部署指南範本(Deployment Guide Template)

部署指南範本(Deployment Guide) 參照標準:ITIL 4 Release Management / ISO/IEC 20000-1:2018 第 8.5.2 節「Release management」 文件用途:提供系統部署的標準化步驟指引,確保可重複、可追蹤、可回滾的部署流程 適用階段:部署與上線階段(Release & Deployment) 範本版本:v2.0(2026-10-06)|對應《軟體開發標準程序教學手冊》v2.0 第 8.1、8.2、10.1 節 📋 章節目錄 文件資訊 部署概述 先決條件 部署架構 部署步驟 驗證程序 回滾程序 監控確認 聯絡窗口 附錄 審查與驗證 1. 文件資訊 📝 範本 項目 內容 文件編號 DG-{專案代碼}-{序號} 文件名稱 {系統名稱} v{版本} 部署指南 版本 v{主版本}.{次版本} 狀態 草稿 / 審核中 / 核定 建立日期 {YYYY-MM-DD} 計畫部署日期 {YYYY-MM-DD HH:mm} 撰寫者 {姓名/角色} 審核者 {姓名/角色} 核准者 {姓名/角色} 版本歷程 版本 日期 修改人 修改內容 v1.0 {日期} {姓名} 初版 📖 使用說明 依據 ITIL 4 Release Management 實務,每次部署需有正式的部署指南 文件需在部署前完成審核,未經核准不得執行部署 適用於所有環境(SIT / UAT / Staging / Production)部署 💡 範例 項目 內容 文件編號 DG-HRM-003 文件名稱 HRMS v1.0.0 正式環境部署指南 計畫部署日期 2026-10-15 22:00(維護窗口) 核准者 IT 副總 — 黃資訊 2. 部署概述 📝 範本 2.1 部署資訊摘要 項目 內容 部署類型 新系統上線 / 版本升級 / Hotfix / 組態變更 部署版本 {Application Version} 目標環境 {環境名稱} 部署方式 全量部署 / 滾動更新 / 藍綠部署 / 金絲雀部署 預估停機時間 {分鐘/小時} / 零停機 影響範圍 {受影響的服務/使用者} 維護窗口 {起始時間} ~ {結束時間} 2.2 變更內容摘要 變更編號 類型 描述 {CR/JIRA 編號} 功能/修復/組態 {簡述} 2.3 部署風險評估 風險等級 說明 高/中/低 {為何此等級} 📖 使用說明 部署類型決定所需的審核層級與流程嚴格度 Hotfix 可簡化流程但仍需記錄 預估停機時間需告知業務方,以便安排使用者通知 💡 範例 2.1 部署資訊摘要 項目 內容 部署類型 新系統上線 部署版本 HRMS v1.0.0 (Build #2026.10.12.1) 目標環境 Production (Azure AKS - hrms-prod) 部署方式 藍綠部署(Blue-Green Deployment) 預估停機時間 零停機(流量切換時間 < 30 秒) 影響範圍 全公司員工(約 2,000 人) 維護窗口 2026-10-15 22:00 ~ 2026-10-16 02:00 3. 先決條件 📝 範本 3.1 核准與簽核 項目 狀態 確認人 日期 變更審核委員會(CAB)核准 ☐ {姓名} {日期} 測試報告簽核 ☐ {姓名} {日期} 業務方確認上線同意 ☐ {姓名} {日期} 回滾計畫審核 ☐ {姓名} {日期} 3.2 技術先決條件 項目 驗證方式 狀態 {基礎設施就緒} {驗證命令/方式} ☐ {相依服務可用} {驗證命令/方式} ☐ {資料庫備份完成} {驗證命令/方式} ☐ {TLS 憑證有效} {驗證命令/方式} ☐ {DNS 設定確認} {驗證命令/方式} ☐ 3.3 部署所需權限 系統/資源 所需權限 帳號 {系統} {權限} {帳號} 📖 使用說明 所有先決條件需在部署開始前全部確認(Checklist 全部打勾) 任何一項未完成則不得啟動部署 資料庫備份是最關鍵的先決條件,未備份禁止部署 💡 範例 3.2 技術先決條件 項目 驗證方式 狀態 AKS 叢集節點 ≥ 4 kubectl get nodes 確認 Ready ☑ PostgreSQL 資料庫完整備份 確認 Azure Backup 最新備份 < 1 小時 ☑ Redis Cache 可連線 redis-cli ping 回應 PONG ☑ AD 連線正常 測試 LDAP bind ☑ Container Registry 映像已推送 az acr repository show-tags 確認 v1.0.0 存在 ☑ TLS 憑證效期 > 30 天 openssl s_client 確認到期日 ☑ 4. 部署架構 📝 範本 4.1 目標環境架構圖 {架構圖或 Mermaid 圖} 4.2 環境資訊 元件 主機/端點 規格 備註 Application Server {Host/IP} {CPU/RAM} {說明} Database {Host/IP:Port} {版本/規格} {說明} Cache {Host/IP:Port} {版本/規格} {說明} Load Balancer {Host/IP} {類型} {說明} Storage {Host/Path} {容量} {說明} 4.3 網路與防火牆規則 來源 目的 Port Protocol 用途 {來源} {目的} {Port} TCP/UDP {用途} 📖 使用說明 架構圖幫助部署人員理解全貌,建議使用 Mermaid 或繪製圖示 網路規則需在部署前確認已開通,避免部署後才發現連線失敗 機敏資訊(密碼、連線字串)不寫入文件,使用 Secret Manager 或變數引用 💡 範例 4.1 目標環境架構圖 Internet → Azure Front Door → AKS Ingress → Service ├── hrms-api (3 replicas) ├── hrms-worker (2 replicas) └── hrms-web (3 replicas) ↓ PostgreSQL (Azure DB for PostgreSQL) Redis (Azure Cache for Redis) Azure Blob Storage 5. 部署步驟 📝 範本 5.0 部署前通知 時間 對象 通知方式 內容 部署前 {N} 小時 {對象} {方式} {內容} 5.1 資料庫變更 步驟 指令/操作 預期結果 確認者 1 {SQL / Migration 指令} {預期輸出} {姓名} 2 {SQL / Migration 指令} {預期輸出} {姓名} 5.2 應用程式部署 步驟 指令/操作 預期結果 確認者 1 {部署指令} {預期輸出} {姓名} 2 {部署指令} {預期輸出} {姓名} 5.3 組態更新 步驟 指令/操作 預期結果 確認者 1 {組態變更指令} {預期結果} {姓名} 5.4 流量切換 步驟 指令/操作 預期結果 確認者 1 {切換指令} {預期結果} {姓名} 📖 使用說明 步驟需按執行順序排列,不可跳步 每步驟需有具體指令(可複製貼上執行)與預期結果 「確認者」在部署時簽名確認該步驟已完成 資料庫變更必須先於應用程式部署(確保 schema 相容) 機敏值(密碼)用環境變數或 Secret 引用,不寫死 💡 範例 5.2 應用程式部署 步驟 指令/操作 預期結果 確認者 1 kubectl set image deployment/hrms-api hrms-api=hrmacr.azurecr.io/hrms-api:v1.0.0 -n hrms-prod deployment.apps/hrms-api image updated DevOps 2 kubectl rollout status deployment/hrms-api -n hrms-prod --timeout=300s deployment successfully rolled out DevOps 3 kubectl set image deployment/hrms-web hrms-web=hrmacr.azurecr.io/hrms-web:v1.0.0 -n hrms-prod deployment.apps/hrms-web image updated DevOps 4 kubectl rollout status deployment/hrms-web -n hrms-prod --timeout=300s deployment successfully rolled out DevOps 5 確認所有 Pod 狀態正常:kubectl get pods -n hrms-prod 所有 Pod 狀態為 Running,READY 1/1 DevOps 6. 