Redis教學手冊 版本：1.0 最後更新：2026 年 1 月 適用對象：資深工程師、中階工程師、DevOps、新進同仁 定位：企業級實務導向教學手冊 最後更新: 2026年1月27日 適用於: Redis 7.x Created by: Eric Cheng 目錄 Redis 簡介與核心概念 1.1 Redis 是什麼？適合解決什麼問題 1.2 In-Memory 設計原理 1.3 單執行緒模型與效能優勢 1.4 Redis 與 RDBMS / NoSQL 的差異 1.5 常見使用場景與反模式（Anti-pattern） Redis 系統架構設計 2.1 Redis 架構總覽 2.2 Single Node 架構 2.3 Master / Replica（主從複寫） 2.4 Sentinel 高可用架構 2.5 Redis Cluster 架構（Sharding） 2.6 架構選型建議 Redis 安裝與部署 3.1 Linux 安裝（建議版本） 3.2 Docker / Container 部署 3.3 基本目錄結構說明 3.4 Redis CLI 工具介紹 3.5 常見安裝錯誤與排查方式 Redis 設定（redis.conf） 4.1 基本設定說明 4.2 記憶體管理 4.3 Persistence 設定（RDB / AOF） 4.4 Replication 設定 4.5 Cluster / Sentinel 設定重點 4.6 資安相關設定 Redis 資料結構與使用方式 5.1 String（字串） 5.2 Hash（雜湊） 5.3 List（列表） 5.4 Set（集合） 5.5 Sorted Set（有序集合） 5.6 進階資料結構 Redis 系統使用實戰 6.1 快取設計模式 6.2 TTL 與 Key 命名規範 6.3 Session 管理 6.4 Rate Limiting（速率限制） 6.5 分散式 Lock（RedLock 概念） 6.6 Queue / Pub-Sub / Stream 使用情境 應用系統如何串接 Redis 7.1 系統整體架構說明 7.2 常見串接方式（Client Library） 7.3 Java（Spring Boot + Redis） 7.4 Node.js / Python 串接概念 7.5 Connection Pool 設計 7.6 Timeout / Retry / Fallback 設計 Redis 維運與監控 8.1 常用監控指標 8.2 INFO 指令說明 8.3 慢查詢（Slow Log） 8.4 Key 分析與 Big Key 問題 8.5 常見效能問題與處理方式 Redis 系統升級與版本管理 9.1 升級前評估事項 9.2 Rolling Upgrade 策略 9.3 升級風險與回滾策略 9.4 舊資料相容性說明 9.5 版本差異注意事項 資安與風險控管 10.1 Redis 常見資安風險 10.2 內網 / 外網使用原則 10.3 ACL 與權限控管 10.4 防止誤刪與資料風險 10.5 實務安全建議 Redis Best Practices（最佳實務） 11.1 Key 設計原則 11.2 避免的設計地雷 11.3 高併發系統設計建議 11.4 與資料庫搭配策略 11.5 團隊使用規範建議 常見問題與除錯（FAQ / Troubleshooting） 12.1 Redis 掛掉怎麼辦 12.2 記憶體暴增如何處理 12.3 Hit Rate 過低的原因 12.4 Replication 延遲處理 12.5 實務案例分享 檢查清單（Checklist） 🔧 部署前檢查 📝 開發規範檢查 🔍 日常維運檢查 🚀 升級前檢查 🛡️ 資安檢查 附錄：常用指令速查表 ...

