問題: 每次訂單來時都要手動整理地址
我們團隊在經營 B2B 業務時，最重複的工作就是這個。
買家的訂單備註不斷湧入，有人用英文寫，有人用當地語言寫，還有人混著縮寫。地址格式五花八門。每天都有人要手動讀這些備註，然後在 Google 試算表中整理。看似微小，但錯誤不少，也很耗時。
「Claude Code 能學會這個嗎？」
實驗第一步：準備學習數據
首先，我們把現有的 30 筆訂單備註複製到 Google 試算表中。這些都是正確分類過的。我們把它們拿給 Claude Code 當學習樣本。
輸入：「Bangkok, Rama 9 Rd, TH」
輸出：配送城市(Bangkok)、配送地址(Rama 9 Rd)、配送國家(TH)
輸入：「서울 강남구 테헤란로 123」
輸出：配送城市(首爾)、配送地址(江南區論峴路 123)、配送國家(KR)
Claude Code 識別了模式。但一開始它無法讀懂縮寫。它不知道「SG」是新加坡。
失敗與修正
首次自動分類 15 筆時，準確度只有 73%。低於預期。我們查看了錯誤日誌。
• 城市與地址混淆：5 筆
• 無法辨識國家代碼縮寫：4 筆
• 無逗號輸入時分類失敗：3 筆
「需要讓它更聰明。」
我們又新增了 20 筆樣本。特別專注於縮寫處理和無逗號格式。同時，我們告訴 Claude Code：「如果不確定，就標記為『待分類』。」安全優先於完美。
兩週後的成果
用同樣的 30 筆訂單重新測試。準確度升至 91%。
更驚人的是速度。手動整理 30 筆訂單需要約 25 分鐘。Claude Code 在 2 分鐘內完成了相同工作。
我們沒給機器人發薪水，但它似乎不拒絕加班(笑)。
實際上這一點很關鍵
我們沒有 100% 相信自動化結果。每週進行抽樣驗證。Claude Code 標記為「待分類」的部分，我們手動檢查。在這個過程中，我們發現了幾點。
• 城市名改變的情況(例如：用舊名稱下訂單)
• 縮寫不是地名而是建築名稱
• 只有郵遞區號，沒有城市名
Claude Code「做不到」的部分由我們分類，然後放回學習數據。這個循環持續進行，準確度逐漸提高。
一個月後
準確度達到 96%。剩餘 4% 大多是數據本身真的異常的情況。連人也會困惑。
更重要的是，我們團隊在地址整理上投入的時間減少了 80%。原本一周花 2 小時的工作，現在只要 15 分鐘。
那段時間我們做了什麼？更重要的事。例如閱讀買家反饋、研究新市場，或和團隊邊喝咖啡邊規劃下個月的計畫。
訣竅：重複優於完美
這次自動化之所以成功，不是因為 Claude Code 有多聰明，而是我們「承認它會出錯，並持續提供反饋」。如果在第一次失敗時放棄，這套系統就不存在了。
如果你有類似的工作，試試這個方法。
1. 蒐集 20～30 筆精確的範例
2. 教 Claude Code 模式
3. 用小批次(10～20 筆)測試
4. 分析失敗案例
5. 更新學習數據
6. 重複循環
這是我們的方法。