Astryx 教學手冊

Astryx 教學手冊(企業級實戰版) 版本: v1.1(2026-07-09 查證更新) 適用對象: 資深前端工程師、React 架構師、Design System 負責人、AI 開發導入團隊 技術棧: React 19+、TypeScript 5.x、StyleX、Node.js(一般使用無版控要求;貢獻原始碼建議 22 LTS) 文件等級: 企業標準教育訓練教材(實戰與維運導向) 參考來源: facebook/astryx 官方 Repository(README、CONTRIBUTING.md)、官方文件站 astryx.atmeta.com(Getting Started、CLI、Components、Typography 等頁面)、官方部落格 Introducing Astryx、npm registry(@astryxdesign/* 系列套件)、第三方報導(MarkTechPost、Tech Times),並以自身架構經驗重新消化整理,非逐字翻譯 ⚠️ 版本快照提醒: Astryx 為 Meta 於 2026 年 1 月建立、2026 年 6 月底以 Beta 身分正式對外發布的新專案(查證時點:GitHub 7,314 ★、487 fork、MIT 授權)。專案仍在快速迭代中,本文所有具體事實(元件命名、CLI 指令、Token 架構等)均查證截至 2026-07-09,企業導入前務必以官方最新文件(astryx.atmeta.com)再次確認,避免版本落差造成的認知落差。 目錄 使用建議 前言 第一章 Astryx Overview 第二章 Architecture 第三章 Installation 第四章 Project Structure 第五章 CLI 第六章 Components 第七章 Theme System 第八章 Accessibility 第九章 AI Agent Ready 第十章 與其他 Design System 比較 第十一章 與 AI Coding 整合 第十二章 Reverse Engineering 第十三章 Framework Upgrade 第十四章 Enterprise Best Practice 第十五章 與 GitHub Copilot 整合 第十六章 與 Claude Code 整合 第十七章 系統維護 第十八章 系統升級 第十九章 FAQ 第二十章 Troubleshooting 第二十一章 Best Practice(企業最佳實務 100 條) 第二十二章 Prompt Collection 第二十三章 Case Study 第二十四章 Conclusion 使用建議 依讀者角色不同,建議的閱讀路徑如下,不需要從頭到尾逐章閱讀: ...

July 9, 2026 · 30 min · 6182 words · Eric Cheng

Strix 教學手冊

Strix 完整教學手冊(Enterprise Edition) AI Agent 自動化滲透測試.AI Security Testing.DevSecOps.Secure SDLC.CI/CD Security.Framework Upgrade Security.Reverse Engineering Security 📖 本手冊撰寫依據:本手冊內容根據 Strix(github.com/usestrix/strix,官方文件 docs.strix.ai)之公開原始碼、官方文件與 Release 資訊重新理解、消化後撰寫而成,並非官方 README 之翻譯或複製。文中會明確標註「已於官方原始碼/文件驗證」與「概念性說明、建議讀者自行對照最新原始碼確認」兩類內容,避免將未證實的細節當作官方保證的規格陳述。Strix 是一個仍在快速迭代(Apache-2.0 授權)的開源專案,實際旗標、環境變數與行為請務必以當下版本之官方 repo 為準。 ⚠️ 使用倫理提醒:Strix 屬於「主動攻擊型」AI Agent 安全測試工具,具備實際發起滲透測試行為的能力(注入、越權嘗試、RCE PoC 驗證等)。僅可在取得明確授權的目標(自有系統、合約載明範圍之客戶系統、或合法 CTF/實驗環境)上使用,未經授權對第三方系統執行掃描或攻擊行為可能觸犯電腦犯罪相關法規。企業導入前務必先建立授權範圍書(Rules of Engagement)。 📌 使用建議 依讀者角色,建議以下閱讀路徑: 資安工程師 / 滲透測試人員:第一章 → 第二~四章(架構與運作原理)→ 第九~十四章(掃描模式與漏洞偵測)→ 第二十二章(報告) DevSecOps / 平台工程師:第一章 → 第六~八章(安裝與設定)→ 第十九~二十一章(SSDLC、CI/CD、Headless)→ 第二十五章 研發主管 / 架構師(導入評估):第一章 → 第五章(LLM 成本與能力)→ 第二十三~二十四章(企業最佳實務、大型平台案例)→ 全文結尾之「企業導入指南」 AI Coding / Claude Code 重度使用者:第四章(Agent 原理)→ 第十五~十六章(與 Claude Code / Copilot 整合)→ 第二十六~二十七章 金融 / 政府 / 醫療等高合規產業:第一章 → 第十九章(SSDLC)→ 第二十三章(企業最佳實務)→ 第三十五章附錄之 OWASP/MITRE ATT&CK/CWE Mapping 💡 提醒:本手冊篇幅龐大(35 章 + 附錄),建議搭配目錄以「主題」而非「從頭到尾」方式查閱,並在企業內部依實際導入節奏分批研讀、分批落地。 ...

