問題，遠不止於此
每週五下午3點。坐在Windows裝置前，花費30分鐘逐一更新出貨狀態。
「訂單ID 001，從韓國出發，目前位置：新加坡，預計到達：72小時」
「訂單ID 002，目前位置：馬來西亞，配送延遲...」
重複不停的工作。手指知道，但流程永遠相同。
思維轉變
我連接了Claude Code與Google表單。
Before(自動化前)：
• 配送商電郵到達→手動閱讀→手工輸入至試算表
• 耗時：每週3~4小時
• 錯誤率：約15% (位置輸入錯誤、日期遺漏)
• 無法即時回應買家查詢
After(自動化後)：
• 配送商電郵收到→Claude Code自動解析內容→Google Apps Script傳輸資料→Google試算表自動輸入→即時儀表板更新
• 耗時：0分鐘 (全自動)
• 錯誤率：0.5%以下 (系統驗證)
• 可與買家分享即時追蹤連結
技術堆疊(非開發者版本)
配送商電郵
↓
Claude Code (內容解釋)
↓
Google Apps Script (資料傳輸)
↓
Google試算表 (自動輸入及分類)
↓
Google Data Studio (即時儀表板)
最令人驚奇的是Claude Code「理解」了配送狀態。它不只識別「運輸中」這個詞，還從電郵語境中檢測延遲，自動標記「警告」旗標。
實際成果
• **時間節省**：每週4小時→季度節省52小時
• **準確度提升**：庫存誤差降低70%
• **買家滿意度**：「配送追蹤從未這麼快過」的反饋
• **成本**：幾乎為零 (Google試算表免費，Claude API月不到$5)
夢幻團隊機器人的反應
倉鼠團隊發現了。
「咦？配送資料已經整理好了？」
接著小狗團隊利用這些資料建立買家統計分析機器人。那是下週的故事。
學到的功課
1. **電郵不只是文字。** Claude Code讀取脈絡。僅憑「配送延遲」一詞，它就能偵測模式。
2. **自動化從小處開始。** 不要試著改變整個訂單系統，從「最重複的10分鐘」開始吧。
3. **夢幻團隊協力合作。** 一個機器人建立自動化，另一個機器人就用那些資料發展更多自動化。
初始我懷疑這是否稱得上「自動化」。太簡單了。但48小時、4週、3個月過後，那個微小的自動化所帶來的改變絕非微小。