德国科技媒体t3n：用日常语言对话迭代出AI代理，无需开发团队
t3n团队公开了用Claude构建广告订单录入AI代理的完整过程：以10个真实订单为样本，在Slack中用自然语言纠错，24小时迭代至第12版指令，跳过测试板直接上线；人工投入从大额订单最多40分钟录入降至5至10分钟核验。
德国科技媒体t3n的广告业务有一个重复性流程：每笔成交产生一份PDF格式的订单确认书，列出客户购买的所有服务（如播客赞助或两篇赞助文章），每一项服务需要在Asana项目工具中创建独立任务及子任务和截止日期。截至2026年8月中旬，这一工作由广告执行团队手动完成，大额订单耗时可达40分钟。
t3n团队没有开发资源，而是直接问Claude需要哪些材料才能自动化这个流程。他们提供了简要的流程文档和10份真实订单确认书，让Claude对照团队已经手动录入过的订单，比较自己的输出与已有条目之间的偏差。一个下午，第一版指令从这些偏差中产生。
第一版不够用于日常。团队在Slack线程中继续工作，用普通语句指出错误，Claude将每次修正写入自己的指令。24小时后，指令到达第12版。关键前提是工具链已经就绪：Claude已连接公司内部工具，Asana看板有固定字段和模板。
8月中旬，代理直接以真实订单上线，团队从未创建测试副本看板。此后只需在Slack线程中把订单确认书标记给Claude，代理自动创建任务，团队负责核验其输出：简单订单不到5分钟，大订单最多10分钟。团队报告在最初两个多月内没有错误渗透到日常运营中。
需要强调的是，这是t3n对自身内部流程的第一手描述，属于归因性自述而非独立验证。'两个月无错误'未给出订单总量分母，无法计算实际错误率。更关键的是，整个方法的前提是Claude已接入内部工具、Asana模板已存在——对于工具链尚未打通的团队，这套对话迭代路径能否同样奏效，原文未提供证据。