驗證程序 📝 範本 6.1 Smoke Test(冒煙測試) 測試項目 驗證方式 預期結果 實際結果 Pass/Fail {基本功能 1} {驗證方式} {預期} {實際} {基本功能 2} {驗證方式} {預期} {實際} 6.2 健康檢查 端點/服務 驗證指令 預期回應 實際回應 Pass/Fail {端點} {指令} {預期} {實際} 6.3 整合驗證 驗證項目 驗證方式 預期結果 實際結果 Pass/Fail {外部系統連接} {指令/操作} {預期} {實際} 6.4 部署成功判定標準 標準 說明 所有 Smoke Test 通過 — 健康檢查端點回應 200 持續 5 分鐘 無 Critical/High Alert 部署後 15 分鐘內 日誌無異常 Error 抽查近 100 條 Log 📖 使用說明 驗證程序在部署完成後立即執行,決定是否接受本次部署 Smoke Test 覆蓋核心業務路徑(如登入、主要功能),不需全面測試 若任何 P1 驗證失敗,立即啟動回滾程序 💡 範例 6.1 Smoke Test 測試項目 驗證方式 預期結果 實際結果 Pass/Fail 首頁可存取 curl -s -o /dev/null -w "%{http_code}" https://hrms.company.com 200 200 Pass 員工登入 使用測試帳號登入 成功進入首頁 成功 Pass 請假申請 建立一筆特休假申請 申請成功,狀態=待審核 成功 Pass 薪資查詢 查詢本月薪資明細 顯示薪資資料 成功 Pass 6.2 健康檢查 端點/服務 驗證指令 預期回應 實際回應 Pass/Fail API Health curl https://hrms-api.company.com/health {"status":"healthy"} 同預期 Pass DB 連線 curl https://hrms-api.company.com/health/db {"status":"connected"} 同預期 Pass Redis 連線 curl https://hrms-api.company.com/health/cache {"status":"connected"} 同預期 Pass 7. 回滾程序 📝 範本 7.1 回滾觸發條件 條件 決策者 {觸發條件 1} {角色} {觸發條件 2} {角色} 7.2 回滾步驟 步驟 指令/操作 預期結果 確認者 1 {回滾指令} {預期} {姓名} 2 {回滾指令} {預期} {姓名} 7.3 資料庫回滾 步驟 指令/操作 預期結果 確認者 1 {DB 回滾指令} {預期} {姓名} 7.4 回滾後驗證 驗證項目 方式 預期結果 {驗證項} {方式} {預期} 7.5 回滾時間預估 項目 預估時間 應用程式回滾 {分鐘} 資料庫回滾 {分鐘} 驗證完成 {分鐘} 總計 {分鐘} 📖 使用說明 每次部署必須有回滾計畫,這是 ITIL 4 Release Management 的核心要求 回滾步驟需預先演練驗證,不可「部署當天第一次嘗試回滾」 資料庫回滾是最複雜的部分(若有 schema 變更),需特別規劃 藍綠部署的回滾最簡單:切回舊版流量即可 💡 範例 7.1 回滾觸發條件 條件 決策者 Smoke Test 失敗 2 項以上 DevOps Lead 部署後 15 分鐘內出現 Critical Alert DevOps Lead 業務方回報核心功能異常 IT 副總 部署超過維護窗口仍未完成 DevOps Lead + PM 7.2 回滾步驟(藍綠部署) 步驟 指令/操作 預期結果 確認者 1 通知團隊啟動回滾 Teams 群組通知已發送 DevOps Lead 2 kubectl rollout undo deployment/hrms-api -n hrms-prod rollback to previous revision DevOps 3 kubectl rollout undo deployment/hrms-web -n hrms-prod rollback to previous revision DevOps 4 kubectl rollout status deployment/hrms-api -n hrms-prod successfully rolled out DevOps 5 執行 Smoke Test 驗證回滾成功 所有項目 Pass QA 6 通知業務方服務已恢復 Email/Teams 通知已發送 PM 8. 監控確認 📝 範本 8.1 部署後監控期間 項目 內容 加強監控期間 部署後 {N} 小時 監控人員 {姓名/值班表} 告警通知管道 {方式} 8.2 關鍵監控指標 指標 正常範圍 告警門檻 監控工具 API 回應時間 (P95) < {ms} > {ms} {工具} Error Rate < {%} > {%} {工具} CPU 使用率 < {%} > {%} {工具} Memory 使用率 < {%} > {%} {工具} 活躍連線數 < {N} > {N} {工具} 8.3 日誌檢查項目 日誌類型 檢查重點 工具/指令 Application Log {重點} {工具} Access Log {重點} {工具} Error Log {重點} {工具} 📖 使用說明 部署後加強監控是確保部署穩定的最後一道防線 監控期間內若指標異常,仍可啟動回滾 建議部署後 24 小時為加強監控期,48 小時後轉為一般監控 💡 範例 8.2 關鍵監控指標 指標 正常範圍 告警門檻 監控工具 API P95 回應時間 < 200ms > 500ms Grafana + Prometheus Error Rate (5xx) < 0.1% > 1% Azure Monitor CPU 使用率 < 60% > 85% Azure Monitor Memory 使用率 < 70% > 90% Azure Monitor Pod Restart Count 0 > 2 Kubernetes Dashboard DB Connection Pool < 80% > 95% Application Insights 9. 聯絡窗口 📝 範本 角色 姓名 電話 備用聯絡 職責 部署指揮 {姓名} {電話} {備用} 部署決策、Go/No-Go 判定 DevOps 工程師 {姓名} {電話} {備用} 執行部署操作 DBA {姓名} {電話} {備用} 資料庫變更 開發 Lead {姓名} {電話} {備用} 技術問題排除 QA {姓名} {電話} {備用} 部署驗證 業務窗口 {姓名} {電話} {備用} 業務確認 📖 使用說明 部署當天所有窗口需保持電話暢通 部署指揮負責 Go/No-Go 決策與回滾決定 建議建立即時通訊群組(如 Teams/Slack War Room)方便即時溝通 💡 範例 角色 姓名 電話 備用聯絡 職責 部署指揮 黃資訊(IT 副總) 0912-xxx-xxx Teams Go/No-Go 決策 DevOps 周維運 0933-xxx-xxx Teams 執行部署 DBA 趙資料 0922-xxx-xxx Teams DB Migration 開發 Lead 吳開發 0955-xxx-xxx Teams 問題排查 QA 林品質 0966-xxx-xxx Teams Smoke Test 10. 附錄 📝 範本 10.1 部署 Checklist 總表 階段 檢查項 確認 時間 確認者 部署前 CAB 核准 ☐ 部署前 資料庫備份完成 ☐ 部署前 通知使用者 ☐ 部署中 DB Migration 完成 ☐ 部署中 應用程式部署完成 ☐ 部署後 Smoke Test 通過 ☐ 部署後 健康檢查正常 ☐ 部署後 監控指標正常 ☐ 部署後 通知使用者服務恢復 ☐ 10.2 相關文件 文件 說明 {文件名} {用途} 10.3 術語定義 術語 定義 CAB Change Advisory Board,變更諮詢委員會 Blue-Green 藍綠部署,同時維護兩套環境,透過流量切換完成零停機部署 Smoke Test 冒煙測試,部署後快速驗證核心功能 Rollback 回滾,將系統恢復至部署前的版本 Maintenance Window 維護窗口,預先規劃的系統維護時段 📖 使用說明 Checklist 在部署當天使用,逐項確認並記錄時間 此 Checklist 同時作為部署紀錄保存,不可事後補填 💡 範例 10.1 部署 Checklist(已執行) 階段 檢查項 確認 時間 確認者 部署前 CAB 核准 ☑ 10/13 15:00 黃資訊 部署前 PostgreSQL Full Backup ☑ 10/15 21:30 趙資料 部署前 Email 通知全公司維護 ☑ 10/15 18:00 PM 部署中 DB Migration (3 scripts) ☑ 10/15 22:05 趙資料 部署中 K8s Deployment 更新 ☑ 10/15 22:15 周維運 部署後 Smoke Test (5/5 Pass) ☑ 10/15 22:30 林品質 部署後 監控 15 分鐘無告警 ☑ 10/15 22:45 周維運 部署後 通知服務恢復 ☑ 10/15 22:50 PM 11. 審查與驗證 本節供審查者使用,也用來檢查 AI 依本範本產出的文件是否正確;對應《軟體開發標準程序教學手冊》v2.0 各章的「審查與驗證」。 ...

