GitHub CLI 教學手冊 版本：基於 GitHub CLI v2.74.0（2026-05 最新穩定版）／GitHub Copilot CLI v1.0.65（2026-06-24 最新穩定版） 適用對象：資深工程師 / DevOps 工程師 / 架構師 / SRE / AI 團隊 技術環境：企業級 Web Application（Spring Boot / Vue / 微服務架構） 最後更新：2026-06-30 目錄 第 1 章：GitHub CLI 概述 1.1 GitHub CLI 是什麼 1.2 為何企業要導入 GitHub CLI 1.3 GitHub CLI 架構 1.4 GitHub CLI 與 Git 的差異 1.5 GitHub CLI 與 GitHub API 的關係 1.6 GitHub CLI 使用情境 1.7 GitHub CLI 優缺點 第 2 章：GitHub CLI 安裝與環境建置 2.1 Windows 安裝 2.2 macOS 安裝 2.3 Linux 安裝 2.4 WSL 安裝 2.5 驗證安裝 2.6 Proxy 設定 2.7 公司內網設定 2.8 SSH Key 建立 2.9 GPG Key 建立 2.10 Git 設定 2.11 GitHub Login 2.12 Token 管理 2.13 PAT 管理 第 3 章：GitHub Authentication 與安全管理 3.1 gh auth login 3.2 gh auth status 3.3 gh auth refresh 3.4 gh auth logout 3.5 SSH Authentication 3.6 HTTPS Authentication 3.7 PAT Token 3.8 Fine-grained Token 3.9 SSO 3.10 Enterprise Authentication 3.11 最佳安全實務 3.12 Token Rotation 3.13 Secret 管理 3.14 Least Privilege 原則 第 4 章：GitHub Repo 管理 4.1 建立 Repo 4.2 Clone Repo 4.3 Fork Repo 4.4 Rename Repo 4.5 Delete Repo 4.6 Archive Repo 4.7 Template Repo 4.8 Monorepo 4.9 Polyrepo 4.10 Repo 命名規範 4.11 Repo Governance 4.12 Repo 權限管理 4.13 Team 管理 第 5 章：Source Code 上架與管理 5.1 Git 初始化 5.2 Push Source Code 5.3 Branch 管理 5.4 Git Flow 5.5 Trunk Based Development 5.6 Feature Branch 5.7 Release Branch 5.8 Hotfix Branch 5.9 Commit Convention 5.10 Pull Request Flow 5.11 Code Review Flow 第 6 章：文件管理策略 6.1 Markdown 文件管理 6.2 docs 結構 6.3 ADR 管理 6.4 Architecture 文件 6.5 API 文件 6.6 README 標準化 6.7 Wiki 管理 6.8 GitHub Pages 第 7 章：GitHub CLI 常用指令大全 7.1 gh repo 7.2 gh pr 7.3 gh issue 7.4 gh release 7.5 gh workflow 7.6 gh run 7.7 gh api 7.8 gh alias 7.9 gh extension 7.10 gh browse 7.11 gh codespace 7.12 gh gist 7.13 gh project 7.14 gh search 7.15 gh cache 7.16 gh attestation 7.17 gh ruleset 7.18 gh label 7.19 gh variable 7.20 gh secret 7.21 gh status 7.22 gh config 第 8 章：GitHub Actions 與 Workflow Automation 8.1 GitHub Actions 架構 8.2 Workflow 基礎 8.3 Runner 與 Self-hosted Runner 8.4 Matrix Build 8.5 Cache 與 Artifact 8.6 Secret 與 Environment 8.7 CI Workflow 範例 8.8 CD Workflow 範例 8.9 Release Workflow 範例 8.10 Security Scan Workflow 8.11 AI Workflow 第 9 章：SSDLC 與 Security 9.1 Secret Scanning 9.2 Dependabot 9.3 CodeQL 9.4 Security Policy 9.5 Branch Protection 9.6 CODEOWNERS 9.7 Signed Commit 9.8 Supply Chain Security 與 SBOM 9.9 OWASP 與 DevSecOps 9.10 SAST 與 DAST 第 10 章：GitHub CLI 自動化腳本 10.1 Bash Script 10.2 PowerShell Script 10.3 Windows Batch 10.4 Python Script 10.5 Repo 初始化自動化 10.6 Branch Protection 自動化 10.7 Release Automation 第 11 章：AI 整合與 Copilot CLI 11.1 GitHub Copilot CLI 概述 11.2 Copilot CLI 安裝與設定 11.3 核心操作模式 11.4 Slash Commands 指令大全 11.5 MCP Server 整合 11.6 自訂 Agent、Skills 與 Plugins 11.7 Session 管理與記憶 11.8 Fleet 模式與子代理人 11.9 LSP 整合 11.10 Hooks 系統 11.11 企業級 Copilot CLI 管理 11.12 觀測性與監控 11.13 gh copilot 擴充套件（Legacy） 11.14 Copilot 在 PR Review 中的應用 11.15 AI-Powered Workflow 11.16 Copilot CLI 最佳實務與 AI Agent 整合策略 第 