Logstash / Elasticsearch / Kibana（ELK Stack）教學手冊 版本：1.0 最後更新：2026 年 1 月 適用對象：資深軟體工程師、系統架構師、SRE / DevOps 工程師 前置知識：Linux 基礎、Java 應用程式、基本網路概念 最後更新: 2026年1月27日 適用於: Logs Visualization Created by: Eric Cheng 目錄 第一章：Logs Visualization 與 ELK Stack 概述 1.1 為什麼需要 Logs Visualization 1.2 Logs 與 Metrics 的差異與互補 1.3 ELK Stack 架構總覽 1.4 ELK 在 Observability 架構中的角色 1.5 與 AI 輔助開發的關係 第二章：系統整體架構設計 2.1 ELK Stack 架構圖 2.2 各元件角色說明 2.3 單節點 vs 多節點架構 2.4 Production 建議架構 2.5 與 Prometheus / Grafana 並存架構 第三章：系統安裝 3.1 環境需求總覽 3.2 Elasticsearch 安裝 3.3 Logstash 安裝 3.4 Kibana 安裝 3.5 常見安裝問題排除 第四章：系統設定 4.1 Elasticsearch 設定 4.2 Logstash 設定 4.3 Kibana 設定 第五章：三者如何串接 5.1 End-to-End 資料流 5.2 實際串接範例 5.3 Filebeat 整合 第六章：系統使用 6.1 Kibana 操作教學 6.2 查詢語法詳解 6.3 實務使用情境 第七章：系統維護 7.1 Index 管理策略 7.2 效能調校 7.3 健康檢查與監控 第八章：系統升級 8.1 升級前準備 8.2 各元件升級流程 8.3 回復策略 第九章：安全性與權限管理 9.1 Security 基本概念 9.2 使用者與角色管理 9.3 企業資安考量 第十章：最佳實務與導入建議 10.1 導入常見踩雷點 10.2 結構化 Log 設計原則 10.3 與 AI 分析結合 10.4 與 Prometheus / Grafana 分工 附錄：檢查清單 安裝檢查清單 設定檢查清單 上線檢查清單 維運檢查清單（每日） 升級檢查清單 參考資源 第一章：Logs Visualization 與 ELK Stack 概述 1.1 為什麼需要 Logs Visualization 在現代企業級系統中，Log 是系統運行的「黑盒子記錄器」，記錄了系統每一個關鍵時刻的狀態與行為。 ...

Prometheus與Grafana教學手冊 版本：1.0 最後更新：2026 年 1 月 適用對象：資深工程師、DevOps / SRE、系統架構師 定位：企業級實務導向教學手冊 最後更新: 2026年1月27日 適用於: Metrics Visualization Created by: Eric Cheng 目錄 1. 總覽（Overview） 1.1 為何需要 Metrics Visualization 1.2 Prometheus 與 Grafana 在 Observability 中的角色 1.3 與 Logging / Tracing 的差異與整合方式 1.4 適合的使用場景 2. 架構說明（Architecture） 2.1 Prometheus 架構 2.2 Exporter 概念 2.3 Grafana 架構 2.4 Prometheus 與 Grafana 串接流程 2.5 單機 vs HA / Federation 架構 3. 系統安裝（Installation） 3.1 環境準備 3.2 Prometheus 安裝 3.3 Grafana 安裝 3.4 Node Exporter 安裝 3.5 目錄結構說明 3.6 常見安裝錯誤與排除 4. 系統設定（Configuration） 4.1 Prometheus 設定 4.2 Grafana 設定 5. 系統使用（Usage） 5.1 PromQL 基本與進階語法 5.2 常見 Metrics 範例 5.3 Dashboard 設計最佳實務 5.4 實務範例 5.5 與 AI 搭配使用 6. 告警與通知（Alerting） 6.1 Prometheus Alertmanager 架構 6.2 Alert Rule 撰寫範例 6.3 告警分級 6.4 Grafana Alert 與 Prometheus Alert 差異 6.5 與 Teams / Slack 整合 7. 系統維護（Maintenance） 7.1 資料成長與磁碟空間管理 7.2 效能調校建議 7.3 常見問題處理 7.4 備份與還原策略 8. 系統升級（Upgrade） 8.1 Prometheus 升級注意事項 8.2 Grafana 升級注意事項 8.3 升級前檢查清單 8.4 回滾（Rollback）策略 9. 企業實務與最佳實踐（Best Practices） 9.1 指標命名規範 9.2 Label 設計原則 9.3 多環境設計（DEV / SIT / UAT / PROD） 9.4 與 CI/CD、Batch、微服務整合 9.5 銀行與高穩定系統導入建議 10. 附錄（Appendix） 10.1 常用 PromQL Cheat Sheet 10.2 推薦 Exporter 清單 10.3 Dashboard 範本建議 10.4 常見錯誤與 FAQ 11. 檢查清單（Checklist） 11.1 安裝檢查清單 11.2 設定檢查清單 11.3 生產環境檢查清單 11.4 日常維運檢查清單 參考資源 1. 總覽（Overview） 1.1 為何需要 Metrics Visualization 在現代企業系統中，可觀測性（Observability） 是維運的核心能力。Metrics Visualization 提供以下價值： ...