May 18, 2026 · 7 min · 1316 words · Eric Cheng

需求異動申請表範本(Change Request Template)

需求異動申請表範本(Change Request Template) 適用標準:ISO/IEC/IEEE 15288:2023(系統生命週期)、ITIL 4 Change Enablement、CMMI V3.0 適用階段:需求分析階段 / 全生命週期(Requirements Phase / Cross-Phase) 負責角色:業務分析師(BA)、專案經理(PM)、變更管理委員會(CCB) 範本版本:v2.0(2026-10-06)|對應《軟體開發標準程序教學手冊》v2.0 第 3.5 節 📑 章節目錄 變更申請資訊 變更描述 影響分析 變更方案 審核與決議 實施追蹤 變更驗收 審查與驗證 📝 範本 1. 變更申請資訊 項目 內容 變更編號 CR-[YYYY]-[NNN] 申請日期 [YYYY-MM-DD] 申請人 [姓名 / 部門] 專案名稱 [專案名稱] 變更類型 [需求變更 / 設計變更 / 範圍變更 / 缺陷修正] 優先級 [Critical / High / Medium / Low] 緊急程度 [緊急 / 一般] 目前狀態 [Draft / Submitted / Under Review / Approved / Rejected / Implementing / Completed / Cancelled] 2. 變更描述 2.1 變更摘要 項目 內容 變更標題 [一句話描述變更內容] 變更原因 [為什麼需要這個變更] 業務背景 [觸發變更的業務情境或事件] 2.2 現行需求(As-Is) 需求編號 需求描述 文件來源 [REQ-NNN] [目前的需求描述] [BRD/FRD §N.N] 2.3 變更後需求(To-Be) 需求編號 變更後描述 變更差異摘要 [REQ-NNN] [修改後的需求描述] [新增/修改/刪除了什麼] 2.4 相關附件 附件名稱 說明 [附件1] [UI 原型 / 流程圖 / 規格書片段] 3. 影響分析 3.1 影響範圍評估 影響面向 受影響項目 影響程度 說明 功能模組 [受影響的模組清單] [High/Medium/Low] 資料庫 [Schema / Table 異動] [High/Medium/Low] API 介面 [受影響的 API] [High/Medium/Low] UI 畫面 [受影響的頁面] [High/Medium/Low] 外部系統 [受影響的介接系統] [High/Medium/Low] 文件 [需更新的文件] [High/Medium/Low] 測試案例 [需新增/修改的測試] [High/Medium/Low] 3.2 時程影響 項目 原定日期 變更後日期 延遲天數 [里程碑1] [YYYY-MM-DD] [YYYY-MM-DD] [N] days 上線日期 [YYYY-MM-DD] [YYYY-MM-DD] [N] days 3.3 成本影響 成本項目 追加工時(人天) 追加費用 說明 開發 [N] 人天 [金額] 測試 [N] 人天 [金額] 設計 [N] 人天 [金額] 其他 [N] 人天 [金額] 合計 [N] 人天 [金額] 3.4 風險評估 風險 ID 風險描述 發生機率 影響程度 緩解措施 R-1 [風險描述] [High/Med/Low] [High/Med/Low] [措施] 4. 變更方案 4.1 建議方案 項目 內容 方案說明 [概述如何實施此變更] 實施步驟 1. [步驟1]2. [步驟2]3. [步驟3] 需要資源 [人力/環境/工具] 預計工期 [N] 個工作天 測試範圍 [需要回歸測試的範圍] 4.2 替代方案(如有) 方案 說明 工時 優點 缺點 方案 A [說明] [N] 天 [優點] [缺點] 方案 B [說明] [N] 天 [優點] [缺點] 5. 審核與決議 5.1 審核記錄 審核者 角色 審核日期 決議 意見 [姓名] PM [YYYY-MM-DD] [Approve/Reject/Defer] [意見] [姓名] Tech Lead [YYYY-MM-DD] [Approve/Reject/Defer] [意見] [姓名] Business Owner [YYYY-MM-DD] [Approve/Reject/Defer] [意見] 5.2 CCB 決議 項目 內容 會議日期 [YYYY-MM-DD] 最終決議 [Approved / Rejected / Deferred / Need More Info] 核准條件 [附帶條件,如有] 預計實施版本 [Release / Sprint] 6. 實施追蹤 6.1 實施任務 任務 ID 任務描述 負責人 預計完成 實際完成 狀態 T-1 [修改設計文件] [姓名] [日期] [日期] [Done/In Progress/TODO] T-2 [修改程式碼] [姓名] [日期] [日期] [Done/In Progress/TODO] T-3 [更新測試案例] [姓名] [日期] [日期] [Done/In Progress/TODO] T-4 [執行回歸測試] [姓名] [日期] [日期] [Done/In Progress/TODO] 6.2 文件更新追蹤 文件名稱 更新內容 更新人 更新日期 狀態 [BRD / FRD / SAD] [章節 N.N] [姓名] [日期] [Done/Pending] 7. 變更驗收 項目 內容 驗收日期 [YYYY-MM-DD] 驗收人 [申請人 / Business Owner] 驗收結果 [Pass / Fail / Conditional Pass] 備註 [驗收意見] 8. 審查與驗證 本節供審查者使用,也用來檢查 AI 依本範本產出的文件是否正確;對應《軟體開發標準程序教學手冊》v2.0 各章的「審查與驗證」。 ...

May 18, 2026 · 4 min · 642 words · Eric Cheng

非功能性需求設計規格範本(NFR Design Specification Template)