July 6, 2026 · 35 min · 7446 words · Eric Cheng

Caveman 教學手冊

caveman 教學手冊(企業級 Token 最佳化完整版) 版本基準: caveman v1.9.1(2026-07-03 發布,官方代號 “65%, honestly”) 適用對象: 資深工程師、AI Coding Agent 導入負責人、架構師、DevSecOps 工程師、技術主管、企業導入決策者 技術定位: AI Coding Agent 輸出壓縮 Skill / Plugin / Hook(Prompt 層級優化,非模型微調) 授權: MIT License(原始專案 JuliusBrussee/caveman) 文件等級: 企業標準技術白皮書 + 教育訓練教材 文件目標定位: 企業 AI Coding Agent Token 最佳化完整教學手冊 📋 目錄 第一部分:核心概念與架構 第1章 caveman 是什麼 第2章 caveman 系統架構 第3章 caveman 工作原理 第4章 Token 節省原理 第二部分:安裝與 Agent 整合 第5章 安裝教學 第6章 AI Agent 整合 第7章 caveman Modes 第8章 Prompt 運作原理 第三部分:企業應用實務 第9章 Web Application 開發最佳實務 第10章 Legacy Modernization 第11章 Framework Upgrade 第12章 Reverse Engineering 第13章 Prompt Engineering 企業範本 第14章 Token 最佳化策略 第四部分:維運與升級治理 第15章 系統維護 第16章 系統升級 第17章 團隊導入指南 第五部分:品質、風險與比較 第18章 最佳實務(Best Practices) 第19章 常見錯誤(Anti-Patterns) 第20章 FAQ 常見問答 第21章 與其他方案比較 第22章 優缺點分析 第23章 Security 安全分析 第六部分:實戰案例與附錄 第24章 完整企業案例 第25章 附錄(Appendix) 📖 文件說明 🎯 文件目標 本手冊定位為「企業 AI Coding Agent Token 最佳化完整教學手冊」,目的是協助已大量採用 Claude Code、GitHub Copilot、Gemini CLI、Cursor 等 AI Coding Agent 的技術團隊,導入 caveman 這款「輸出壓縮」Skill,在不犧牲程式碼品質的前提下,降低 AI Agent 對話與文字說明所耗費的 Token 量,進而縮短回覆時間、降低 API 成本。 ...

July 6, 2026 · 38 min · 8063 words · Eric Cheng

Github Repositories 建立教學手冊

Github Repositories 建立與維運教學手冊 — 企業級實戰指南 版本:v4.0(2026-11-03) 適用對象:技術主管 / 架構師 / 資深工程師 / 平台與 DevOps 團隊 / 資安人員 / 專案經理 定位:企業標準技術白皮書 參考標準:GitHub Docs — Repositories(2026-11 版)/ GitHub Changelog / GitHub Enterprise Cloud 治理實務 / DevSecOps / SSDLC / SLSA / OpenSSF Scorecard / OWASP Top 10 CI/CD Security Risks 最後審閱日期:2026-11-03 本版重點:依官方文件與 2026-09-25~11-03 的 GitHub Changelog 逐章查證,更正 21 項內容、新增 7 個主題小節;每章新增「審查與驗證清單」,讓讀者能逐項審查 AI 依本手冊產出的設定;所有 Workflow、設定檔、腳本與圖表範例均經工具實際驗證。完整清單見 附錄 C.2、附錄 C.3 與 附錄 C.5,歷次版本見 附錄 C.7 閱讀指引 本手冊涵蓋 GitHub Repository 從建立到維運的完整生命週期,依讀者角色建議閱讀路徑: ...