Logs Visualization 教學手冊（ELK Stack） 版本：1.0 最後更新：2026 年 1 月 適用對象：資深軟體工程師、系統架構師、SRE / DevOps 工程師 最後更新: 2026年1月26日 適用於: Logs Visualization Created by: Eric Cheng 📋 目錄 Logs Visualization 在企業系統中的定位 1.1 為什麼 Logs 是「第二套真實系統」 1.2 Logs vs Metrics vs Tracing 1.3 Logs 在 Dev / QA / Prod 的不同價值 ELK Stack 整體架構設計 2.1 Log 產生端（Application / Middleware / OS） 2.2 Logstash Pipeline 設計原則 2.3 Elasticsearch Index / Shard / Replica 設計 2.4 Kibana 在視覺化與分析上的角色 Logstash 深度實務 3.1 Pipeline 架構設計（Input / Filter / Output） 3.2 Grok / JSON / Mutate 實務技巧 3.3 效能調校與常見瓶頸 3.4 多來源 Log（App / DB / MQ / Batch） Elasticsearch 架構與效能設計 4.1 Index 設計策略 4.2 Mapping 與效能影響 4.3 Hot / Warm / Cold 架構 4.4 查詢效能與資源規劃 Kibana 視覺化與分析設計 5.1 Dashboard 設計原則（給誰看？看什麼？） 5.2 Discover、Lens、Alerting 實務 5.3 常見企業 Dashboard 範例 AI 輔助 Logs Visualization 的實戰應用 6.1 用 AI 協助撰寫 Elasticsearch Query 6.2 用 AI 分析錯誤 Log 與異常模式 6.3 將 Logs 整理成 AI 可理解的 Prompt 6.4 AI 在 Incident Response 中的角色 常見問題、陷阱與最佳實務 7.1 Log 爆量的處理方式 7.2 Index 成長失控怎麼辦 7.3 資安與個資（PII）處理 7.4 金融業常見稽核與法遵需求 企業級導入與治理建議 8.1 Log 規範與命名標準 8.2 團隊分工與權限設計 8.3 與 CI/CD、APM、SIEM 的整合 檢查清單（Checklist） 附錄 A. 常用 Elasticsearch Query 範例 B. 常用 KQL 查詢範例 C. 參考資源 1. Logs Visualization 在企業系統中的定位 1.1 為什麼 Logs 是「第二套真實系統」 在企業級系統中，Logs 不只是除錯工具，而是系統行為的完整記錄。當生產環境發生問題時，Logs 往往是唯一能還原「當時到底發生什麼事」的證據。 ...