非功能性需求設計規格範本(NFR Design Specification Template) 適用標準:ISO/IEC 25010:2023(SQuaRE - 系統與軟體品質模型)、ISO/IEC/IEEE 29148:2018 適用階段:系統設計階段(Design Phase) 負責角色:系統架構師(SA)、效能工程師、SRE 範本版本:v2.0(2026-10-06)|對應《軟體開發標準程序教學手冊》v2.0 第 3.2、4.5、10.2、12.2 節 📑 章節目錄 文件資訊 品質屬性總覽 效能設計(Performance) 可用性設計(Availability) 延展性設計(Scalability) 可靠性設計(Reliability) 可維護性設計(Maintainability) 可觀測性設計(Observability) 安全性設計(Security) 相容性設計(Compatibility) 驗證與測試策略 審查與驗證 📝 範本 1. 文件資訊 項目 內容 文件名稱 [系統名稱] 非功能性需求設計規格 文件編號 [專案代碼]-NFR-[版本號] 版本 v[X.Y] 建立日期 [YYYY-MM-DD] 撰寫者 [SA 姓名] 審核者 [技術主管] 2. 品質屬性總覽 依 ISO/IEC 25010:2023 品質模型分類 品質屬性 子特性 目標等級 優先級 驗證方式 效能效率 時間行為、資源利用、容量 [目標] [High/Med/Low] [效能測試] 可用性 成熟度、容錯性、可恢復性 [目標] [High/Med/Low] [HA 測試] 延展性 水平/垂直擴展能力 [目標] [High/Med/Low] [負載測試] 可靠性 容錯、一致性 [目標] [High/Med/Low] [Chaos 測試] 可維護性 模組化、可測試性、可修改性 [目標] [High/Med/Low] [Code Review] 安全性 機密性、完整性、可用性 [目標] [High/Med/Low] [安全測試] 相容性 瀏覽器、裝置、整合 [目標] [High/Med/Low] [相容測試] 3. 效能設計(Performance) 3.1 效能目標 指標 日常目標 尖峰目標 測量方式 回應時間(P50) < [N]ms < [N]ms APM / Load test 回應時間(P95) < [N]ms < [N]ms APM / Load test 回應時間(P99) < [N]ms < [N]ms APM / Load test 吞吐量(TPS) ≥ [N] ≥ [N] Load test 並發用戶 [N] [N] Load test 錯誤率 < [N]% < [N]% Monitoring 3.2 效能設計策略 策略 適用場景 設計方案 快取 [高頻讀取、低頻更新] [快取層級/策略/TTL] 非同步處理 [非即時、耗時任務] [Message Queue + Worker] 連接池 [DB/HTTP 連線] [Pool size + timeout 設定] 分頁查詢 [大量資料列表] [Cursor-based / Offset pagination] 批次處理 [大量寫入] [Batch size + 排程策略] CDN [靜態資源] [CDN provider + cache policy] 3.3 效能預算(Performance Budget) 資源 預算 目前值 狀態 首頁載入(FCP) < [N]s [N]s [✅/⚠️/❌] 最大內容繪製(LCP) < [N]s [N]s [✅/⚠️/❌] 累計版面偏移(CLS) < [N] [N] [✅/⚠️/❌] 互動至下一次繪製(INP) < [N]ms [N]ms [✅/⚠️/❌] JS Bundle Size < [N]KB [N]KB [✅/⚠️/❌] API Response Size < [N]KB (avg) [N]KB [✅/⚠️/❌] 4. 可用性設計(Availability) 4.1 SLA 定義 服務 SLA 目標 允許停機/月 計算方式 [核心服務] [99.9%] [~43.8 min] Uptime / Total time [次要服務] [99.5%] [~3.6 hr] [背景服務] [99.0%] [~7.3 hr] 4.2 高可用設計 元件 HA 模式 Failover 時間 健康檢查 [元件] [Active-Active / Active-Passive / N+1] [N]s [HTTP/TCP/Custom] 4.3 停機策略 停機類型 通知時間 持續時間 影響範圍 核准 計畫性維護 [N 天前] [N hr] [描述] [PM/業務] 緊急修復 [即時] [N hr] [描述] [Tech Lead] 5. 延展性設計(Scalability) 5.1 擴展策略 維度 策略 設計 水平擴展(Scale-Out) [無狀態 + Load Balancer] [Auto-scaling rules] 垂直擴展(Scale-Up) [資料庫 / 特殊運算] [上限與遷移計畫] 資料擴展 [分區 / Sharding] [分區策略] 5.2 容量規劃 時間軸 預估用戶 預估資料量 預估 TPS 對應架構 上線 [N] [N] GB [N] [架構描述] 6 個月 [N] [N] GB [N] [是否需擴展] 1 年 [N] [N] GB [N] [擴展方案] 3 年 [N] [N] GB [N] [重大架構變更?] 6. 可靠性設計(Reliability) 6.1 容錯設計 故障場景 影響 容錯機制 降級方案 [單節點故障] [描述] [自動 failover] [N/A] [DB 連線失敗] [描述] [Circuit Breaker] [顯示快取資料] [外部 API 超時] [描述] [Retry + Timeout] [預設值/離線模式] [整個 AZ 故障] [描述] [Multi-AZ 部署] [部分功能降級] 6.2 Circuit Breaker 設計 服務 Open 條件 Half-Open 條件 Close 條件 Fallback [服務] [N 次失敗 in M 秒] [N 秒後] [N 次成功] [降級方案] 6.3 Retry 策略 場景 最大重試 退避策略 可重試條件 [HTTP call] [N] 次 [Exponential backoff + jitter] [5xx, timeout, network error] [DB operation] [N] 次 [Fixed interval] [Deadlock, connection lost] 7. 可維護性設計(Maintainability) 品質指標 目標 度量方式 程式碼覆蓋率 ≥ [N]% [CI/CD report] 技術債指標 [SQALE ≤ N days] [SonarQube] 模組耦合度 [低耦合] [Architecture fitness test] 部署頻率 [≥ N 次/週] [CI/CD metrics;DORA] 變更前置時間 [< N 天] [Git commit → 正式部署;DORA] 失敗部署復原時間 [< N hr] [事件系統;DORA] 變更失敗率/部署重工率 [< N%] [部署紀錄 + 事件系統;DORA 五項指標](只看趨勢,不作為考核目標) 8. 可觀測性設計(Observability) 8.1 三大支柱 支柱 工具 設計 Metrics [Prometheus / CloudWatch] [RED + USE metrics] Logging [ELK / Loki] [Structured JSON, correlation ID] Tracing [Jaeger / Zipkin / OTEL] [Distributed tracing, 100% sampling for errors] 8.2 SLI/SLO 定義 SLI(指標) SLO(目標) 計算方式 告警閾值 Availability [99.9%] successful requests / total requests < 99.8% → Warning Latency (P95) [< 200ms] histogram_quantile(0.95) > 300ms → Warning Error Rate [< 0.1%] 5xx / total requests > 1% → Critical Throughput [≥ N TPS] rate(requests_total[5m]) < N*0.7 → Warning 9. 安全性設計(Security) 詳見安全設計文件(SecurityDesign_Template.md),此處僅摘要 NFR 指標 ...