12 章：企業級最佳實務 12.1 Organization 管理 12.2 Repository Governance 12.3 Inner Source 策略 12.4 合規與稽核 12.5 Token 與權限管理 12.6 GitHub Projects 管理 12.7 多帳戶與跨平台管理 第 13 章：維運與監控 13.1 API Rate Limit 監控 13.2 Workflow 執行監控 13.3 Repo 活躍度監控 13.4 Security Alert 監控 13.5 Billing 與用量 13.6 通知管理 第 14 章：實戰案例 14.1 案例一：微服務團隊快速啟動 14.2 案例二：Release 流程自動化 14.3 案例三：Security 合規自動化 14.4 案例四：PR Review 流程優化 14.5 案例五：跨 Repo 標準化 第 15 章：故障排除（Troubleshooting） 15.1 常見錯誤與解決方案 15.2 CLI 升級與相容性 15.3 Debug 模式 15.4 Copilot CLI 常見問題 第 16 章：最佳實務總覽 16.1 日常開發 16.2 團隊協作 16.3 安全 16.4 CI/CD 16.5 自動化 第 17 章：附錄 17.1 Cheat Sheet 17.2 環境變數 17.3 設定檔位置 17.4 常用 jq 語法 17.5 FAQ 檢查清單（Checklist） 第 1 章：GitHub CLI 概述 1.1 GitHub CLI 是什麼 GitHub CLI（指令為 gh）是 GitHub 官方開發的開源命令列工具，以 Go 語言撰寫，讓開發者直接在終端機中與 GitHub 平台互動。它將 Pull Request、Issue、GitHub Actions、Release 等 GitHub 核心功能帶入命令列，消除在瀏覽器與終端機之間頻繁切換的低效工作模式。 ...

Graphify 教學手冊 版本：v0.9.2（2026-06-30） 適用對象：資深工程師、架構師、DevOps 團隊 定位：企業級知識圖譜建置與維運實戰手冊 授權：MIT License Y Combinator：S26 批次 目錄 第 1 章：Graphify 概述 1.1 什麼是 Graphify 1.2 工具定位與比較 1.3 使用情境 1.4 與 AI Agent 的關係 1.5 核心特色摘要 1.6 多後端支援 1.7 Penpax 與生態系統發展 第 2 章：系統架構設計 2.1 整體架構圖 2.2 三階段處理 Pipeline 2.3 Pipeline 模組詳解 2.4 模組職責對照表 2.5 Graph 資料模型 2.6 Confidence Labels（信賴標籤） 2.7 實體去重 Pipeline 2.8 與企業系統整合架構 2.9 技術棧 第 3 章：安裝與環境建置 3.1 環境需求 3.2 安裝步驟（各平台） 3.3 多平台支援 3.4 選用安裝項目（Optional Extras） 3.5 Docker 部署方式（企業推薦） 3.6 安全性設定 3.7 常見安裝問題排除 第 4 章：基本使用教學 4.1 初始化專案 4.2 建立知識圖譜 4.3 指令完整說明 4.4 輸出內容說明 4.5 .graphifyignore 設定 4.6 Always-On 模式設定 4.7 查詢知識圖譜 第 5 章：進階使用（企業必備） 5.1 全域知識圖譜（Global Graph） 5.2 多 Repo 分析 5.3 增量更新與 Watch 模式 5.4 Git Hooks 與合併驅動器 5.5 與 CI/CD 整合 5.6 與 AI 助手整合 5.7 MCP Server 模式 5.8 知識圖譜查詢應用（RAG 強化） 5.9 多格式匯出 5.10 Wiki 生成 5.11 記憶回饋迴圈（Memory Feedback Loop） 5.12 Callflow HTML 匯出 5.13 Docker MCP Toolkit 5.14 PR Dashboard（圖譜感知 PR 管理） 5.15 自訂 LLM Provider Registry 5.16 循環匯入偵測（Import Cycle Detection） 5.17 專案範圍安裝（Project-Scoped Install） 5.18 Azure OpenAI 後端 5.19 Terraform / HCL 支援 5.20 Salesforce Apex 支援 5.21 PostgreSQL Schema 內省 5.22 FalkorDB 圖資料庫整合 5.23 Cargo Workspace 映射 5.24 CUDA / Metal Shader 支援 5.25 WPF / XAML 支援 5.26 Graph Health Gate 5.27 Trigram Query 預過濾 5.28 新增平台支援 第 6 章：實戰案例 6.1 案例一：舊系統逆向工程（Java / Spring） 6.2 案例二：微服務架構知識盤點 6.3 案例三：新人 Onboarding 加速 6.4 案例四：影音知識庫建構 第 7 章：系統升級與版本管理 7.1 升級 Graphify 7.2 Graph Schema 版本控制 7.3 與 Git 版本同步策略 7.4 v0.9.0 破壞性變更遷移指南 第 8 章：安全與隱私設計（SSDLC） 8.1 安全模型總覽 8.2 本地運算優勢 8.3 威脅面與緩解措施 8.4 敏感資料處理 8.5 權限控管（RBAC） 8.6 稽核與追蹤 8.7 漏洞回報流程 8.8 支援版本政策 第 9 章：最佳實務（Best Practices） 9.1 大型專案使用建議 9.2 Token 最佳化策略 9.3 Graph 建模技巧 9.4 團隊導入策略 9.5 環境變數參考 第 10 章：常見問題（FAQ） 附錄 A：檢查清單（Checklist） 附錄 B：指令速查表 附錄 C：版本歷程摘要 附錄 D：官方基準測試結果（Worked Examples） 附錄 E：貢獻指南 第 1 章：Graphify 概述 1.1 什麼是 Graphify Graphify 是由 AI 工程師 Safi Shamsi 開發的開源工具（GitHub 星數 74.4k+、貢獻者 100+、Releases 148+、Y Combinator S26 批次），能將任何資料夾（程式碼、PDF、圖片、影片、音訊、Markdown、Office 文件、Google Workspace、MCP 設定、Terraform/HCL、Salesforce Apex、XAML）自動轉化為可查詢的知識圖譜（Knowledge Graph）。 ...

