scheduled-automation

在一個牽涉 Claude 跟多個人的流程裡，把每一段「這件事現在該誰負責」講清楚——工具負責找出問題、誰負責判斷問題、誰負責在沒人回應時接手，讓事後追查「哪裡出錯」時，找得到對應的那一段，而不是所有人都說「我以為是別人在管」。

Agent Loop 是 AI 代理（Agent）執行任務的基本運作循環：感知當前狀態 → 規劃下一步行動 → 執行行動 → 觀察結果 → 再次規劃，如此反覆直到任務完成。它讓 Claude 能從「回答一個問題」進化成「自主完成一個多步驟任務」。

把一批性質相同的任務（例如 20 份文件都要摘要、50 筆資料都要分類）一次性打包送出，而不是一則一則手動貼上去問，讓 Claude 用同一套指令逐一處理整批，人只需要設定一次規則，不用重複下達同樣的指令 20 次。

衡量一份資料距離「上一次真正更新」過了多久，用來判斷這份資料現在還能不能相信——資料存在不等於資料是新的，一份資料可能一直都在、看起來完整，卻已經是好幾天前的舊版本。

讓一個排程任務照正常流程跑完一次，但不真的送出郵件、不真的寫入資料庫、不真的觸發下游動作，只把「如果真的執行，會發生什麼事」列出來給你看，等於先看過劇本再上台，不是邊演邊改。

明訂一個排程任務真的出問題時，該通知誰、用什麼方式通知、如果第一個人沒回應多久後該換下一個人——不是「出事了發個通知」這麼簡單，是一條有順序、有時限的<a href="/zh/glossary/scheduled-automation/accountability-chain/">責任鏈</a>。

當重試策略用盡、或一開始就判定不該重試時，明訂系統該怎麼收尾——切換備用資料來源、產出標記不完整的部分結果、還是直接停下等人，重點是這個收尾一定要被人看見，不能默默停在那裡沒人知道。

把一個任務設計成「不管重複執行幾次，最終結果都跟只執行一次一樣」——這是 retry policy（重試策略）能安全運作的前提，如果任務本身不冪等，每次重試都在疊加新的後果，重試次數愈多，錯誤反而愈嚴重。

排程任務失敗後，明訂重試幾次、每次間隔多久、間隔怎麼遞增的規則——不是失敗就無止盡地重試，也不是失敗一次就立刻叫人，是在兩者之間畫一條有限、有節奏的界線。

Scheduled Tasks（<a href="https://claude-me.com/zh/glossary/scheduled-automation/scheduled-task/" target="_blank" rel="noopener">排程任務</a>）是 Claude.ai 的功能，讓你能設定 Claude 在指定的時間點自動執行特定的提示詞或任務——例如每天早上 8 點自動生成今日工作簡報、每週一自動整理上週的 Email 摘要。它把 Claude 從「你去問才有答案」變成「到時間自動來告訴你」的主動模式。

一個<a href="https://claude-me.com/zh/glossary/scheduled-automation/scheduled-task/" target="_blank" rel="noopener">排程任務</a>實際上已經停止正常運作、資料不再更新，但系統表面上看起來一切照常——沒有跳出錯誤訊息、排程還是準時觸發，只是背後其實什麼都沒完成，這種失敗不是被誰發現的，是等到有人偶然核對才會被揭穿。

決定一個排程任務該在什麼情況下啟動的判斷邏輯——單純的固定時間（每天早上九點）只是最簡單的一種，更完整的觸發條件還要問「時間到了，該處理的資料真的準備好了嗎」，時間對不代表可以開始。

把好幾個能夠共同精確代表一筆資料的欄位組合起來，變成一個固定的標記——同一筆資料不管被處理幾次，產生的標記都完全一樣，這樣才能拿標記去比對「這筆是不是已經處理過了」，是 idempotent task design（<a href="/zh/glossary/scheduled-automation/idempotent-task-design/">冪等任務設計</a>）能實際落地的技術手段。

把一連串原本要人手動接力完成的步驟（讀資料、判斷、產出、通知）串成一條會自動執行的流程，人只需要在關鍵節點確認或處理例外，不必每一步都親自動手——這是一個上位概念，實際做法可能靠排程任務、可能靠錄好的技能，也可能兩者搭配。