Metrics Visualization 教學手冊 版本：1.0 最後更新：2026 年 1 月 適用對象：資深工程師 / Tech Lead / Architect 最後更新: 2026年1月26日 適用於: Metrics Visualization Created by: Eric Cheng Metrics Visualization 教學手冊（Prometheus + Grafana） 版本：v1.0 最後更新：2026-01-26 適用對象：資深後端工程師、系統架構師、SRE / DevOps 工程師 前置知識：Linux / Container / Kubernetes 概念、RESTful API、微服務架構、基本監控概念 📑 目錄 前言：為什麼你需要這份手冊 1.1 這份手冊的定位 1.2 讀者應具備的心態 Metrics 與 Observability 基礎 2.1 Metrics vs Logs vs Traces：架構視角 2.2 為什麼 Metrics 是「第一層防線」 2.3 RED / USE / Golden Signals 模型 2.4 Metrics 過度蒐集的反模式（Anti-pattern） Prometheus 深入解析 3.1 Prometheus 架構與資料流 3.2 Pull Model 的設計哲學 3.3 Target / Job / Instance 設計原則 3.4 Label 設計 Best Practices 3.5 常見 Exporter 類型 3.6 Recording Rules 與 Alert Rules 設計思維 3.7 PromQL 思考模型 Grafana 視覺化設計 4.1 Dashboard 設計的「故事線」概念 4.2 不同角色的 Dashboard 設計 4.3 指標選擇與視覺化類型對應 4.4 Anti-pattern Dashboard 範例 4.5 Grafana 與 Prometheus 的責任邊界 Metrics 與架構決策 5.1 用 Metrics 驗證架構假設 5.2 Scaling / Bottleneck / Capacity Planning 5.3 SLA / SLO / Error Budget 與 Metrics 5.4 Metrics 如何影響系統設計 AI 輔助 Metrics 分析 6.1 適合交給 AI 分析的 Metrics 類型 6.2 Prompt 設計範例 6.3 AI 在 Metrics 分析的限制與風險 6.4 人與 AI 的責任分工 實戰案例 7.1 案例 1：流量暴增導致服務降級 7.2 案例 2：記憶體洩漏導致週期性重啟 7.3 案例 3：快取穿透導致 DB 過載 檢查清單（Checklist） 8.1 Prometheus 部署檢查清單 8.2 Metrics 設計檢查清單 8.3 Dashboard 設計檢查清單 8.4 告警設計檢查清單 8.5 SLO 設計檢查清單 8.6 AI 輔助使用檢查清單 附錄：常用 PromQL 速查表 參考資源 1. 前言：為什麼你需要這份手冊 1.1 這份手冊的定位 這不是入門手冊。市面上已有太多「如何安裝 Prometheus」、「Grafana 快速上手」的教學。 ...

微前端教學手冊 版本：1.0 最後更新：2026 年 1 月 適用對象：資深工程師 / Tech Lead / Architect 最後更新: 2026年1月23日 適用於: 微前端 Created by: Eric Cheng 微前端（Micro-Frontend）教學手冊 版本：1.0 適用對象：資深前端/全端工程師、Tech Lead、架構師 最後更新：2026 年 1 月 目錄 微前端的核心價值與真正要解決的問題 1.1 什麼是微前端？ 1.2 微前端真正要解決的問題 1.3 什麼情況「不該用微前端」 1.4 微前端 vs 單體前端 vs Monorepo 1.5 本章實務案例 微前端主流架構模式比較 2.1 基座（Shell / Container）模式 2.2 Runtime Integration vs Build-time Integration 2.3 iframe / Web Components / Module Federation 比較 2.4 主流框架方案比較 2.5 本章實務案例 Module Federation 深度解析 ...

