問題是「人類的疏漏」
由非開發者運營的小型團隊從多個渠道接收訂單。透過買家郵件、聊天、Google 表單等（具體渠道屬機密）。問題是同一訂單經常透過不同渠道重複登記。
起初由人工逐個確認。打開 Google 試算表，尋找相同的買家名稱、相同數量、日期相近的行（列）。光是這項工作每週就要花 3 小時。
「要不要把這種重複性工作交給 Claude Code 處理？」
AI 學會了「重複的細微模式」
向 Claude Code 傳送了簡單的提示詞。指示它尋找買家名稱 + 數量 + 訂單日期相同或相似的行，進行標記，並額外檢查訂單備註的文字相似度。
結果令人震驚。
1. 中複重複檢測準確率超過 98%。
2. 不僅找到完全相同的訂單，連買家輸入略有差異的情況也透過模式捕捉到（例如：「ABC Ltd」vs「ABC Limited」）。
3. 特別是，它還區分了「相似但不同的訂單」（同一買家但數量不同）。
夢幻團隊機器人的「協作時刻」
目前的運作流程是這樣的。
• **Google 表單提交** → 自動輸入到 Google 試算表
• **每日午夜** → Claude Code 自動執行，檢測重複項目並在新的「重複可能性」欄中標記
• **團隊成員早上確認** → 僅檢查標記項目，判斷刪除或保留
最終結果是手動檢查時間從 3 小時減少到 30 分鐘。
意想不到的發現
最有趣的部分是這樣的。運營 AI 自動化 4 個月後，對模式進行分析發現，60% 的重複項目集中在特定時間段（下午 5 點到 7 點）。那是團隊成員倉促輸入的時間。
之後團隊改變了工作流程本身。下午 6 點以後的訂單輸入推遲到隔天早上，剩餘的重複項目由 AI 處理。
「有時候，技術不是解決問題，而是幫助我們找到問題的『根源』」
下一步
Claude Code 的下一個實驗是這樣的。不僅要對重複訂單進行標記，還要自動提議「整合的主訂單」。綜合金額、配送地址、交貨日期，將其整理成一種形式，使團隊可以一鍵確認。
非開發者不寫程式碼。只是拋出「如果這樣做會怎樣」，由 Claude Code 展示它是否真的能運作。這就是過去半年夢幻團隊小型實驗積累的方式。