食材批發作業自動化—AI 協作，手工帳務節省30%時間
為多門市食材批發商設計並交付一套 Google Sheet x App Script自動化系統。涵蓋入帳、出貨單生成、包裝分配三個核心流程。獨立完成需求釐清、流程設計與 AI 協作開發。
Year
2026
Duration
0.5 month
Client
FunThingTrue
Role & Responsibility
All（訪談、製作、除蟲、教學）
Background
原本廠商使用Excel與一般函式進行出入帳、出貨、包裝分配之作業，
分別由會計、廠務、工讀等人操作，往往需大量時間登打、複查，完成後才能往下推進，
且容易在複查時發現錯誤，甚至需重新計算。
在「8家以上門市、500個以上品項、800家以上客戶、200左右筆訂單/每日」這樣的大數量情境下，是明確瓶頸。
Solution
為何使用 Google Sheet 而不是現成 ERP？
客戶團隊（會計、廠務、工讀）全部熟悉試算表操作，零學習成本上線。
需求在初期仍高度變動——上線後客戶陸續提出成本細項、加價購、POS 串接等需求，試算表能在兩週內迭代完成，ERP 開發週期無法配合。
預算與時程規模不支撐 ERP 導入，試算表是驗證流程是否正確的低風險前置階段。
Process
在密集與 Claude/Gemini 溝通需求與產出Script程式碼、串接Google各流程權限與功能中。
學習函式運用與程式碼檢視、自主更換參數、調整對應欄位、使用程式碼調整UI等…
完成多項複雜函式建立、多重交互影響、跨Sheet/工作表的數據互動與影響、輸入之數據與計算結果的呈現比對設計。
AI-cowork
Gemini Pro 在 Google 生態系內的整合能力明顯較強
—直接更新 Sheet 的效率與精準度高，因此交給它處理架構變動與互動性設定。
Claude 在需求反覆變動下，迭代複雜函式的延續性與正確性較穩定
— 因此交給它處理跨表函式邏輯。
有意識判斷需求屬於哪類，並在兩者之間傳遞已確認的規則。
這個分工讓修改一個需求的來回次數明顯下降。
成果一｜包裝分配系統
為解決多門市訂單包裝分配的繁瑣作業，運用 Google Apps Script (GAS) 與進階函數、樞紐分析，開發具備高度擴充性的自動化包裝管理系統，大幅降低人工計算與錯誤並提升效率。
也把「分配」從計算問題拆解為視覺辨識問題—用欄位底色、排版來區分輸入/計算結果、需求/分配數量，讓人眼更快速掃描，取代逐格細細核對。
核心技術
GAS 自動化腳本開發 (Google Apps Script)
開發「一鍵全域加入門市」、「智慧數量分配運算」與「動態格式塗色」功能，
實現跨工作表同步更新，大幅減少重複性操作。
動態查詢架構 (Dynamic Query)
運用 QUERY 結合 MATCH 等進階函數，設計「標題感知」公式。
解決過去新增欄位就會導致公式失效的問題，系統能自動追蹤並正確抓取數據。
多維度數據彙整 (Pivot Table)
導入樞紐分析表，快速彙整跨工作表的龐雜數據，
即時產出「各品項總量」與「門市需求分佈」等營運報表，輔助決策。
成果二｜Google Sheets 自動化出貨與庫存管理系統
結合 Script 與 Sheets 高級公式，為多門市營運打造自動化出貨單生成（根據分散的客戶訂單與入帳紀錄），透過資料固化機制徹底解決 200+ 分頁引起的系統卡死問題。
核心技術
GUI 一鍵建檔
使用 HTML 打造試算表中的介面，確認日期後自動根據「廠商名單」「廠商訂單」「品項/單價/棧板清冊」「下單門市」…交叉計算產出當日各門市的「出貨單」，並內建重複建檔防呆機制。
智慧動態取價
透過 MAP 與 IFS 實現 「出貨價 > 包裝價 > 單價」 的優先順序判斷，自動帶入最適價格。
庫存與殘貨自動關聯
利用 SUMIFS 自動跨表帶入當日「殘貨」與「棧板」數量。
歷史資料固化（效能優化）
出貨單產出後，自動執行 setValues() 將動態公式轉換為靜態純文字快照，大幅降低運算負擔，確保檔案百頁不卡頓。
Google功能串接
透過AI指導，獨立開啟、串接所有Sheet, Script與其他工具所需之權限與功能
初期未能正常使用，共同找到多處未成功完整啟用的功能並排除問題
目標是盡可能將客戶需要操作的步驟降到最少
Challenge
欄位錯位：手動修正比 AI 除錯更快更經濟
— 手動調整函式中的欄位碼，比 AI 自動除錯來得快且節省Token（前提：已了解函式組成）
多次未達成指定修改，調整溝通方式
— 多次換個方式詢問AI、交叉使用不同AI 以找到瓶頸處
調整架構與佈局導致整體大亂
— 固定儲存版本、看懂程式架構後與 AI 討論問題，幫助找到亂源
客戶需求改變致程式碼多次調整後的混亂
— 重新完整敘述需求、明確指出調整處與不可調整處，有助於AI大改畫面與功能
Result
｜效能邊界處理｜
— 明確與客戶說明 Sheet 的效能邊界，討論檔案拆分方式的交集
每日約消耗800列左右，而 Sheet 健康運行的列數在20000列內，但不可能要求客戶一個月就換一次新的 Sheet，因此設定系統會將「一週以前」的資料（因已確認不會更改）全部解除公式成為純數據，不佔用系統計算能量。
｜價格層級邏輯確立｜
— 成本價<包裝價<熟客價<出貨價<單價，多種價格作為同一參數，在不同條件、情境下需嚴格取用，極易混亂。能從模糊的客戶口述中整理出明確的結構化規則並確實產出正確提取的公式。
AI 能高效解決結構化、數據化的需求，迭代速度遠超手工。
但使用者在操作體驗上的不適，AI 分辨不出來（給出正確但不太好用的解方）。
我在既定的技術架構下判斷哪些流程可以調整、哪些互動需要被重新設計：
輸入區與結果區的分離、一般數據與關鍵數據的色彩對比、防呆機制放在哪一步、哪些行為可以合併（而不是完全遵照客戶既有流程），
這些依然需要設計角度的評估與同理，提出更人性化的體驗。
客戶測試皆在3次迭代內滿意結果，後續確實投入實際運作，回報初期加快作業約30%（上手期）。
後續持續提出更多 前/後台/POS機台 之需求如「價格計入包裝/人力成本」、「加價購」，也於兩週內完成、測試並上線。
