Batch Processing

批次處理是什麼，跟子代理有什麼不同？

批次處理是把同一套處理邏輯，套用到大量性質相似的對象上，一次性完成，例如用同一套標準檢查一百封客戶回饋郵件的情緒傾向，或用同一套格式規則把五十份會議紀錄整理成統一樣式。批次處理的核心是「一套邏輯、多個對象」，你只需要把邏輯講清楚一次，系統就會把這套邏輯套用到每一個對象上。

這跟子代理是不同的分工邏輯。子代理拆的是「不同類型的任務」，例如把審查合約、研究競品、整理會議紀錄這三種不同性質的工作，分給三個子代理各自處理；批次處理拆的則是「同一種任務」，套用到多個對象，例如同樣是審查合約這件事，套用到二十份不同的合約上。簡單說，子代理解決的是「任務類型不同、可以平行處理」的情況，批次處理解決的是「任務類型相同、對象數量很多」的情況，兩者可以合併使用：先用批次處理把二十份合約分成幾批，再用子代理讓不同批次平行進行。

批次處理有哪些風險，哪個最容易被忽略？

最容易被忽略的風險是「邏輯本身的品質，決定了一百份結果的品質」。批次處理的效率來自套用同一套邏輯，但這也代表如果邏輯本身有瑕疵或考慮不周，這個瑕疵不會只發生一次，而是被完整複製到每一個對象上。舉例來說，如果你請 Claude 用「語氣是否禮貌」這個標準篩選客訴信件，但沒有先定義清楚「禮貌」的判斷標準涵蓋哪些面向，這個模糊性會在一百封信件裡重複出現一百次，而不是像手動處理時，你可能在處理過程中逐漸修正自己的判斷標準。

第二個常被忽略的風險，是對象之間差異被抹平。批次處理假設所有對象都適用同一套邏輯，但如果對象之間其實有重要的個別差異——例如客訴信件裡有一封其實牽涉到法律糾紛，需要特殊處理——用統一標準去套用，反而可能讓這種特殊情況被當成普通案例處理掉，錯過真正需要人工介入的個案。

什麼情況下應該用批次處理，什麼情況下不應該？

適合用批次處理的核心判斷標準是「對象之間的差異性低、判斷標準可以統一講清楚」。例如把上百筆客戶意見依照固定分類（產品問題、服務態度、價格疑慮）分類、把大量文件轉換成統一格式、依照固定標準篩選出符合條件的名單——這些工作的對象雖然數量多，但彼此適用同一套邏輯，適合批次處理。

不適合的情況是對象之間差異很大，需要針對每個對象的具體脈絡做個別判斷。例如審核一批性質差異很大的合作提案，每份提案的產業背景、合作模式都不同，如果硬是套用同一套簡化標準，很可能忽略掉每份提案真正該被重視的細節。簡單判斷法：問自己「這些對象，是不是可以用同一句話講清楚該怎麼判斷」，如果答案是可以，適合批次處理；如果每個對象都需要一段不同的說明才能講清楚該怎麼判斷，就不適合硬套批次處理。

進階使用者怎麼設計批次處理任務，讓漏網之魚被抓出來？

進階使用者的關鍵做法是「在批次處理裡內建例外標記機制」，而不是假設所有對象都完全符合統一邏輯。具體做法是在提示詞裡明確要求，除了套用標準邏輯之外，如果某個對象明顯不符合一般情況的假設（例如內容牽涉法律爭議、金額異常大、語氣明顯脫離常見範圍），要主動標記出來並簡短說明原因，而不是勉強套進標準分類裡。這樣批次處理仍然保有效率，同時把真正需要人工判斷的例外案例挑出來，而不是被淹沒在其他一百筆正常案例裡。

另一個進階技巧是分階段批次處理：先用寬鬆標準做第一輪批次篩選，把對象分成「明確符合」「明確不符合」「不確定」三類，再針對「不確定」這一類用更精細的邏輯或人工複查處理。這樣可以避免用同一套過於簡化的標準處理所有情況，同時保留批次處理在大多數情況下的效率優勢，只在真正模糊的部分投入更多判斷資源。