July 3, 2026 · 135 min · 28578 words · Eric Cheng

Anthropic Cybersecurity Skills 教學手冊

Anthropic Cybersecurity Skills 教學手冊 版本:v1.0(依據官方 repo v1.3.0 / main 分支,2026-07 查詢版本整理) 適用對象:Cybersecurity Architect、DevSecOps 架構師、AI Agent 架構師、Secure SDLC 顧問、資深後端/前端工程師、逆向工程/Framework 升級團隊 內容定位:本手冊聚焦於開源專案 Anthropic Cybersecurity Skills(github.com/mukul975/Anthropic-Cybersecurity-Skills)——目前最大的開源 AI Agent 網路安全技能庫——的設計理念、系統架構、六大框架整合、安裝設定、實戰應用(Web 開發/逆向工程/Framework 升級)、第三方技能安全審查,並延伸至企業級 DevSecOps 導入建議。 重要聲明(請務必詳讀): 本專案為獨立社群專案,並非 Anthropic PBC 官方產品或官方維護的資產(README 原文:"⚠️ Community Project — This is an independent, community-created project. Not affiliated with Anthropic PBC.")。專案作者為 Mahipal Jangra(GitHub:mukul975),採 Apache-2.0 授權。手冊中所有「Anthropic」字樣皆指技能庫命名慣例(呼應 Claude / Agent Skills 生態),不代表官方背書。 本技能庫包含攻擊性與雙用途(dual-use)技術(例如紅隊 C2、釣魚模擬、滲透利用),官方明確聲明:「僅限經授權且合法之用途」(Authorized & lawful use only)。僅可對「你擁有或已取得書面授權測試」的系統使用這些技能,並須遵守所有適用法規與交戰規則(Rules of Engagement)。使用者需自行承擔使用後果,詳見專案 SECURITY.md 與 CODE_OF_CONDUCT.md。企業導入前務必先完成法務/資安治理審查(詳見第 11、17 章)。 本文第 1~10、12~16 章之技術描述(Skill 數量、框架版本、YAML frontmatter 欄位、安裝指令、相容平台)基於官方 README、ATTACK_COVERAGE.md、repo 目錄結構逐項核對整理,非逐字翻譯;GitHub 社群數據(Star/Fork 數、Skill 總數)反映查詢當下時間點,會持續變動,實際導入前請以官方 repo 當下版本為準。第 8、9、10、17、19、20 章之企業應用情境屬「企業實務延伸」內容,是顧問觀點下的建議做法,並非官方功能宣稱,文中會標註。 如何使用本手冊 Anthropic Cybersecurity Skills 解決的問題很直接:市面上的資安工具倉庫(wordlist、payload、exploit script)教你「用什麼工具」,但沒有教 AI Agent「資深分析師的決策流程」——什麼情境該用哪個技術、前置條件是什麼、如何一步步執行、如何驗證結果。這個專案把 817 個結構化技能(Skill)以 agentskills.io 開放標準封裝,讓 Claude Code、GitHub Copilot 等 AI Agent 可以在毫秒等級的 frontmatter 掃描後,精準載入所需的資安工作流程。 ...