May 18, 2026 · 5 min · 966 words · Eric Cheng

Rust 1.x 完整企業級開發教學手冊

Rust 1.x 完整企業級開發教學手冊 版本: 2.0 最後更新: 2026 年 5 月 17 日 適用對象: 新手工程師、中階工程師、資深工程師、架構師、技術主管、DevOps 團隊 技術層級: 初階 → 進階 → 架構師級 Rust 版本: 1.95.0 穩定版(Edition 2024) 授權: 內部教育訓練使用 參考來源: rust-lang.org、The Rust Book、crates.io、docs.rs、rustup.rs 目錄 Rust 介紹 1.1 Rust 歷史與發展 1.2 Rust 設計理念 1.3 Rust 與 C/C++ 差異 1.4 Rust 與 Java/Golang 差異 1.5 Rust 適合的應用場景 1.6 Rust 不適合的場景 1.7 Rust 生態系介紹 1.8 Cargo 介紹 1.9 Crates.io 介紹 1.10 docs.rs 介紹 Rust 核心特色 2.1 Ownership(所有權) 2.2 Borrowing(借用) 2.3 Lifetime(生命週期) 2.4 Move Semantics 2.5 Zero-Cost Abstraction 2.6 Pattern Matching 2.7 Traits 2.8 Generics 2.9 Async/Await 2.10 Memory Safety 2.11 Concurrency Safety 開發環境安裝 3.1 Windows 環境安裝 3.2 Linux 環境安裝 3.3 macOS 環境安裝 3.4 VSCode 設定 3.5 IntelliJ Rust 設定 3.6 Toolchain 管理 3.7 nightly / stable / beta 差異 Cargo 完整教學 4.1 專案建立與初始化 4.2 建置與執行 4.3 測試與文件 4.4 程式碼品質工具 4.5 安全性稽核 4.6 發佈與套件管理 4.7 Workspace 管理 4.8 相依性管理與語意版本 Rust 基礎語法 5.1 變數與可變性 5.2 資料型別 5.3 函式 5.4 控制流程 5.5 迴圈 5.6 結構體(Struct) 5.7 列舉(Enum) 5.8 模組系統 5.9 錯誤處理(Result / Option) 5.10 集合(Collections) 5.11 迭代器(Iterators) 5.12 閉包(Closures) Rust 進階教學 6.1 Traits 深入 6.2 Lifetimes 深入 6.3 Smart Pointers 6.4 Rc / Arc 6.5 Mutex / RwLock 6.6 Channels(通道) 6.7 Async Runtime 與 Tokio 6.8 Pin / Unpin 6.9 Unsafe Rust 6.10 Macros(巨集) 6.11 Procedural Macros Rust Web 開發 7.1 Web Framework 比較 7.2 Axum 概觀 7.3 Actix Web 概觀 7.4 Rocket 概觀 7.5 Warp 概觀 7.6 Framework 選型建議 使用 Axum 建立 RESTful API 8.1 專案架構(Clean Architecture) 8.2 DTO 與資料驗證 8.3 Service Layer 8.4 Repository Pattern 8.5 Middleware 8.6 JWT 認證與授權 8.7 OpenAPI / Swagger 8.8 完整 API 範例 8.9 Docker 化 資料庫整合 9.1 SQLx(推薦) 9.2 Diesel 9.3 SeaORM 9.4 ORM 比較表 9.5 Redis 快取 9.6 PostgreSQL 整合實務 9.7 MySQL 整合實務 9.8 SQLite 整合實務 非同步程式設計與高併發 10.1 Tokio Runtime 詳解 10.2 任務產生與管理 10.3 並行模式 10.4 Stream 處理 10.5 限流與背壓 10.6 Graceful Shutdown 10.7 Actor Model 10.8 高併發架構設計 WebAssembly(WASM) 11.1 WASM 概念 11.2 wasm-pack 建置 11.3 在前端使用 WASM 11.4 WASM 使用場景 11.5 Rust + React 整合範例 11.6 WASM 效能優化 系統架構設計 12.1 Clean Architecture 12.2 Hexagonal Architecture(六角架構) 12.3 微服務架構 12.4 事件驅動架構 12.5 CQRS(命令與查詢責任分離) 12.6 架構比較 12.7 模組拆分策略 Docker 與 Kubernetes 13.1 Dockerfile 最佳實務 13.2 Docker Compose 企業配置 13.3 Kubernetes 部署 13.4 Helm Chart 結構 13.5 Service / Ingress / ConfigMap / Secret 13.6 HPA 自動擴展 測試策略 14.1 單元測試 14.2 整合測試 14.3 屬性測試(Property-Based Testing) 14.4 效能測試 14.5 測試金字塔 14.6 Mock Test(mockall) 14.7 Benchmark(criterion) DevSecOps 與 SSDLC 15.1 GitHub Actions CI/CD 15.2 SSDLC 安全開發生命週期 15.3 供應鏈安全 15.4 模糊測試(Fuzzing) 15.5 SBOM 與 Dependency Scan 15.6 Secret Scan 與 Container Scan 可觀測性(Observability) 16.1 日誌(Logging) 16.2 指標(Metrics) 16.3 分散式追蹤(Distributed Tracing) 16.4 可觀測性架構 16.5 健康檢查端點 效能調校 17.1 Profile 工具 17.2 編譯最佳化 17.3 常見效能最佳化技巧 17.4 Async 效能調校 17.5 效能檢查清單 17.6 Lock Contention 分析 團隊建立與治理 18.1 Rust 團隊組建策略 18.2 程式碼規範 18.3 Code Review 檢查清單 18.4 技術債管理 18.5 開發流程(Git Flow / Trunk Based) 18.6 文件治理 18.7 AI 使用規範 AI 協作開發 19.1 GitHub Copilot 與 Rust 19.2 AI 輔助的工作流程 19.3 Prompt 撰寫技巧 19.4 AI Pair Programming 19.5 AI Review 與 Test Generation 19.6 Team Prompt Library 企業級最佳實務 20.1 專案結構最佳實務 20.2 設定管理 20.3 版本管理策略 20.4 錯誤處理最佳實務 20.5 API Versioning 20.6 Security Best Practices 20.7 Scalability 與 High Availability Rust 生態系推薦 21.1 依類別推薦 Crate 21.2 Crate 評估準則 21.3 CLI 與 DevOps 類別 21.4 AI 與 WASM 類別 完整企業級專案實戰 22.1 專案架構 22.2 Cargo.toml 22.3 main.rs 入口 22.4 領域模型 22.5 Repository 層 22.6 Service 層(含 Redis 快取) 22.7 API Handler 22.8 JWT 認證中介層 22.9 路由組裝 22.10 資料庫遷移 22.11 Docker 化部署 常見問題與解答(FAQ) 23.1 編譯相關 23.2 Async 相關 23.3 專案實務 23.4 Async Deadlock 23.5 Memory Leak 排查 23.6 Cargo 問題 學習路線圖 24.1 各階段推薦資源 24.2 初學者路線(0-3 個月) 24.3 中階路線(3-6 個月) 24.4 高階與架構師路線(6-12 個月) 結論 25.1 Rust 在企業中的價值 25.2 導入建議 25.3 技術選型建議 附錄:新進成員檢查清單 26.1 環境建置(第 1 天) 26.2 開發規範熟悉(第 1-2 週) 26.3 進階能力(第 3-4 週) 26.4 獨立作業(第 5-8 週) 版本歷史 Rust 學習路徑總覽 graph LR A[🟢 新手入門] --> B[🔵 基礎語法] B --> C[🟡 核心特色] C --> D[🟠 進階開發] D --> E[🔴 企業實戰] A --- A1[安裝環境] A --- A2[Cargo 基礎] B --- B1[變數/函式/流程控制] B --- B2[Struct/Enum/Module] B --- B3[錯誤處理/集合] C --- C1[Ownership/Borrowing] C --- C2[Lifetime] C --- C3[Traits/Generics] D --- D1[Async/Tokio] D --- D2[Web API/Axum] D --- D3[資料庫整合] E --- E1[架構設計] E --- E2[Docker/K8s] E --- E3[DevSecOps/CI-CD] E --- E4[Observability] 1. Rust 介紹 1.1 Rust 歷史與發展 Rust 是一門注重安全性、效能與並發性的現代系統級程式語言。 ...

May 17, 2026 · 114 min · 24142 words · Eric Cheng

Addyosmani Agent Skills 教學手冊

addyosmani/agent-skills 教學手冊 版本:v3.0.0(基於 agent-skills 0.6.15,並核對 main@301b02b,2026-11-01) 更新日期:2026-11-14 前一版:v2.1.0(2026-07-02,基於 v0.6.2)。兩版差異見附錄 G 適用對象:資深工程師、架構師、Tech Lead、QA、DevSecOps 工程師、AI 治理委員會 技術棧:addyosmani/agent-skills、Claude Code(Plugin Marketplace)、Codex CLI、GitHub Copilot(CLI 與 VS Code)、Cursor、Gemini CLI、Antigravity CLI、OpenCode、Command Code、Spring Boot、Vue 3 授權:MIT License 參考來源:addyosmani/agent-skills(2026-11-13 查詢:116,907 stars、12,221 forks;最新 release 0.6.15,2026-10-31) 如何使用本手冊 本手冊依「企業標準技術白皮書」的方式撰寫,每一章都有三種內容: 說明:這個機制是什麼、為什麼要這樣設計。 範例:可以直接複製使用的設定、檔案或指令。範例都已在離線環境實際驗證(方法與結果見附錄 H)。 本章審查與驗證清單:AI 依本章指引產出成果之後,人要怎麼審查、怎麼驗證它是對的。清單格式統一如下: 欄位 意義 AI 產出項目 AI 交付的檔案、指令或報告 ❌ 常見錯誤 AI 最常犯、而且看起來「好像沒問題」的錯 ✅ 正確樣貌 合格產出應該長什麼樣子 人工如何驗證 審查者可以實際執行的檢查步驟或指令 依角色建議的閱讀順序: 角色 必讀 選讀 開發工程師 第 1–3、5、8、11 章 第 16、17、19 章 架構師/Tech Lead 第 1–4、9、10、20 章 第 12、13、19 章 QA 工程師 第 3.4–3.6、4.2、6、17 章 第 15 章 DevSecOps 工程師 第 3.2.4、14、15、18 章 第 9 章 AI 治理/稽核 第 9、14、19.6、20 章與附錄 F–H 第 22 章 📌 版本標示慣例:本手冊以 0.6.x 新增 標示 v0.6.3 之後才出現的機制,並在附錄 G 列出完整的版本對照。上游尚未發布、只存在於 main 的變更會標成「main 新增」。 ...

May 17, 2026 · 149 min · 31639 words · Eric Cheng

Mattpocock Skills 教學手冊

mattpocock/skills 教學手冊 以 mattpocock/skills 建立可審查、可驗證的企業級 AI Coding Agent 工程流程 項目 說明 文件版本 v6.0.0 更新日期 2026-10-15 文件等級 企業標準技術白皮書 查證基準 mattpocock/skills v1.3.1(CHANGELOG.md、package.json、.claude-plugin/plugin.json 三者一致);另含 main 分支截至 2026-10-13 尚未發版的 17 則 changeset 上游規模 291,355 stars、24,435 forks、MIT License(GitHub API,2026-10-15) 對照環境 Claude Code 2.1.300、Python 3.12.8、OpenJDK 21.0.4、Maven 3.9.9、Node.js 24.16.0、ShellCheck 0.11.0、actionlint 1.7.12、Hugo 0.151.0 適用對象 資深工程師、架構師、Tech Lead、DevSecOps 工程師、AI 導入推動者、程式碼審查者 前置知識 Git 與 Pull Request 流程、至少一種 Coding Agent(Claude Code、Codex、GitHub Copilot 等)的基本操作、單元測試概念 v6.0.0 改版重點:上游自 v1.2.3 以來發佈 v1.3.0/v1.3.1,含兩項破壞性變更:領域詞彙檔由 CONTEXT.md/CONTEXT-MAP.md 改名為 GLOSSARY.md/GLOSSARY-MAP.md(舊檔名不再被讀取),以及 resolving-merge-conflicts 被移除。同時 implement-spec、pr、retro 三個 Skill 轉正,Plugin 收錄數增為 27 個;Codex、GitHub Copilot、VS Code、Gemini CLI 也都有了正式安裝路徑。本版依「idea → ship」主流程全面重新編排章節,每章新增「本章目標」與「本章審查與驗證清單」,並以實際執行過的檢查腳本、正反例、TDD 與突變測試示範,教讀者如何審查與驗證 AI 依這些 Skill 產出的成果。完整差異見附錄 D與附錄 F。 ...