Claude Agent Skills 使用教學手冊 版本：1.0 最後更新：2026 年 1 月 適用對象：新進軟體工程師、系統分析師、AI 導入成員 最後更新: 2026年1月8日 適用於: Claude Code Created by: Eric Cheng 目錄 前言 文件目的 適用對象 如何使用本手冊 第一章：Claude Agent 與 Agent Skills 基礎概念 1.1 什麼是 Claude Agent 1.2 什麼是 Agent Skills 1.3 Agent / Tool / Skill 的差異與關係 1.4 為什麼要使用 Agent Skills 第二章：Agent Skills 的設計理念 2.1 Skill 的責任邊界（Single Responsibility） 2.2 Skill 與 Prompt 的差異 2.3 Skill 是可重用、可組合的能力單元 2.4 官方 Skills Repo 的設計原則 第三章：官方 Skills Repository 結構說明 3.1 Skills GitHub 專案的目錄結構 3.2 Skill 的命名慣例 3.3 Skill 定義中的關鍵元素 第四章：Agent Skills 的使用方式 4.1 如何在 Agent 中呼叫 Skill 4.2 Skill 在任務流程中的角色 4.3 單一 Skill vs 多 Skill 組合 第五章：實務範例 5.1 需求文件產生 Skill 5.2 程式碼 Review / 重構 Skill 5.3 測試案例產生 Skill 第六章：新手常見錯誤與最佳實務 6.1 Skill 設計過大或過小的問題 6.2 把 Skill 當成一次性 Prompt 的錯誤用法 6.3 如何讓 Skill 更容易被重用 6.4 如何讓 Agent 行為更穩定 第七章：團隊導入建議 7.1 適合先從哪些類型的 Skill 開始 7.2 如何建立內部 Skill Library 7.3 與既有開發流程整合 7.4 導入成熟度階段建議 附錄：檢查清單（Checklist） Skill 建立前檢查 SKILL.md 撰寫檢查 Skill 發布前檢查 團隊導入檢查 參考資源 官方資源 延伸閱讀 前言 文件目的 本手冊旨在協助團隊成員快速理解並導入 Claude Agent Skills，透過系統化的教學內容，讓新進同仁能夠： ...

版本: 1.0 最後更新: 2026年1月9日 適用於: Claude Code Created by: Eric Cheng Anthropic Model Context Protocol (MCP) 教學手冊 版本資訊：本手冊基於 MCP 規範版本 2025-11-25 最後更新：2026 年 1 月 適用對象：資深軟體開發工程師、系統架構師 目錄 第一章：MCP 概述與核心概念 1.1 什麼是 MCP？ 1.2 為什麼需要 MCP？ 1.3 MCP 架構概覽 第二章：MCP 技術架構深度解析 2.1 分層架構 2.2 資料層協議（Data Layer Protocol） 2.3 MCP 核心原語（Primitives） 2.4 通知機制（Notifications） 第三章：傳輸層深度解析 3.1 STDIO Transport 3.2 Streamable HTTP Transport 第四章：實戰開發指南 4.1 開發環境設置 4.2 開發 MCP Server 4.3 開發 MCP Client 4.4 整合到 AI 應用 第五章：完整實戰範例 5.1 範例一：檔案系統 MCP Server 5.2 範例二：資料庫查詢 MCP Server 5.3 範例三：API 整合 MCP Server 第六章：最佳實踐與設計模式 6.1 MCP Server 設計原則 6.2 效能優化 6.3 安全性考量 6.4 測試策略 第七章：進階主題 7.1 Tasks 實驗性功能 7.2 自訂傳輸層 7.3 多語言 SDK 比較 7.4 偵錯與監控 第八章：疑難排解 8.1 常見錯誤與解決方案 8.2 除錯技巧 8.3 錯誤訊息參考 第九章：實際案例研究 9.1 案例一：企業知識庫 MCP Server 9.2 案例二：DevOps 整合 MCP Server 第十章：資源與參考 10.1 官方資源 10.2 社群資源 10.3 開發環境建議 10.4 版本相容性 10.5 快速參考 附錄：檢查清單（Checklist） A. Server 開發檢查清單 B. 部署檢查清單 C. 程式碼審查檢查清單 D. 故障排除檢查清單 第一章：MCP 概述與核心概念 1.1 什麼是 MCP？ 1.1.1 MCP 的定義與核心價值 Model Context Protocol（MCP） 是由 Anthropic 開發的一個開放標準協議，旨在為 AI 應用程式提供一個統一的方式來連接各種資料來源、工具和服務。 ...