July 2, 2026 · 29 min · 6113 words · Eric Cheng

Learn Claude Code 教學手冊

learn-claude-code 教學手冊 版本:v1.2(2026-07) 適用對象:資深工程師、架構師、AI Agent 開發團隊 定位:企業級 AI Coding Agent Harness Engineering 實戰白皮書 參考專案:shareAI-lab/learn-claude-code(69.3k+ Stars,MIT License) 線上學習平台:learn.shareai.run 目錄 1. 專案概述 1.1 learn-claude-code 是什麼 1.2 Agency 的本質 — 來自模型訓練而非程式碼 1.3 Agency 的歷史脈絡 1.4 Agent 不是什麼 — 破除「提示詞水管工」迷思 1.5 心智轉換:從「開發 Agent」到開發 Harness 1.6 為何選擇 Claude Code 作為教學標本 1.7 與 Claude Code / Cursor 的差異 1.8 為何企業應該自己打造 Agent 2. 系統整體架構設計 2.1 Agent Runtime 架構 2.2 LLM Gateway(可替換 OpenAI / Claude) 2.3 Tool Layer 設計 2.4 Task Queue 與持久化 2.5 Workspace / Worktree 隔離 2.6 Memory 系統(短期 / 長期) 2.7 Multi-Agent Coordination 2.8 與企業系統整合方式 2.9 範圍說明與設計限制(Scope) 3. Agent 核心機制解析(20 Sessions) 3.1 Agent Loop(s01) 3.2 Tool Use 與 Dispatch Map(s02) 3.3 Permission 三層防護(s03) 3.4 Hooks 擴展點機制(s04) 3.5 Planning / Reflection — TodoWrite(s05) 3.6 Subagent 機制(s06) 3.7 Skills 按需載入(s07) 3.8 Context Compact — 壓縮策略(s08) 3.9 Memory System 記憶系統(s09) 3.10 System Prompt 動態組裝(s10) 3.11 Error Recovery 錯誤恢復(s11) 3.12 Task 持久化與相依管理(s12) 3.13 Background Tasks(s13) 3.14 Cron Scheduler 排程機制(s14) 3.15 Agent Teams 與 Mailbox(s15-s16) 3.16 Autonomous Agent 自治(s17) 3.17 Worktree + Task Isolation(s18) 3.18 MCP Plugin 外部工具整合(s19) 3.19 完整 Agent 整合(s20) 4. Harness Engineering(核心競爭力) 4.1 什麼是 Harness 4.2 Harness 工程師的五大職責 4.3 如何設計 Tool Interface 4.4 如何限制 Agent 行為(安全性) 4.5 如何提升成功率(Prompt / Retry / Guardrails) 4.6 CLAUDE.md 系統設計 5. 實作教學(Step-by-step) 5.1 環境安裝 5.2 專案初始化 5.3 第一個 Agent — Agent Loop 5.4 Tool 註冊(讀檔 / 寫檔 / Shell) 5.5 加入計畫能力 — TodoWrite 5.6 加入測試能力 5.7 加入錯誤修復能力 5.8 加入 Hooks 機制 6. 建立企業級 Coding Agent 6.1 Code Generation 6.2 Code Review 6.3 Test Generation 6.4 Refactoring 6.5 文件產生 7. Multi-Agent 設計(進階) 7.1 Agent Team 架構設計 7.2 任務拆解策略 7.3 Agent 溝通方式 — JSONL Mailbox 7.4 狀態管理與生命週期 8. 實際應用場景 8.1 Web Application 開發 8.2 舊系統逆向工程 8.3 Framework 升級 8.4 Batch 系統改寫 9. 與企業架構整合 9.1 資料庫整合(DB2 / Oracle / PostgreSQL) 9.2 訊息佇列(Kafka / RabbitMQ) 9.3 微服務架構整合 9.4 CI/CD 整合(GitHub Actions / Jenkins) 9.5 權限控管(RBAC) 9.6 MCP Server 整合 10. 安全與 SSDLC 10.1 Prompt Injection 防護 10.2 Tool 權限控管 10.3 Code 安全掃描 10.4 Audit Log 10.5 合規(金融場景) 11. 使用指南(給團隊) 11.1 日常開發流程 11.2 如何下 Prompt 11.3 如何 Debug Agent 11.4 常見錯誤與排除 12. 最佳實踐(Best Practices) 12.1 Prompt 設計 12.2 Tool 設計原則 12.3 Agent 拆分策略 12.4 成本控制 12.5 Context Engineering 最佳實踐 13. 願景:用 Agent 覆蓋每一個領域 13.1 跨領域 Agent 設計模式 13.2 從被動會話到主動常駐助手 14. 延伸資源與姊妹專案 14.1 Kode Agent CLI 14.2 Kode Agent SDK 14.3 claw0 — 常駐 Agent 教學專案 14.4 OpenClaw — 社群生態 15. 附錄 15.1 範例 Prompt 集 15.2 CLI 指令速查表 15.3 常見問題 FAQ 15.4 檢查清單(Checklist) 1. 專案概述 1.1 learn-claude-code 是什麼 learn-claude-code 是由 shareAI-lab 開源的 AI Coding Agent 教學專案(GitHub 69.3k+ Stars,MIT License,創立於 2025-06),核心理念為「Harness Engineering for Real Agents」。專案副標題精確概括了其定位: ...