May 15, 2026 · 92 min · 19497 words · Eric Cheng

Quarkus 3.x 教學手冊

Quarkus 3.x 教學手冊 項目 說明 文件名稱 Quarkus 3.x 教學手冊 文件版本 v1.0.0 Quarkus 版本 3.35.x(2026 年 5 月最新穩定版) 最後更新日期 2026-05-15 撰寫角色 資深軟體架構師 / 資深 Java 雲原生開發工程師 / DevSecOps 架構師 / AI 架構師 目標對象 Java 後端工程師、架構師、DevOps 工程師、技術主管 前置知識 Java 17+、Maven 基礎、REST API 概念、Docker 基礎、Git 版本控制 適用場景 企業內訓教材、技術白皮書、架構設計參考、新人訓練、維運指引 授權方式 內部使用 前言 Quarkus 是由 Red Hat 發起、現歸屬 Commonhaus Foundation 的開源 Java 框架,專為 Kubernetes、Serverless 與雲原生環境量身打造。官方稱之為「超音速、亞原子的 Java」(Supersonic Subatomic Java),其核心目標是大幅降低 Java 應用的記憶體消耗、加速啟動時間,使 Java 成為容器化時代的首選語言。 Quarkus 3.x 系列在 Jakarta EE 10+ 規範基礎上,融合 MicroProfile、Vert.x、Hibernate 等成熟技術,透過獨特的「編譯期啟動優化」(Compile Time Boot)策略,將傳統在執行期才完成的依賴注入、配置解析與中繼資料處理,提前至建置階段完成。這使得應用程式在 JVM 模式下即可快速啟動,搭配 GraalVM Native Image 更可達到毫秒級啟動與極低記憶體消耗。 ...

May 15, 2026 · 74 min · 15707 words · Eric Cheng

Jakarta EE 12 教學手冊

Jakarta EE 12 教學手冊 文件資訊 項目 說明 文件名稱 Jakarta EE 12 教學手冊(企業標準技術白皮書) 版本 3.0.0 更新日期 2026-10-30 作者 架構團隊 目標對象 Java 後端工程師、架構師、DevOps/SRE、Tech Lead、負責審查 AI 產出程式碼的 Reviewer 前置知識 Java SE 基礎、Maven、SQL、HTTP 生產基準 Jakarta EE 11 GA(Open Liberty 26.0.0.10、WildFly 42、GlassFish 8.0.x、Payara 7.2026.x) 前瞻基準 Jakarta EE 12 里程碑(Core Profile 預計 2026-12-01、Web Profile 2027-03-31、Platform 2027-05-15) Java 版本 Java SE 21(最低)/Java SE 25 LTS(TCK 同步支援) 官方網站 jakarta.ee、Jakarta EE 12 Release 驗證狀態 書中所有標註「已驗證」的程式碼都在本機實際編譯與執行過,紀錄見 附錄 A 如何閱讀本手冊 本手冊同時處理兩個時間點,因此每個功能都標示狀態,讀者先看狀態再決定能不能用在生產環境: 標記 意義 可否上生產 本手冊如何驗證 [GA] Jakarta EE 11 已正式發布、已有認證實作 可以 在 Open Liberty 26.0.0.10 上實際部署並跑整合測試 [EE12-GA] 已單獨完成 Release Review 的 EE 12 元件規格(例如 CDI 5.0) 需等 Server 支援 用參考實作(Weld 7.0.0.Final)執行單元測試 [EE12-M] EE 12 里程碑 API,Maven Central 有 artifact,但尚無通過 TCK 的實作 不可以 只做「編譯驗證」,確認型別與方法簽章存在 [候選] 尚未決定是否納入 EE 12 的規格(Config、NoSQL、MVC、Agentic AI 等) 不可以 只描述狀態與官方連結,不提供正式範例 每一章最後都有「審查與驗證清單」,列出 Reviewer 審查 AI 產出程式碼時的檢查項目、驗證指令、預期結果與常見錯誤。手冊的寫法是:先給規則,再給驗證過的範例,最後給檢查方法。 ...

May 14, 2026 · 166 min · 35273 words · Eric Cheng

Agentic AI 與 LLM wiki Repo 建立教學手冊

Agentic AI 與 LLM wiki Repo 建立教學手冊 — 企業級 AI 資產知識庫 版本:v3.1(2026-07-03) 適用對象:技術主管 / 架構師 / 資深工程師 / DevOps 團隊 定位:企業標準技術白皮書 參考範本:github/awesome-copilot(36.1k+ Stars / 4.5k+ Forks / 400+ Contributors) 延伸參考:Karpathy LLM Wiki(5,000+ Stars / 5,000+ Forks) 最後審閱日期:2026-07-03 執行摘要 企業導入 GitHub Copilot、Claude Code 等 AI 開發工具後,最大的隱憂不是工具本身,而是團隊產出的 Agent、Instruction、Skill、Prompt 等「AI 資產」缺乏統一管理,導致重複造輪子、品質參差、知識隨人員異動而流失。本白皮書提出一套可落地的解法:以 GitHub 官方 awesome-copilot 的分類體系與治理機制為骨幹,建立企業內部的 AI 資產知識庫(第 1–10 章涵蓋 Repo 建立、目錄設計、內容規範、CI/CD 自動化、治理與團隊導入的完整流程);並進一步整合 Andrej Karpathy 提出的 LLM Wiki 模式(第 11 章),讓「研究型、決策型」的知識也能由 LLM 持續編譯、複合成長,而非每次查詢都重新從原始資料派生答案。兩者互補:AI 資產知識庫管理「可執行的工具」,LLM Wiki 管理「持久化的判斷與脈絡」。讀者可依團隊規模(第 9.5.4 節)選擇適合的導入深度,從最小可行的 4 個核心目錄開始,逐步擴展至完整的 10 類資產與 LLM Wiki 知識層。 ...