Hermes Agent 生態系教學手冊（Enterprise Edition） 版本：v0.17.0（v2026.6.19 — 涵蓋 The Foundation Release + The Velocity Release + The Surface Release + The Reach Release） 適用對象：資深工程師 / 架構師 / DevOps 團隊 授權：MIT License 官方網站：hermes-agent.nousresearch.com GitHub：github.com/NousResearch/hermes-agent 官方文件：hermes-agent.nousresearch.com/docs Desktop 下載：hermes-agent.nousresearch.com（macOS / Windows / Linux） Skills Hub：agentskills.io LLM 友善文件：llms.txt / llms-full.txt 最後更新：2026 年 6 月 30 日 📑 目錄 第一章：Hermes Agent 概述 1.1 技術背景與發展 1.2 與傳統 AI 的差異 1.3 Agent vs Workflow vs RPA 比較 1.4 核心設計理念 1.4.1 Learning Loop（學習迴圈） 1.4.2 Skill System（技能系統） 1.4.3 Persistent Memory（持久記憶） 1.4.4 Model Agnostic（模型無關） 1.4.5 Voice Mode（語音模式） 1.4.6 Web Dashboard（v0.9.0+） 1.4.7 Transport 架構（v0.11.0+） 1.4.8 Autonomous Curator（v0.12.0+） 1.4.9 Multi-agent Kanban（v0.13.0+） 1.4.10 Persistent Goals（v0.13.0+） 1.4.11 Post-write Delta Lint（v0.13.0+） 1.4.12 i18n 多語言支援（v0.13.0+） 1.4.13 hermes proxy — OpenAI 相容本地代理（v0.14.0+） 1.4.14 PyPI 套件安裝（v0.14.0+） 1.4.15 /handoff 即時 Session 轉移（v0.14.0+） 1.4.16 Promptware 防禦（v0.15.0+） 1.4.17 Bitwarden Secrets Manager（v0.15.0+） 1.4.18 Skill Bundles（v0.15.0+） 1.4.19 Hermes Desktop App（v0.16.0+） 1.4.20 Background Subagents（v0.17.0+） 1.4.21 Image Editing（v0.17.0+） 1.4.22 Automation Blueprints（v0.17.0+） 1.4.23 Memory Atomic Batch Operations（v0.17.0+） 第二章：整體系統架構 2.1 架構設計概述 2.2 分層架構圖 2.3 各層級說明 2.4 多 Agent 協作架構 2.5 高可用與擴展性設計 第三章：Hermes Agent 核心機制解析 3.1 Learning Loop（學習迴圈） 3.2 Skill System（技能系統） 3.3 Memory System（記憶系統） 3.4 Planning / Execution Flow 3.5 Tool Calling 機制 3.6 Model Routing（多模型切換） 3.7 Autonomous Curator（自動技能維護） 3.8 Persistent Goals 與 Ralph Loop 3.9 Post-write Delta Lint（自動語法檢查） 3.10 Checkpoints v2（狀態持久化） 第四章：安裝與環境建置 4.1 系統需求 4.2 快速安裝（Linux / macOS / WSL2） 4.3 Native Windows 安裝 4.4 Docker / Podman 部署 4.5 Nix Flake 安裝 4.6 設定 API Key 4.7 設定檔說明 第五章：快速開始（Quick Start） 5.1 第一次對話 5.2 建立 AI Coding Agent 5.3 設定 Memory 5.4 設定 Tools 5.5 執行任務範例 第六章：進階開發（企業級） 6.1 自訂 Skill（技能封裝） 6.2 多 Agent 協作設計 6.3 Multi-agent Kanban 實戰 6.4 長期記憶設計（Vector DB） 6.5 任務拆解（Task Decomposition） 6.6 Workflow Orchestration 6.7 SOUL.md 與 Personality 系統 6.8 Context Files（專案上下文檔案） 6.9 Plugin 系統（v0.12.0+ / v0.13.0 擴充） 第七章：Voice Mode（語音模式） 7.1 語音模式概述 7.2 支援的 STT / TTS 提供者 7.3 CLI 語音互動 7.4 Telegram / Discord 語音互動 7.5 Discord Voice Channel 即時語音 7.6 企業語音整合建議 第八章：Web Application 整合 8.1 整合架構設計 8.2 FastAPI 後端整合 8.3 Spring Boot 後端整合 8.4 前端整合（Vue / React） 8.5 Agent-as-a-Service API 設計 第九章：企業級最佳實踐 9.1 安全性設計 9.1.4 安全強化（v0.5.0 — v0.13.0 持續強化） 9.2 