版本: 3.1 最後更新: 2026年4月10日 適用於: Claude Code v2.x (GA, 2025-2026) Created by: Eric Cheng Claude Code 生態圈教學手冊 📖 版本: v3.1 📅 最後更新: 2026年4月10日 👥 目標讀者: 資深軟體工程師、技術主管、架構師 📋 基於官方文件: Claude Code Documentation 🆕 v3.1 更新: MCP 進階機制（list_changed、maxResultSizeChars、OAuth 固定回呼端口）、Hooks watchPaths 與 allowedEnvVars、--permission-mode Headless 權限模式、排程任務修正（7 天過期、50 任務上限、/loop 間隔語法）、managed-mcp.json 匹配類型（serverName/serverCommand/serverUrl） 目錄 第一部分：基礎概念 (Foundation) 1.1 Claude Code 簡介 1.1.1 產品定位與核心價值 1.1.2 多平台支援總覽 1.1.3 適用場景與限制 1.1.4 安裝與環境配置 1.1.5 Claude Code 的運作原理 1.1.6 Desktop App 與 Web 介面 1.1.7 Channels 與 Dispatch 1.2 核心架構概覽 1.2.1 系統架構圖 1.2.2 各組件之間的關係 1.2.3 資料流與執行流程 1.2.4 記憶體與設定架構 1.2.5 權限與安全模型 1.2.6 工具系統詳解 1.2.7 Agentic Loop 深入解析 1.3 快速上手實戰 1.3.1 第一次對話 1.3.2 建立 CLAUDE.md 1.3.3 常見操作範例 1.3.4 效率提升技巧 第二部分：核心功能詳解 2.1 Subagents (子代理) 2.1.1 概念說明 2.1.2 內建子代理類型 2.1.3 自訂子代理 2.1.4 使用場景與實作範例 2.1.5 進階技巧 2.1.6 Subagent 完整實戰範例 2.2 Agent Teams（多代理協作） 2.2.1 Agent Teams 概述 2.2.2 啟動與使用 Agent Teams 2.2.3 Agent Teams 的協調機制 2.2.4 應用場景與最佳實踐 2.2.5 Agent Teams 進階模式 2.2.6 Agent Teams 搭配 Hooks 2.3 Skills（技能系統） 2.3.1 Skills 概述 2.3.2 內建 Skills（Slash Commands） 2.3.3 SKILL.md 檔案格式 2.3.4 Agent Skills（附加在 Agent 上的 Skills） 2.3.5 開發自訂 Skills 2.3.6 Skills 最佳實踐 2.3.7 Skill 進階範例集 2.4 Plugins（插件系統） 2.4.1 Plugin 概述 2.4.2 Plugin 目錄結構 2.4.3 Plugin 的發現與安裝 2.4.4 開發自訂 Plugin 2.4.5 Plugin 安全與信任 2.4.6 Plugin 實戰範例 2.4.7 Plugin 與其他機制的關係 2.5 Hooks（鉤子機制） 2.5.1 Hooks 系統概述 2.5.2 Hook 事件類型（25+ 種） 2.5.3 Hook 類型（4 種） 2.5.4 Hook 配置詳解 2.5.5 實用 Hook 範例 2.5.6 Hook 執行規則與最佳實踐 2.5.7 進階 Hook 架構模式 2.6 MCP（Model Context Protocol） 2.6.1 MCP 概述 2.6.2 配置 MCP Server 2.6.3 工具搜尋（Tool Search） 2.6.4 MCP 認證 2.6.5 企業級 MCP 管理 2.6.6 常見 MCP Server 推薦 2.6.7 自行開發 MCP Server 2.6.8 MCP 進階機制 2.6.9 MCP 除錯與疑難排解 2.7 Output Styles（輸出風格） 2.7.1 Output Styles 概述 2.7.2 配置 Output Styles 2.7.3 自訂輸出範本 2.7.4 