案中連接「資料」→「從文字/CSV」
意外發現
1. 表單學會了自己的錯誤
起初,「語言分類」並不完美。中文和韓文混用的回應經常被混淆。但在 3 天內運行超過 50 次後,Claude Code 開始記住回應模式。現在對於相同格式的輸入,幾乎沒有錯誤。
2. 語言別的類別不同
分析結果表明,韓文回應大多是「既有客戶」,而中文回應主要是「新客戶詢問」。這表明表單設計在不同語言中被理解的方式不同。
3. 手動檢查縮短到 5 分鐘
以前整理 67 份需要 45 分鐘。現在只需 5 分鐘瀏覽自動化結果就足夠了。
失敗與修復
第一次運行時出現了編碼錯誤。包含表情符號或特殊字符的回應在轉換為 CSV 時被損壞了。解決方案很簡單:
# 修改前
with open('form_responses.csv', 'r') as f:
# 修改後
with open('form_responses.csv', 'r', encoding='utf-8') as f:
只需添加一行,所有字符就能正確讀取。
下一步
目前我們只在處理 Google Sheets 回應,但計劃擴展到通過電郵進來的訂單。將 Outlook 自動化與 Claude Code 連接,我們應該能自動分類不僅來自表單的訂單,還有來自電郵的訂單。
表單變得越來越聰明。到下週,它可能會比我們團隊中的任何人都更快地讀懂訂單。