成本控制 9.3 效能優化 9.4 Logging / Monitoring 9.5 錯誤處理與重試機制 9.6 Tips & Best Practices 第十章：部署與維運（DevOps） 10.1 Docker 部署 10.2 Kubernetes 部署 10.3 CI/CD 流程 10.4 滾動升級 10.5 災難復原（DR） 第十一章：升級與版本管理 11.1 升級策略 11.1.6 v0.13.0 升級特別注意事項 11.2 相容性管理 11.3 Migration 設計 第十二章：實戰案例 12.1 AI Coding Agent 12.2 智慧客服 Agent 12.3 銀行流程自動化 Agent 12.4 多媒體創作 Agent 第十三章：常見問題（FAQ） 第十四章：Hermes Desktop App（v0.16.0+） 附錄 A：檢查清單（Checklist） 附錄 B：指令速查表 附錄 C：環境變數參考 附錄 D：Provider 完整清單 第一章：Hermes Agent 概述 1.1 技術背景與發展 Hermes Agent 是由 Nous Research 開發的開源自我改進 AI Agent。Nous Research 是知名的 AI 研究實驗室，以訓練 Hermes、Nomos、Psyche 等開源模型聞名。 ...

Multica 教學手冊（企業級實戰版） 版本： v0.3.33（2026-06-30） 適用對象： 資深工程師、架構師、DevOps 工程師、技術主管 技術棧： Go Backend + Next.js 16 Frontend + PostgreSQL 17 + pgvector + Redis（選用）+ Agent Daemon 授權： Multica Source Available License（非 SaaS/轉售可自由使用） 文件等級： 企業標準技術白皮書 目錄 第 1 章：Multica 概述 1.1 什麼是 Multica？ 1.2 名稱由來 1.3 核心設計理念 1.4 與傳統工具的差異比較 1.5 適用場景 1.6 專案基本資訊 1.7 授權模式說明 第 2 章：系統架構設計 2.1 整體架構概覽 2.2 技術棧詳解 2.3 元件說明 2.4 企業整合架構 2.5 資料流向與通訊模型 第 3 章：安裝與部署 3.1 部署模式選擇 3.2 Self-Hosted 快速部署（推薦） 3.3 Self-Hosted 手動部署（Step-by-Step） 3.4 Kubernetes 部署（Helm Chart） 3.5 環境變數設定 3.6 Production 部署（反向代理） 3.7 不使用 Docker 的手動部署 3.8 Usage Dashboard Rollup 設定 3.9 停止服務 3.10 切換至 Multica Cloud 第 4 章：核心運作機制 4.1 任務生命週期（Issue Lifecycle） 4.2 Agent 自主執行流程 4.3 任務排程與佇列機制 4.4 WebSocket 通訊流程 4.5 Execution History 查詢 4.6 Issue Metadata（結構化屬性） 4.7 Subscribers（訂閱機制） 4.8 Thread-aware Comments（串接式評論） 第 5 章：AI Agent 整合 5.1 支援的 AI Agent 5.2 Agent CLI 安裝 5.3 CLI 自動偵測機制 5.4 Agent 環境變數（Per-Agent 設定） 5.5 Agent 建立與設定 5.6 Prompt 設計策略（Agent 專用） 5.7 多 Agent 協作模式 第 6 章：開發流程 6.1 完整開發流程 6.2 Issue 管理 6.3 範例：Spring Boot API 開發流程 6.4 範例：Vue 前端功能開發流程 6.5 與 Git Flow 整合 第 7 章：Skill（技能）機制設計 7.1 Skill 概念 7.2 Skill 類型 7.3 Skill 定義與儲存 7.4 範例：自動部署 Skill 7.5 範例：Code Review Skill 7.6 範例：DB Migration Skill 7.7 建立企業級 Skill Library 第 8 章：多工作空間（Workspace）設計 8.1 Workspace 概念 8.2 Workspace CLI 管理 8.3 團隊隔離策略 8.4 權限控管（RBAC） 8.5 多 Daemon Profile 8.6 工作空間垃圾回收（Workspace GC） 第 9 章：Squads（團隊編組） 9.1 Squads 概念 9.2 Squad 的價值 9.3 企業應用場景 第 10 章：Autopilots（自動化排程） 10.1 Autopilots 概念 10.2 Autopilot CLI 管理 10.3 企業應用範例 第 11 章：Projects（專案管理） 11.1 Projects 概念 11.2 Project CLI 管理 11.3 Project 與 Issue 整合 11.4 企業應用場景 第 12 章：MCP 整合（Model Context Protocol） 12.1 MCP 概述 12.2 MCP 整合場景 第 13 章：系統維運（Operations） 13.1 Log 管理 13.2 Agent 狀態監控 13.3 監控架構 13.4 建議監控指標 13.5 錯誤處理與復原 13.6 效能優化 第 14 章：系統升級與擴展（Upgrade & Scaling） 14.1 Multica 升級策略 14.2 版本管理策略 14.3 Agent 水平擴展 14.4 高可用架構（HA） 14.5 切換至 Multica Cloud 第 15 章：安全設計（Security） 15.1 認證與授權 15.2 Agent 權限隔離 15.3 憑證管理 15.4 網路安全 15.5 SSDLC 整合 第 16 章：最佳實務（Best Practices） 16.1 團隊導入策略 16.2 Prompt Engineering 原則 16.3 Agent 使用規範 16.4 常見錯誤與避免方式 16.5 開發環境最佳實務 第 17 章：實戰案例（Case Study） 17.1 案例：建立企業 Web 系統 17.2 案例總結 附錄 A：檢查清單（Checklist） 附錄 B：CLI 快速參考卡 附錄 C：術語表（Glossary） 第 1 章：Multica 概述 1.1 什麼是 Multica？ Multica 是一個開源的 Managed AI Agent 平台，致力於將 AI 編碼代理轉化為團隊中真正的「虛擬隊友」。有別於傳統 AI 對話工具的被動互動模式，Multica 提供完整的任務管理與 Agent 自主執行基礎設施，使 AI Agent 成為開發流程中不可或缺的一等公民（First-Class Citizen）。 ...

oh-my-openagent（Oh My OpenCode, OMO）教學手冊 版本：v6.0｜最後更新：2026-06-30 對應 OMO 版本：v4.14.1（208 releases） 適用對象：資深工程師、架構師、技術主管 定位：企業級 Multi-Harness AI Agent OS 教學手冊 GitHub：https://github.com/code-yeongyu/oh-my-openagent 官網：https://omo.dev/ 📑 目錄 第 1 章：總覽（Overview） 第 2 章：系統架構設計（Architecture） 第 3 章：安裝與環境建置（Installation） 第 4 章：設定與專案初始化（Configuration） 第 5 章：Agent 系統詳解（Discipline Agents） 第 6 章：開發流程（ultrawork / Plan / Build） 第 7 章：Team Mode（v4.0 新增） 第 8 章：Boulder 追蹤系統（v4.1 新增） 第 9 章：Web Application 實戰 第 10 章：測試與品質（Testing & Quality） 第 11 章：維運與除錯（Maintenance） 第 12 章：升級與版本管理（Upgrade） 第 13 章：安全（SSDLC） 第 14 章：團隊導入策略（Enterprise Adoption） 第 15 章：最佳實務（Best Practices） 第 16 章：常見問題（FAQ） 第 17 章：遙測與隱私（Telemetry & Privacy） 第 18 章：附錄（Appendix） 檢查清單（Checklist） 第 1 章：總覽（Overview） 1.1 什麼是 oh-my-openagent（OMO） oh-my-openagent（簡稱 OMO，又稱 Oh My OpenCode）是由 code-yeongyu 開發的 Multi-Harness AI Agent OS，以 TypeScript 編寫（86.2%），專為將 OpenCode（開源終端 AI 編碼代理）升級為一個具備**紀律型多代理協作（Discipline Agents）**能力的 AI 開發團隊。自 v4.3.0 起，OMO 進行了 Multi-Harness 重構，將核心邏輯拆分為 9 個獨立 workspace packages，支援 OpenCode、Codex CLI 等多種 Harness 平台。 ...

OpenAI Codex生態系教學手冊 版本：1.5 文件等級：企業標準技術白皮書 / 內訓教材 / 實戰手冊 適用對象：資深工程師、Tech Lead、架構師、平台工程師、DevOps、DevSecOps、研發主管 最後更新：2026 年 6 月 30 日 文件定位：協助團隊建立可治理、可落地、可維運的 AI 輔助開發流程 前言 OpenAI Codex 已不再只是「幫忙補程式碼」的工具，而是逐步演化為一個涵蓋桌面應用程式、Chrome 擴充功能、IDE 擴充功能、CLI、SDK、API、雲端執行環境、工作樹、技能系統、插件生態、自動化動作、Sites 託管部署、Memories 記憶系統、AI Agent 與 DevOps 整合的完整工程能力平台。2026 年 2 月推出的 Codex App 正式將其定位為「智慧體指揮中心」，讓開發者可以同時管理多個智慧體並行工作。隨後 GPT-5.4 與 GPT-5.5 模型相繼推出，GPT-5.5 已成為官方推薦的最新前沿模型（GPT-5.3-Codex 與 GPT-5.2 已於 2026 年 5 月正式淘汰）。2026 年 5 月推出 Appshots、Goal Mode 正式版、Codex for Chrome、Codex Mobile、Permission Profiles 與 Hooks GA 等功能；2026 年 6 月再推出 Sites（網站託管部署）、Record & Replay（操作錄製轉技能）、Amazon Bedrock 整合、Codex Remote GA（遠端連線正式版）、Developer Mode for Browser、Memories / Chronicle 記憶系統及 Migrate to Codex（從 Claude Code 匯入），Codex 的能力邊界持續擴大。Codex CLI 以 Rust 建構並持續快速迭代，新增 Subagents、Hooks、MCP（Model Context Protocol）、遠端 TUI、GitHub Action、圖片輸入／生成、Web Search、Slash Commands 等大量功能。 ...