場景化輸出風格 2.7.5 Output Styles 覆寫機制 2.7.6 與 Agent/Skill 結合 2.8 Scheduled Tasks（排程任務） 2.8.1 Scheduled Tasks 概述 2.8.2 配置排程任務 2.8.3 應用場景 2.8.4 排程任務搭配 Headless 模式 2.8.5 排程任務監控與通知 2.8.6 排程任務最佳實踐 第三部分：整合與最佳實踐 3.1 VS Code Extension 整合 3.1.1 安裝與啟用 3.1.2 核心功能 3.1.3 Checkpoints（檢查點） 3.1.4 Worktree 整合 3.1.5 第三方 AI Provider 3.1.6 VS Code 快捷鍵與命令總覽 3.1.7 Plan Mode（規劃模式）詳解 3.1.8 URI Handler 與 Plugin 管理 UI 3.1.9 VS Code 多實例與 Terminal 整合 3.2 Remote Control（遠端控制） 3.2.1 概述 3.2.2 啟動與連接 3.2.3 API 操作 3.2.4 應用場景 3.2.5 Remote Control 進階整合模式 3.3 Headless 模式與 SDK 3.3.1 Headless 模式 3.3.2 SDK 整合 3.3.3 應用場景 3.3.4 Headless 模式進階用法 3.4 整合工作流程 3.4.1 端到端開發流程 3.4.2 多元件協作實例 3.4.3 自動化配置組合範例 3.4.4 完整工作流程範例：從 Issue 到 PR 3.4.5 完整配置檔整合範例 3.5 團隊協作指南 3.5.1 共享配置管理 3.5.2 協作模式 3.5.3 知識共享 3.5.4 新人入職（Onboarding）工作流程 3.5.5 Code Review 工作流程 3.5.6 團隊開發標準化流程 3.6 效能優化 3.6.1 Token 使用優化 3.6.2 Context 管理優化 3.6.3 執行效率優化 3.6.4 成本控制策略 3.7 疑難排解 3.7.1 常見問題與解決方案 3.7.2 診斷方法 3.7.3 效能問題排查 3.7.4 取得幫助 3.8 Cowork 協同開發實戰 3.8.1 Cowork 概念與模式 3.8.2 團隊共享 CLAUDE.md 策略 3.8.3 多人協作工作流程 3.8.4 Agent Teams 協同開發 3.8.5 跨團隊 Plugin Marketplace 3.8.6 Remote Control 遠端協作 3.8.7 Channels 與 Dispatch 即時協作 3.8.8 Cowork 最佳實踐與防踩坑指南 第四部分：進階主題 4.1 企業級部署 4.1.1 企業管理架構 4.1.2 安全性配置 4.1.3 SSO 與認證整合 4.1.4 稽核日誌與合規性 4.1.5 企業部署架構模式 4.1.6 企業級配置管理策略 4.2 CI/CD 整合 4.2.1 GitHub Actions 整合 4.2.2 GitLab CI/CD 整合 4.2.3 通用 CI/CD 整合模式 4.2.4 CI/CD 最佳實踐 4.2.5 進階 CI/CD 場景 4.3 自訂開發 4.3.1 開發自訂 MCP Server 4.3.2 開發自訂 Skill 4.3.3 開發自訂 Plugin 4.3.4 自訂開發整合模式 4.4 Channels 與 Dispatch 深入解析 4.4.1 Channels 架構與協定 4.4.2 支援的通訊管道 4.4.3 Dispatch 行動端整合 4.4.4 自建 Channel MCP Server 4.4.5 企業級 Channel 部署 4.5 Agent Skills Open Standard 4.5.1 開放標準概述 4.5.2 agentskills.io 規範 4.5.3 跨工具互通性 4.5.4 社群生態與未來發展 第五部分：附錄 附錄 A：CLI 命令參考 A.1 啟動與基本操作 A.2 Slash Commands（互動式模式） A.3 Custom Slash Commands A.4 CLI 配置命令 A.5 進階 CLI 選項 A.6 CLI 環境變數 A.7 退出碼（Exit