May 7, 2026 · 47 min · 9889 words · Eric Cheng

AI 治理教學手冊

AI 治理教學手冊(AI Governance Handbook) 版本:v5.0 適用對象:管理團隊 + 開發團隊 最後更新:2026-07-16 分類:企業內部標準文件(技術白皮書等級) 文件編號:GOV-AI-001 機密等級:內部使用 版本歷程 版本 日期 修訂內容 修訂人 v1.0 2026-05-06 初版發行 AI 治理委員會 v2.0 2026-05-06 全面更新法規對照、新增生成式 AI 治理專章、補充台灣《人工智慧基本法》與國際標準最新動態 AI 治理委員會 v3.0 2026-05-06 依據 EU AI Act 最新施行進度更新(含八大禁止實踐、GPAI Code of Practice 第三版)、補充金管會 AI 自律規範、強化 AI 素養與跨境治理章節、新增數位發展部評測指引落地實務 AI 治理委員會 v4.0 2026-07-02 重大法規更新:台灣《人工智慧基本法》2025 年 12 月三讀通過(修正七大原則與主管機關分工)、EU AI Act Digital Omnibus 修正案(高風險義務延至 2027/2028 年、新增二項禁止實踐)、GPAI Code of Practice 正式版、金管會「金融業運用 AI 指引」(2024/6)、《個資法》與《資安法》2025 年修正;新增 ISO/IEC 42005/42006、NIST 2025-2026 動態(America’s AI Action Plan、Cyber AI Profile)、OECD 負責任 AI 盡職調查指引專節、AIEC 十項評測面向修正 AI 治理委員會 v5.0 2026-07-16 逐章節查證修正:台灣《人工智慧基本法》已於 2026/1/14 公布施行(含 2 年落日條款)、國家 AI 戰略特別委員會已於 2026/5/21 正式成立、moda AI 風險分類框架四步驟落地說明、金管會擬議納入代理式 AI 指引動態、個資會籌備處現況澄清、資安法施行細節;修正 EU AI Act Article 50 透明度義務延期範圍之誤植;新增 ISO/IEC 42001 認證概況、NIST 2025-2026 動態細節、OECD HAIP 2.0;新增 4.4 模型風險管理生命週期、4.5 供應鏈第四方風險、7.2.6 AI Agent 失控風險、13 章生成式內容標記合規;更新 3.1 AI 工具世代資訊;修正 LaTeX 格式問題 AI 治理委員會 目錄 法規與標準對照表 1. AI 治理總體架構(Governance Framework) 1.1 AI 治理目標 1.2 三道防線(Three Lines of Defense) 1.3 AI 風險分類 1.4 與 IT Governance / Data Governance 關聯 2. AI 在 SSDLC 各階段治理 2.0 SSDLC 全景圖 2.1 Requirement(需求階段) 2.2 Design(設計階段) 2.3 Development(開發階段)— AI Coding 2.4 Testing(測試階段) 2.5 Deployment(部署階段) 2.6 Maintenance(維護階段) 3. AI Coding 工具治理 3.1 工具對照與管理 3.2 Prompt 管理(Prompt Governance) 3.3 輸出驗證(Output Validation) 3.4 Code Review 政策 3.5 禁止事項 3.6 AI Hallucination 控制 4. 公司 AI 治理章程(Policy) 4.1 AI 使用政策 4.2 AI 開發規範 4.3 資料使用規範 4.4 模型使用規範 4.5 第三方 AI 管理 5. 標準作業程序(SOP) 5.1 AI 開發流程 SOP 5.2 Prompt 使用 SOP 5.3 AI Code Review SOP 5.4 AI 產出驗證 SOP 5.5 AI 事件通報 SOP 6. 驗證與稽核機制(Validation & Audit) 6.1 AI 產出驗證方法(Test Strategy) 6.2 安全掃描(SAST / DAST) 6.3 AI 風險評估 6.4 稽核流程(Audit Checklist) 6.5 Logging & Traceability 7. AI 風險管理(Risk Management) 7.1 風險總覽 7.2 各風險詳細分析與控制 8. 技術落地架構(Architecture) 8.1 AI Gateway 架構 8.2 Prompt Registry 設計 8.3 Audit Log 系統 8.4 Secure Proxy 設計 8.5 DevSecOps 整合 9. 管理層決策建議(Executive Guide) 9.1 KPI / KRI 9.2 AI 成本控管 9.3 導入策略(Phase 1~3) 9.4 組織設計(AI Governance Team) 10. 生成式 AI 治理專章(Generative AI Governance) 10.1 生成式 AI 風險特論 10.2 大型語言模型(LLM)使用規範 10.3 AI Agent 與自動化工作流治理 10.4 生成式 AI 倫理框架 11. 附錄(Templates) 11.1 AI 使用申請表 11.2 Prompt Template 範例 11.3 AI Risk Assessment 表 11.4 Code Review Checklist(AI 產出專用) 12. AI 素養與教育訓練體系(AI Literacy & Training) 12.1 AI 素養框架 12.2 分層培訓體系 12.3 培訓成效評估 13. 跨境資料傳輸與多法域合規(Cross-border & Multi-jurisdiction) 13.1 跨境資料傳輸治理 13.2 多法域合規矩陣 13.3 國際合作與互認機制 檢查清單(Checklist) 法規與標準對照表 台灣法規 法規/標準 主管機關 核心要求 最新動態 與本手冊對應章節 《人工智慧基本法》 國科會(中央主管機關) AI 發展與治理基本原則、風險分級管理、產業推動、人才培育、資料治理;確立七大基本原則(永續發展與福祉、人類自主、隱私保護與資料治理、資安與安全、透明與可解釋、公平與不歧視、問責) 國科會 2024 年草擬、2025 年改由數位發展部推動立法作業,2025 年 12 月 23 日立法院三讀通過,2026 年 1 月 14 日總統公布施行,為台灣首部 AI 專法。法案訂有 2 年落日條款:各目的事業主管機關須於施行後 2 年內,依中央主管機關訂定之風險分類框架完成子法訂修;行政院已於 2026 年 5 月 21 日由行政院長卓榮泰親自召集正式成立「國家 AI 戰略特別委員會」,國科會將據以研擬《國家人工智慧發展綱領》提委員會審議 1, 4, 7, 10, 12 金管會「金融業運用AI核心原則與相關推動政策」 金管會 建立治理與問責機制、重視公平性及以人為本、保護隱私及客戶權益、確保系統穩健及安全、落實透明性及可解釋性、促進永續發展(六大核心原則)+ 八項配套政策 2023 年 10 月發布,揭示六大核心原則與八項配套政策(含訂定 AI 指引、法規調適、監理科技、責成公會自律規範等);金管會後續調查顯示已逾百家金融機構於智能客服、風控、行銷等業務導入 AI 1, 4, 7 金管會「金融業運用人工智慧(AI)指引」 金管會 依六大核心原則展開之操作性指引:涵蓋治理與問責(董事會與高階管理階層之監督責任)、AI 系統生命週期風險管理、資料治理與隱私保護、系統穩健性與安全性、透明性與可解釋性(含客戶告知)、委外與第三方管理 2024 年 6 月 20 日正式發布(2023 年 12 月草案公開徵詢後定案),為金融業 AI 治理最具體之遵循文件;採原則性、非強制性設計,並責成銀行、證券、保險等公會據以訂定自律規範與最佳實務守則。2026 年 5 月 7 日金管會主委彭金隆於立法院財政委員會表示,將修訂指引納入「可程式化 AI」「代理式 AI(AI Agent)」與風險分類機制,時程對標 EU AI Act 2026/8/2 全面生效——現階段屬研議中之修訂方向,尚未定案發布,企業應持續追蹤而非逕予採用 1, 4, 6, 7 《個人資料保護法》 個人資料保護委員會籌備處(尚未完成獨立設會) 資料蒐集/處理/利用之合法性基礎、安全維護義務、跨境傳輸限制、個資事故通知與通報義務 2023 年修正增訂獨立監督機關法源並成立個資會籌備處(2023/12/5 成立);行政院 2025 年 3 月通過「個資會組織法」草案與個資法部分條文修正草案,個資法修正條文於 2025 年 10 月 17 日三讀、11 月 11 日總統公布(強化行政監管與檢查權限、明訂事故通知通報義務、調整罰則)。施行日期尚待行政院另定;「個資會組織法」尚未完成三讀,個資會現仍以籌備處型態運作,並非正式獨立機關。