July 1, 2026 · 78 min · 16511 words · Eric Cheng

Agency Agents教學手冊

agency-agents 教學手冊(企業標準技術白皮書) 版本:v4.0 | 最後更新:2026-11-13 上游基準:msitarzewski/agency-agents main@8ae6164(2026-11-08):283 個 Agent、18 個部門、17 種工具 適用對象:資深工程師、架構師、技術主管、資安與品質負責人 授權:內部教育訓練使用(上游專案為 MIT License) 目錄 0. 文件資訊與閱讀指南 0.1 本手冊的目標 0.2 版本基準與查核方式 0.3 符號說明 0.4 建議閱讀路線 0.5 本章審查與驗證清單 1. 總覽(Overview) 1.1 agency-agents 是什麼 1.2 核心設計理念 與泛用 Prompt、Prompt 庫、封閉工具的差異 1.3 與傳統開發模式的差異 1.4 適用與不適用場景 適用場景 不適用或需特別小心的場景 1.5 部門總覽 1.6 社群生態 官方管道 社群翻譯版本 1.7 發展歷程與路線圖 發展歷程 路線圖(上游 README,2026-11) 1.8 本章審查與驗證清單 2. 系統架構設計(Architecture) 2.1 整體架構圖 2.2 四份「單一真實來源」合約檔 tools.json 實際結構 2.3 轉換與安裝管線 轉換產物不提交 2.4 Agent 檔的兩個語意群組 2.5 NEXUS 協作層 2.6 多 Agent 協作模型 2.7 與企業系統的整合邊界 2.8 本章審查與驗證清單 3. 安裝與環境建置(Installation & Setup) 3.1 前置需求 3.2 取得專案 3.3 目錄結構 3.4 方式一:桌面 App(最簡單) 3.5 方式二:CLI 安裝(install.sh 完整參考) 參數總表(取自 install.sh 的 usage 區塊) 各工具安裝範例 3.6 選擇性安裝 依 NEXUS runbook 安裝整個團隊 3.7 以環境變數覆寫安裝路徑 3.8 複製(預設)與符號連結(–link) 3.9 Windows 環境 3.10 平行轉換與安裝 3.11 驗證安裝 3.12 本章審查與驗證清單 4. Agent 結構解析(Agent Design) 4.1 Agent 檔案的完整結構 4.2 Frontmatter 規格(以 lint-agents.sh 為準) 4.2.1 services 欄位 4.3 color 規則 4.4 章節標題與轉換的關係 4.5 程式碼區塊的巢狀規則 4.6 Qwen Code 保留的 placeholder 4.7 Persona 設計原則 ✅ 好的 Persona ❌ 不良 Persona 4.8 Workflow 與交付物設計 任務輸入格式(給 Agent 的 prompt) 4.9 完整範例:企業版 API Reviewer 4.10 離線驗證工具:check_agent.py 驗證結果 4.11 本章審查與驗證清單 5. 與 AI Coding 工具整合(Integration) 5.1 整合方式總覽 5.2 Claude Code 5.2.1 安裝 5.2.2 呼叫方式 5.2.3 Claude Code 如何解讀 agency-agents 的欄位 5.2.4 企業做法:專案層副本加上工具白名單 5.2.5 組織層統一派發 5.3 GitHub Copilot 5.4 Codex 5.5 Gemini CLI 與 Antigravity 5.6 Qwen Code、ZCode 5.7 Cursor 5.8 OpenCode 5.9 Osaurus、DeepSeek Harness(skill-md 家族) 5.10 Kimi Code 5.11 OpenClaw 5.12 Aider 與 Windsurf(roster 類) 5.13 Hermes(延遲載入 router plugin) 5.14 Mistral Vibe 5.15 工具選擇建議 5.16 MCP Memory 整合(跨 session 記憶) 設定步驟 記憶治理 5.17 本章審查與驗證清單 6. 