Codes） A.8 CLI 使用範例集 附錄 B：配置檔案參考 B.1 配置檔案一覽 B.2 settings.json 完整結構 B.3 .mcp.json 完整結構 B.4 CLAUDE.md 建議結構 B.5 managed-settings.json（企業管理員配置） B.6 managed-mcp.json（企業 MCP 管理） B.7 .claudeignore 語法 B.8 配置優先級完整圖 附錄 C：Hook Events 完整參考 C.1 所有事件 C.2 Hook 類型 C.3 環境變數 C.4 各事件詳細範例 C.5 常見 Hook 配方集 C.6 Hook 執行流程與錯誤處理 附錄 D：常見 MCP Servers 一覽 D.1 官方 MCP Servers D.2 社群熱門 MCP Servers D.3 依場景選擇 MCP Server D.4 MCP Server 配置範本 D.5 MCP Server 開發快速入門 D.6 MCP Server 除錯與監控 D.7 MCP Server 安全最佳實踐 附錄 E：術語表 附錄 F：常見問題 FAQ F.1 安裝與設定 F.2 使用技巧 F.3 企業使用 F.4 成本與效能 F.5 MCP 整合 F.6 Agent Teams 與協作 F.7 Skills 與 Plugins F.8 安全與隱私 結語 第一部分：基礎概念 (Foundation) 1.1 Claude Code 簡介 1.1.1 產品定位與核心價值 Claude Code 是 Anthropic 推出的 AI 輔助程式開發工具，定位為開發者的智慧協作夥伴，而非單純的程式碼生成器。 ...

版本: 1.0 最後更新: 2026年1月9日 適用於: Claude Code Created by: Eric Cheng Claude Code 使用教學手冊（資深同仁版） 版本：1.0 適用對象：資深工程師 / Tech Lead / 系統分析師 / 架構師 最後更新：2026 年 1 月 目錄 第一章：Claude Code 是什麼？（給資深工程師的視角） 1.1 Claude Code 與傳統 Copilot / ChatGPT Coding 的差異 1.2 適合用來做什麼？不適合做什麼？ 1.3 在企業環境中的合理定位 第二章：資深工程師使用 Claude Code 的正確心法 2.1 把 AI 當成「資深 Pair Programmer」而非新人工具 2.2 為什麼「規格比程式碼更重要」 2.3 Prompt 即設計文件的延伸 第三章：高品質 Prompt 設計原則 3.1 好 Prompt vs 壞 Prompt 對照 3.2 Prompt 必備元素 3.3 常見錯誤 Prompt 範例與改寫示範 第四章：Claude Code 在實務開發流程中的應用 4.1 需求釐清 / PRD 補強 4.2 架構設計與技術選型 4.3 程式碼生成與重構 4.4 測試案例補齊 4.5 技術文件與 README 生成 第五章：企業級實戰範例 5.1 範例一：協助重構 Legacy Code 5.2 範例二：根據規格產生模組骨架 5.3 範例三：產生測試與安全檢查建議 第六章：風險、限制與最佳實踐 6.1 AI 可能產生的風險 6.2 如何做 Code Review 與 AI Output Review 6.3 在銀行 / 企業內部的安全使用原則 第七章：團隊導入建議 7.1 適合哪些角色優先使用 7.2 與現有開發流程的整合方式 7.3 建議的內部使用規範 第八章：進階技巧與模式 8.1 Prompt Chain 設計模式 8.2 多輪對話策略 8.3 與 Spec-Driven Development 整合 附錄：檢查清單（Checklist） A. 使用前準備清單 B. Prompt 撰寫清單 C. 程式碼審查清單 D. 整合上線清單 E. 團隊導入清單 版本紀錄 參考資源 第一章：Claude Code 是什麼？（給資深工程師的視角） 1.1 Claude Code 與傳統 Copilot / ChatGPT Coding 的差異 作為資深工程師，您可能已經使用過多種 AI 編程輔助工具。以下是 Claude Code 與其他工具的核心差異： ...