籌備處已於 2026 年 1 月預告施行細則修正草案及三項子法,內容含 72 小時資安事故通報與 DPO 設置要求 4, 7, 13 《資通安全管理法》 數位發展部(資通安全署執行) 資安防護基準、事件通報與應變、稽核評鑑、資安人員專職化、供應鏈安全管理 2025 年 8 月 29 日三讀、9 月 24 日總統公布修正,已於 2025 年 12 月 1 日正式施行:主管機關明定為數位發展部、公務機關原則禁止使用危害國家資安之資通產品、強化資安專職人員(資通安全長)配置與訓練、擴大稽核範圍至五院與地方政府、促進跨機關聯防;特定非公務機關未依規定通報之罰鍰由新台幣 30 萬元起、最高可處 1,000 萬元;資安署並同步修訂八項子法 5, 6 行政院「AI 新十大建設推動方案」 國發會/行政院 AI 基礎建設、算力提升、產業應用、人才培育、法制環境、國際合作 114 年至 117 年(2025-2028)推動中,包含建置國家級 AI 算力中心、推動 AI 人才培育計畫、建立 AI 沙盒機制;《AI 基本法》通過後成為其法制基礎 9 數位發展部「AI 風險分類框架」/AI 產品與系統評測中心(AIEC) 數位發展部(數位產業署) 風險分類框架採四步驟流程:應用盤點 → 風險辨識 → 風險評估 → 風險應變,作為跨機關共通語言,由各目的事業主管機關(如金管會)據以訂定領域拘束性規範;AIEC 提供 AI 系統可信賴性評測,涵蓋十項評測面向:安全性、可解釋性、彈性、公平性、準確性、透明性、當責性、可靠性、隱私、資安 AIEC 為既有機制,於 2023 年 12 月啟動(非新設),參考 NIST、ISO 與歐盟規範提供評測服務;風險分類框架頁面 2026 年 3 月 23 日發布、2026 年 7 月 8 日更新,對應 PDF 版本(23 頁)可供企業對照盤點自身 AI 應用;規劃 2026 年推動國內產品通過國內外標準評測 6, 12 國科會「負責任 AI 研發指引」 國科會 AI 研發倫理規範、資料治理原則、利害關係人參與、風險評估方法論 供學研界與產業界遵循,強調以人為本的 AI 研發實踐;《AI 基本法》通過後與其七大原則銜接 10, 12 國際法規與標準 法規/標準 管轄範圍 核心要求 最新動態 與本手冊對應章節 EU AI Act(Regulation 2024/1689) 歐盟/具域外效力 AI 風險四級分類(不可接受/高/有限/最低)+ 通用目的 AI(GPAI)專章;明定禁止實踐清單 2024 年 8 月 1 日生效;2025 年 2 月起八大禁止實踐與 AI 素養義務適用;2025 年 8 月 2 日起 GPAI 義務適用(GPAI Code of Practice 正式版於 2025 年 7 月 10 日發布,含透明度、著作權、安全與資安三章,8 月 1 日獲執委會與 AI Board 認可);Digital Omnibus 修正案於 2026 年 5 月 7 日達成三方臨時協議、6 月 16 日歐洲議會通過、6 月 29 日理事會最終批准:Annex III 獨立高風險系統義務延至 2027 年 12 月 2 日、Annex I 嵌入受監管產品之 AI 延至 2028 年 8 月 2 日,並新增二項禁止實踐(AI 生成未經同意之私密影像與兒少性剝削內容,2026 年 12 月 2 日生效) 1, 7, 10, 13 ISO/IEC 42001:2023 國際 AI 管理系統(AIMS)建立、實施、維護與持續改善之要求(條款 4-10,PDCA 架構);為全球首個 AI 管理系統國際標準 2023 年 12 月正式發布,可作為第三方認證依據;全球認證數持續成長,2026 年春已逾 350 家組織取得認證(含 AWS、Microsoft、Anthropic、KPMG 等,惟無官方統一登錄、數字係彙整各驗證機構公開資訊),台灣已有認證機構提供服務;與 ISO/IEC 42005(影響評估)、42006(驗證機構要求)構成「建置—影響評估—驗證」完整標準包 1, 6 ISO/IEC 42005:2025 國際 AI 系統影響評估(AI System Impact Assessment)指引:於 AI 生命週期各階段評估對個人與社會之可預見影響,並與 AIMS、風險管理流程整合 2025 年 5 月發布,補足 ISO/IEC 42001 條款 6 與附錄所要求之影響評估方法論,為企業執行 AI 影響評估之主要國際參考。性質為指引文件,不可單獨作為認證依據,須與 42001 併同適用 6, 7 ISO/IEC 42006:2025 國際 對 AIMS 稽核與驗證機構之額外要求(稽核員能力、稽核時間、範圍界定),確保 ISO/IEC 42001 認證之公信力與一致性 2025 年 7 月發布,規範對象為驗證機構本身(非一般企業);驗證機構須依此取得認可,企業選擇驗證機構時應確認其符合本標準,避免與 42005 之「企業自行適用」性質混淆 6 ISO/IEC 23894:2023 國際 AI 風險管理指引,與 ISO 31000 整合,提供 AI 特定風險識別與處理方法 2023 年 2 月發布,已成為各國 AI 風險管理實務之重要參考 7 ISO/IEC 38507:2022 國際 AI 使用之治理影響,為組織治理層提供 AI 治理指引 2022 年發布,與 ISO/IEC 42001 形成互補的治理標準體系 1, 9 ISO/IEC 25059:2023 國際 AI 系統品質模型,擴展 SQuaRE 系列至 AI 系統品質評估 2023 年發布,為 AI 系統品質量測提供標準化框架 6 NIST AI RMF 1.0 美國/國際參考 AI 風險管理四大功能:治理(Govern)、對應(Map)、量測(Measure)、管理(Manage) 2023 年 1 月發布;生成式 AI 風險概覽(NIST AI 600-1)2024 年 7 月發布。美國「America’s AI Action Plan」(2025 年 7 月)指示 NIST 修訂 AI RMF,具體修訂方向為移除錯誤資訊、DEI、氣候變遷等相關引用(非中性技術性調整,反映政策立場轉變),企業引用時應留意版本差異;Cyber AI Profile(NIST IR 8596)初稿於 2025 年 12 月公開徵詢,意見徵詢已於 2026 年 1 月 30 日截止,惟尚未定稿,將 AI 風險與網路安全框架(CSF 2.0)整合;2026 年 4 月發布之關鍵基礎設施 AI RMF Profile 目前僅為概念文件並徵集社群意見,尚非正式草案 7 OECD AI Principles 國際(38 國+夥伴國) 包容性成長、永續發展、以人為本、透明與可解釋、穩健安全、問責 2024 年 5 月更新修訂版,納入生成式 AI 與基礎模型考量;2025 年 2 月推出廣島 AI 進程(HAIP)透明度報告框架;HAIP 報告框架 2.0 於 2026 年 5 月 28 日發布,擴大適用範圍至完整 AI 價值鏈(不限於前沿模型供應商)並簡化中小企業申報流程 1, 9, 10 OECD 負責任 AI 盡職調查指引(Due Diligence Guidance for Responsible AI) 國際 將「負責任商業行為(RBC)」六步驟盡職調查框架套用於 AI 價值鏈:政策內嵌、風險識別與評估、停止/預防/減緩、追蹤成效、對外溝通、補救措施 2026 年 2 月 19 日發布,為企業(含 AI 供應鏈上下游)辨識並處理 AI 負面影響之實務指引,與 OECD 跨國企業指導綱領銜接(詳見第 4.5 節) 4, 7 UNESCO AI 倫理建議書 國際(193 國) AI 倫理四大價值:尊重人權、多元包容、和平公正、環境永續;十大原則 2021 年 11 月通過,2024 年進行首次全球執行狀況評估(Readiness Assessment),顯示約 60% 會員國已啟動相關立法 10 美國白宮 AI 政策 美國 以促進創新與維持 AI 領導地位為主軸之聯邦政策 EO 14110(2023/10)於 2025 年 1 月被 EO 14179「移除美國 AI 領導地位之障礙」取代;2025 年 7 月 23 日白宮發布「Winning the Race: America’s AI Action Plan」,聚焦加速創新、AI 基礎建設與國際外交安全三大支柱,並指示 NIST 修訂 AI RMF;聯邦層級鬆綁之際,州級 AI 立法(如科羅拉多州 SB24-205)持續推進,形成多層次監管環境 7 G7 廣島 AI 程序與行為準則 G7 國家 先進 AI 系統開發者的國際行為準則,含 11 項自願承諾 2023 年 10 月發布;2024 年 G7 峰會持續推動並擴大至非 G7 夥伴國參與;2025 年加拿大 G7 輪值主席持續深化 AI 治理議題 1, 9 新加坡 AI Verify 亞太 AI 系統可信賴性測試框架,涵蓋透明度、公平性等九大面向 持續更新,已成為亞太地區重要的 AI 治理參考框架 6 中國《生成式人工智能服務管理暫行辦法》 中國大陸 生成式 AI 服務提供者之義務、內容安全、資料標註要求 2023 年 8 月施行;後續陸續發布《人工智能安全治理框架》等配套規範 10, 13 1. AI 治理總體架構(Governance Framework) 1.1 AI 治理目標 本公司 AI 治理制度之目標: ...

May 6, 2026 · 43 min · 9020 words · Eric Cheng