實戰:AI 開發流程(End-to-End Workflow) 6.1 案例說明:企業客戶管理系統(CRM) 系統需求 技術棧(2026-11 基準) 6.2 Agent 協作流程 交接規則 6.3 Phase 1:需求分析(Product Manager) Prompt Phase 1 預期產出(節錄) 🔍 Phase 1 人工驗收 6.4 Phase 2:架構設計(Backend Architect、UX Architect) Prompt(Backend Architect) Phase 2 預期產出(節錄) 🔍 Phase 2 人工驗收 6.5 Phase 3:實作(Backend Architect 實作模式、Frontend Developer) Prompt(後端) Phase 3 預期產出(節錄) 🔍 Phase 3 人工驗收 6.6 Phase 4:程式碼與 AI 產出安全審查 🔍 Phase 4 人工驗收(審查「審查報告」) 6.7 Phase 5:測試(API Tester、Evidence Collector) 🔍 Phase 5 人工驗收 6.8 Phase 6:放行審查(Reality Checker) 🔍 Phase 6 人工驗收 6.9 Phase 0 選配:全面產品探索 6.10 使用 NEXUS runbook 快速組隊 6.11 本章審查與驗證清單 7. SSDLC(安全開發流程) 7.1 agency-agents 在 SSDLC 中的定位 7.2 Security 部門角色對照(12 位) 7.3 需求與設計階段 安全需求 STRIDE 威脅建模 🔍 威脅模型人工驗收 7.4 開發階段:OWASP Top 10:2025 審查 🔍 OWASP 審查人工驗收 7.5 測試與發佈階段 DevSecOps 管線範本 7.6 資料分級:哪些東西不能進 prompt 7.7 Agent 檔的供應鏈安全 升級前掃描:scan_agent_risk.py 🔍 升級審查程序 7.8 本章審查與驗證清單 8. 系統維運(Maintenance) 8.1 日常維運工作一覽 8.2 修改 Agent 之後的標準流程 8.3 上游的 CI 合約(企業 Fork 應保留) 8.4 企業 Fork 的附加 CI 8.5 Prompt 優化循環 使用紀錄範本 8.6 版本資訊放哪裡 8.7 成本控制 8.8 疑難排解 8.9 本章審查與驗證清單 9. 系統升級(Upgrade Strategy) 9.1 升級流程 9.2 升級指令 9.3 客製化策略(避免衝突) 方案比較 9.3.1 方案 A:新增企業部門的完整步驟 9.3.2 方案 B:專案層覆蓋(Claude Code) 9.4 安裝紀錄(可重現性) 9.5 自動同步上游(GitHub Actions) 9.6 分支策略 9.7 本章審查與驗證清單 10. 最佳實踐(Best Practices) 10.1 Agent 設計原則 ✅ DO ❌ DON’T 10.2 審查 AI 產出的通用框架 幻覺偵測清單 10.3 什麼時候該用多 Agent 五種協作策略 常見組合速查 10.4 Prompt Engineering 技巧 結構化 Prompt 骨架 10.5 常見錯誤 10.6 本章審查與驗證清單 11. 企業導入建議(Enterprise Adoption) 11.1 導入路線圖 Phase 1:試點(約 9 週) Phase 2:擴展 Phase 3:優化(持續) 11.2 教育訓練 入門課大綱 11.3 治理(Governance) 最小代理權原則(Least Agency) 使用規範範本 角色與責任(RACI) 11.4 KPI 設計 成效指標 使用指標 月報範例 11.5 本章審查與驗證清單 12. 附錄(Appendix) 12.1 常用 Prompt 模板 模板 A:需求分析 模板 B:API 設計 模板 C:程式碼審查 模板 D:安全審查 模板 E:測試案例 模板 F:審查 AI 產出的「審查者」Prompt 12.2 新 Agent 模板 12.3 完整 Agent 名冊(2026-11-08,283 個) 12.4 FAQ Q1:需要付費嗎? Q2:支援哪些模型? Q3:可以修改 Agent 嗎? Q4:一次用幾個 Agent? Q5:Agent 的品質如何保證? Q6:Windows 可以用嗎? Q7:不同 Agent 的建議互相衝突怎麼辦? Q8:上游支援哪些工具? Q9:如何貢獻新 Agent? Q10:Healthcare 與 Research 是新部門嗎? Q11:如何回報安全問題? Q12:桌面 App 與 CLI 該選哪個? Q13:上游有版本號嗎? 13. 檢查清單(Checklist) 13.1 新進成員快速上手 環境(新進成員) 基本使用 安全意識 13.2 專案導入 前置 環境(專案) 規範 持續改善 13.3 上游升級 14. 參考資源與社群(Resources & Community) 14.1 官方資源 14.2 工具官方文件 14.3 延伸閱讀 14.4 社群管道 14.5 企業內部資源建議結構 附錄 A:v3.1 → v4.0 修正紀錄 A.1 事實更正 A.2 新增內容 附錄 B:驗證紀錄 B.1 驗證環境 B.2 名冊與工具計數 B.3 手冊工具表與 tools.json 比對 B.4 runbook 組隊工具 B.5 手冊本身的自動檢查 B.6 待驗證項目 0. 文件資訊與閱讀指南 0.1 本手冊的目標 本手冊不是上游 README 的翻譯。它是一份企業導入白皮書,目標有三個: ...