OpenClaw 生態系教學手冊 版本: 2026.6.10 | 最後更新: 2026 年 6 月 30 日 適用對象: 企業開發團隊、DevOps 工程師、AI 架構師 授權: MIT License 官方資源: openclaw.ai · docs.openclaw.ai · GitHub · ClawHub · Discord · Trust · DeepWiki 文件總覽 本手冊為企業級 OpenClaw 生態系完整教學指引，涵蓋從核心概念、系統架構設計、安裝部署、開發實戰、企業最佳實務、維運監控、升級策略、DevOps 整合、資安設計到實務案例等十大主題。所有內容均依據 OpenClaw 官方文件（v2026.6.10）撰寫，並以繁體中文呈現，程式碼範例以 Java 為主。 重要變更提示：OpenClaw 自 2025 年 11 月從 Clawdbot / Moltbot 正式更名為 OpenClaw，版本號採用 vYYYY.M.D 日期格式。截至 2026 年 6 月已發布 217 個正式版本（含 beta）。自 v2026.5 起，專案引入完整的 Plugin SDK 架構，支援 bundled / community / external 三類插件，大幅擴展了通道與功能的可擴展性。v2026.6 系列新增 Automatic Fast Mode（短對話自動加速）、DM Pairing 安全機制（未知發送者需配對碼驗證）、官方 Provider 外部化為獨立 npm 套件、Session Transcript SDK（插件可讀/寫/發布對話紀錄）、GLM-5.2 + Claude Haiku 4.5 模型目錄、Telegram Rich HTML 渲染（表格/清單/blockquote）、Codex Hosted Search、OpenTelemetry Log Export、Windows Hub 伴侶應用、per-agent usage-cost reporting、Trusted Tool Policy Enforcement 等重大功能。 ...

Playwright 教學手冊（企業級完整版） 版本：基於 Playwright v1.61.1（2026 年 6 月） 適用對象：資深工程師、SDET、QA Lead、DevOps 工程師 授權：Apache 2.0（Playwright 開源授權） 最後更新：2026-06-30 目錄 第 1 章：Playwright 總覽 1.1 什麼是 Playwright 1.2 Playwright 核心架構 1.3 Playwright vs. Selenium vs. Cypress 比較 1.4 適用場景 1.5 系統需求 第 2 章：系統架構設計（企業級） 2.1 測試架構總覽 2.2 分層設計 2.3 測試資料管理策略 2.4 多環境配置 2.5 與微服務架構整合 第 3 章：安裝與環境建置 3.1 Node.js 安裝 3.2 Python 安裝 3.3 Java 安裝 3.4 專案目錄結構 3.5 VS Code 設定 3.6 Playwright MCP Server 設定 3.7 Playwright CLI 安裝 3.8 Playwright Agents 設定（v1.56+） 3.9 企業環境安裝注意事項 第 4 章：基礎使用教學 4.1 第一個測試案例 4.2 Locator 使用策略 4.3 Auto-wait 機制 4.4 Assertions（Web-First 驗證） 4.5 Headless / Headed 模式 第 5 章：進階功能 5.1 Codegen（錄製測試） 5.2 Playwright Inspector 5.3 Trace Viewer 5.4 Network 攔截（Mock API） 5.5 多分頁 / iframe 操作 5.6 檔案上傳與下載 5.7 視覺測試（Screenshot Comparison） 5.8 認證狀態重用（Auth State） 5.9 Screencast API（v1.59+） 5.10 Browser Interoperability（v1.59+） 5.11 Observability Dashboard（v1.59+） 5.12 CLI Debugger for Agents（v1.59+） 5.13 CLI Trace 分析（v1.59+） 5.14 Async Disposables — await using（v1.59+） 5.15 HAR Recording on Tracing（v1.60+） 5.16 Drop API（v1.60+） 5.17 Aria Snapshots 增強（v1.60+） 5.18 新增 API 與選項（v1.60+） 5.19 WebAuthn Passkeys — Credentials API（v1.61+） 5.20 Web Storage API（v1.61+） 5.21 Network API 擴展（v1.61+） 5.22 Test Runner 增強（v1.61+） 第 6 章：測試設計最佳實踐 6.1 Page Object Model（POM）完整實作 6.2 減少 Flaky Test 策略 6.3 測試命名規範 6.4 自訂 Fixtures 第 7 章：CI/CD 整合（企業級重點） 7.1 GitHub Actions 7.2 GitLab CI 7.3 Jenkins Pipeline 7.4 測試報告整合 7.5 測試失敗通知 7.6 Docker 化測試執行 7.7 WebServer Wait 功能（v1.57+） 7.8 testConfig.tag — 全域標籤（v1.57+） 第 8 章：測試報告與監控 8.1 Playwright HTML Report 8.2 Trace 分析 8.3 自訂 Reporter 8.4 測試結果 Dashboard 第 9 章：系統維運與管理 9.1 測試環境管理 9.2 測試資料清理 9.3 測試排程 9.4 平行測試（Parallel Execution） 9.5 測試資源最佳化 第 10 章：升級與版本管理策略 10.1 Playwright 版本升級策略 10.2 Breaking Changes 處理 10.3 瀏覽器版本管理 10.4 回滾策略 第 11 章：安全與合規（銀行級） 11.1 敏感資料處理 11.2 測試帳號管理 11.3 存取控制（RBAC） 11.4 稽核與日誌（Audit Log） 第 12 章：團隊導入指南 12.1 Playwright 導入 Roadmap 12.2 導入里程碑 12.3 團隊角色分工 12.4 Code Review 規範 12.5 教育訓練計畫 第 13 章：完整專案範本 13.1 專案結構 13.2 完整 playwright.config.ts 範本 13.3 完整 package.json 範本 13.4 .gitignore 範本 13.5 Tag 使用策略 附錄 A：新進成員檢查清單（Checklist） 附錄 B：常用指令速查表 附錄 C：參考資源 第 1 章：Playwright 總覽 1.1 什麼是 Playwright Playwright 是由 Microsoft 開發並開源的瀏覽器自動化與端對端（E2E）測試框架，採用 Apache 2.0 授權。它透過單一 API 驅動 Chromium、Firefox 與 WebKit 三大瀏覽器引擎，支援 Windows、Linux、macOS 跨平台執行。 ...

Superpowers 教學手冊（企業標準技術白皮書） 版本：v6.0｜基於：Superpowers Framework v6.1.1（by Jesse Vincent / obra @ Prime Radiant） 最後更新：2026-07-23｜適用對象：資深工程師、Tech Lead、AI Agent 團隊｜語言：繁體中文 GitHub：https://github.com/obra/superpowers ⭐ 260k stars · 23.2k forks · 36 Contributors Plugin Marketplace：https://claude.com/plugins/superpowers（Anthropic Verified · 885k+ installs） Discord 社群：https://discord.gg/35wsABTejz Commercial Support：sales@primeradiant.com License：MIT 目錄 第 1 章：Superpowers 概述 1.1 什麼是 Superpowers 1.2 與 Prompt Engineering / Agent Framework 的差異 1.3 適用場景 1.4 核心價值：工程紀律 1.5 支援平台總覽 1.6 版本演進歷程 第 2 章：整體系統架構設計 2.1 Superpowers 在 AI 開發架構中的位置 2.2 Plugin 架構與多平台支援 2.3 技能自動觸發機制 2.4 Hooks 系統 2.5 與 CI/CD 系統整合 2.6 整體技術堆疊 第 3 章：安裝與環境建置 3.1 前置要求 3.2 安裝步驟 3.3 專案初始化 3.4 建議目錄結構 3.5 Dev Container 配置（選用） 3.6 升級方式 3.7 驗證安裝 第 4 章：核心 Skills 詳解 4.1 完整技能庫總覽 4.2 The Basic Workflow（7 步驟） 4.3 Brainstorming（需求釐清）+ Visual Companion 4.4 TDD — 測試驅動開發 4.5 Writing Plans（微步驟計畫）+ Document Review 4.6 Subagent-Driven Development（Subagent 分工開發） 4.7 Systematic Debugging（系統化除錯） 4.8 Git Worktrees（隔離開發環境） 4.9 其他重要技能 第 5 章：實戰開發流程（End-to-End） 5.1 開發流程總覽（The Basic Workflow） 5.2 完整範例：電商訂單結帳功能 5.3 流程時間線總覽 第 6 章：與企業系統整合 6.1 整合架構總覽 6.2 與 Spring Boot 整合 6.3 與微服務架構整合 6.4 與資料庫整合 6.5 與訊息佇列整合（Kafka / RabbitMQ） 6.6 與 API Gateway 整合 第 7 章：CI/CD 與 DevOps 7.1 CI/CD Pipeline 架構 7.2 GitHub Actions Workflow 7.3 SonarQube 品質控管 7.4 ArchUnit 架構測試 7.5 自動部署流程 第 8 章：系統維運（Maintenance） 8.1 AI 產出品質維持 8.2 技術債控制 8.3 Debug 流程標準化 8.4 Log / Monitoring 第 9 章：系統升級與版本管理 9.1 Superpowers 升級策略 9.2 Skills 版本控管（Plugin 架構） 9.3 相容性矩陣 9.4 完整版本歷程摘要 第 10 章：最佳實務（Best Practices） 10.1 AI 不可跳過測試 10.2 強制 