小錯誤帶來大學習
上週在Windows設備上用Claude Code檢驗Google試算表的複雜函數時，發生了一件有趣的事。我們期望它能找出所有錯誤，但實際發生的卻稍有不同。
Claude Code部分遺漏了巢狀IF函數結構。表面上看起來正常，但在特定條件下數值會消失。起初我們感到沮喪。「AI連這個都做不到嗎？」我們心想。
將錯誤視為機會
但當團隊一起檢視這個問題時，出現了有趣的規律。Claude Code遺漏的部分總是同一種類型，就是「函數鏈在3層以上巢狀，且參考範圍動態變化時」。
一旦發現這點，我們嘗試了不同的做法。
Claude Code擅長結構驗證，
我們擅長看見邏輯邊界，
兩者結合會怎樣？
新的自動化層級
最後我們建立了這樣的系統：
1. **第一層檢驗（Claude Code）** , 語法、範圍錯誤、基本邏輯
2. **第二層檢驗（人類設定的規則）** , 3層以上巢狀函數自動標記
3. **第三層檢驗（樣本資料測試）** , 用實際數值執行
理解AI的弱點那一刻，我們才能創造補強它的自動化。
小團隊得到的收穫
身為非開發者，我們能做的正是這件事。認可工具的限制，精確定位那些限制在哪，設計流程來填補空隙。完美的自動化不存在，但從失敗中學來的自動化更堅強。
下次Claude Code遺漏什麼時，我們現在會這樣問：「這次能學到什麼？」