July 1, 2026 · 71 min · 14963 words · Eric Cheng

AutoResearch 驅動 SSDLC(安全軟體開發生命週期)教學手冊

AutoResearch 驅動 SSDLC(安全軟體開發生命週期)教學手冊 文件版本:v4.0(2026-10-23) 文件等級:企業標準技術白皮書 對齊基準: 上游 karpathy/autoresearch master@228791f(2026-03-26 最後一次推送) Claude Code 官方文件 code.claude.com/docs 與 Changelog 至 v2.1.309;CLI 旗標另以本機 v2.1.304 的 claude --help 核對;Claude Agent SDK(Python)0.2.173;anthropics/claude-code-action v1.0.259 GitHub Copilot 官方文件(github/docs 2026-10-23 版本);Copilot CLI 以本機 1.0.100 的 copilot --help 核對;GitHub Agentic Workflows gh aw v0.93.2 標準框架:NIST SSDF SP 800-218 v1.1(v1.2 仍為草案)、SP 800-218A、OWASP Top 10:2025、OWASP Top 10 for Agentic Applications 2026、SLSA v1.2 適用對象:資深工程師、DevSecOps/平台團隊、Security Champion、AI 導入負責人、技術主管與稽核人員 前置知識:Python、Git、CI/CD 基礎,以及至少用過一種 AI coding agent 驗證方式:手冊中的 evaluator、hook、設定檔、workflow、SDK 程式與檢查器全部在本機實際執行,執行結果直接嵌入內文;完整紀錄見附錄 F ...