Planning 10.3 小步提交 10.4 Clean Architecture 10.5 Subagent-Driven Development 最佳實務 10.6 Document Review System 最佳實務 第 11 章：反模式（Anti-patterns） 11.1 反模式總覽 11.2 開發反模式詳解 11.3 流程反模式詳解 11.4 組織反模式詳解 11.5 v5.0 新增反模式 第 12 章：企業導入策略 12.1 團隊導入路線圖 12.2 Governance（治理） 12.3 Code Review 機制 12.4 AI 使用規範 第 13 章：完整範例專案 13.1 專案概述 13.2 專案架構 13.3 範例程式碼 13.4 測試案例 13.5 開發流程示範 附錄 A：AI Agent Team 協作模式 附錄 B：與 MCP 整合 附錄 C：新進成員檢查清單（Checklist） 附錄 D：詞彙表 附錄 E：完整版本歷程摘要 附錄 F：v5.0.6 重大變更——Inline Self-Review 取代 Subagent Review Loops 附錄 G：v5.1.0 重大變更——Factory Droid、Worktree 重寫與 SDD 連續執行 附錄 H：v6.0.0 重大變更——SDD 審查重寫、Vendor-Neutral 與三新平台 附錄 I：v6.1.0／v6.1.1 重大變更——Gemini CLI 停止支援與 Codex 安裝優化 第 1 章：Superpowers 概述 章節摘要：本章介紹 Superpowers 的核心理念、與其他 AI 開發方法論的差異、支援平台、版本演進，以及它為企業團隊帶來的「工程紀律」價值。 ...

VS Code + GitHub Copilot 開發 Java Web 應用程式教學手冊(3) 版本：v3.0（2026-06-30） 前版：v2.0（2026-03-27） 適用對象：初學者 / 中階工程師 / 企業團隊 技術棧：VS Code 1.126（2026-06-24 發布）· GitHub Copilot（含 Chat、Autopilot、Agent Mode、Agents Window、CLI Agent、Cloud Agent、Research Agent）· Java 21+ · Spring Boot 3.4.x · Maven 定位：企業標準技術白皮書 — 可直接用於專案團隊內部開發規範文件 變更說明：根據 VS Code 1.123–1.126 Release Notes、Agents Window、Autopilot、MCP OAuth、1M Context Window 等重大更新全面改版 目錄 1. 總覽 1.1 VS Code 在 Java 開發的優勢 1.2 GitHub Copilot 在開發流程中的角色 1.3 VS Code 1.123–1.126 重要新功能摘要 1.4 VS Code vs IntelliJ 差異分析 2. 開發環境安裝與設定 2.1 必備工具 2.2 VS Code Extension 推薦 2.3 環境設定步驟 2.4 Copilot 自訂化設定 3. 建立第一個 Spring Boot 專案 3.1 使用 Spring Initializr 3.2 專案結構說明 3.3 執行與測試 API 3.4 使用整合式瀏覽器測試 Web 應用 4. GitHub Copilot 實戰應用 4.1 基本用法 — Inline Completion 與 Inline Chat 4.2 Copilot Chat 進階用法 4.3 Agent Mode 與 Autopilot 深度指南 4.4 Agents Window 與 Session 管理 4.5 Research Agent 深度研究 4.6 Prompt Engineering 4.7 MCP Server 整合 4.8 Custom Instructions / Agent Skills / Custom Agents 5. 專案架構設計（企業級） 5.1 Clean Architecture / Hexagonal Architecture 5.2 分層設計 5.3 DTO / VO / Entity 分離 6. 安全性與最佳實務 6.1 Spring Security 基本設定 6.2 API 驗證（JWT） 6.3 Copilot 生成程式碼的安全檢查 7. 測試與除錯 7.1 單元測試（JUnit 5） 7.2 API 測試 7.3 VS Code Debug 技巧 7.4 使用 Copilot 協助除錯 7.5 整合式瀏覽器 Agent 測試 8. CI/CD 與版本控管 8.1 Git 基本流程 8.2 GitHub Actions 基本 CI/CD 8.3 Copilot 協助產生 Pipeline 8.4 Cloud Agent 與 PR 協作（Preview） 9. 系統維護與升級 9.1 VS Code 更新策略 9.2 Extension 管理 9.3 Copilot 模型更新與成本管理 10. 團隊導入建議（企業級） 10.1 開發規範 10.2 Copilot 使用規範 10.3 Code Review 流程 10.4 AI 輔助開發治理 11. 常見問題與最佳解法（FAQ） 12. 附錄 12.1 常用指令速查表 12.2 範例 Prompt 清單 13. 檢查清單（Checklist） 1. 總覽 1.1 VS Code 在 Java 開發的優勢 VS Code 從輕量級編輯器發展至今，已成為企業級 Java 開發的主流選擇之一。主要優勢： ...