July 1, 2026 · 79 min · 16764 words · Eric Cheng

Pi Code Agent 教學手冊

文件版本:v2.0(2026-10-24) 對齊基準:Pi v1.4.0(@earendil-works/pi-coding-agent,2026-10-21 發布)。官方文件以 earendil-works/pi 倉庫 v1.4.0 tag 的 packages/coding-agent/docs/ 全部 43 份文件為準;CLI 旗標以本機安裝的 v1.4.0 pi --help 與各子命令 --help 逐一比對;設定檔以套件內附的官方 JSON Schema(settings/models/keybindings/theme)驗證 適用對象:開發者、Tech Lead、架構師、DevOps/平台工程、資安與稽核人員、AI 導入負責人 驗證方式:手冊中的 Extension、SDK 程式、設定檔、Prompt Template、Skill、MCP 設定與 CLI 指令,都已在隔離環境中實際執行。執行時以本機的 mock LLM(OpenAI 相容)與 mock MCP server 取代雲端模型,讓 Pi 的真實程式碼路徑(上下文組裝、工具呼叫、權限閘門、Codemode、RPC、Session 落地)可重現地跑完。執行輸出直接嵌入內文,完整紀錄見附錄 F 授權:本手冊供內部教育訓練使用;Pi 本身為 MIT License,版權屬 Earendil Inc. 與貢獻者 修訂記錄 版本 日期 主要變更 v0.x 2026-07-01 ~ 2026-08-20 初版至 v0.84.2 核校版,18 章 v2.0 2026-10-24 對齊 Pi 1.4.0,全面重組為 24 章+附錄 A ~ F。新增 MCP、Codemode、Virtual Models、Classifier/Image 模型、Docker Sandboxes 等 1.x 功能章節;更正舊版 52 項錯誤與過時內容(附錄 E);每章新增「本章目標」與「本章審查與驗證清單」;所有範例都附實際執行結果,負向案例證明檢查有效(附錄 F) 摘要 Pi(Pi Coding Agent)是 Earendil Inc. 維護的開源終端 AI Agent 框架(MIT)。它的定位是「最小、可擴充、可以變成你自己的 agent harness」:核心只內建 4 個預設工具與一套透明的 agent loop,其餘能力透過 Extension、Skill、Prompt Template、Theme 與 Pi Package 由團隊自行組裝。2026 年 10 月 1 日發布的 Pi 1.0 是重要轉折:官方一改過去「不做 MCP」的立場,以 Codemode(QuickJS 沙箱中執行的 JavaScript)為核心內建 MCP 支援,並加入 Virtual Models、非 LLM 模型(分類器、影像生成)、預設全螢幕 TUI 等功能。 ...

July 1, 2026 · 96 min · 20269 words · Eric Cheng

Claude Howto 教學手冊

claude-howto 教學手冊(企業技術白皮書版) 文件版本:v3.0(2026-10-23) 對齊基準:官方文件 code.claude.com/docs(2026-10-23 下載全部 228 頁)與 Changelog 至 Claude Code v2.1.309(2026-10-22);CLI 旗標另以本機 v2.1.304 的 claude --help 核對;上游 claude-howto main@188f468(同步 v2.1.302,2026-10-20) 適用對象:開發者、Tech Lead、架構師、DevOps/平台團隊、資安與稽核人員、AI 導入負責人 驗證方式:手冊中的設定、hook、skill、agent、MCP、plugin、workflow 與 CI 範例,皆以第 22 章的檢查工具或 Claude Code 本身(claude plugin validate、claude plugin details)實際執行,結果直接嵌入內文;完整紀錄見附錄 F 授權:內部教育訓練使用;claude-howto 原始專案為 MIT License 修訂記錄 版本 日期 主要變更 v1.0 2026-04-24 初版,對應 claude-howto v2.1.112 v1.1 2026-05-02 補充 hook 事件、plugin 安全、permission modes v2.0 2026-07-01 同步 claude-howto v2.1.160;新增 workflow、微服務、合規、模型選用、術語表 v3.0 2026-10-23 依上游十模組學習順序全面重組為 22 章+附錄 A ~ F;同步 Claude Code v2.1.309 與上游 v2.1.302;更正 v2.0 的 47 項錯誤與過時內容(附錄 F.2);每章新增「本章目標」與「本章審查與驗證清單」;新增第 22 章 AI 產出驗證方法論與 6 個實測的檢查工具;所有範例附正反例驗證結果 摘要 claude-howto(GitHub:luongnv89/claude-howto,約 43.2k stars)是目前最完整的 Claude Code 社群實戰教材:10 個模組依學習順序排列,約 50 個可直接複製的範本,並內附自我評估工具。 ...

July 1, 2026 · 113 min · 24013 words · Eric Cheng