Warp + AI 開發完整教學手冊 版本：v1.1（2026-05-03） 適用對象：資深工程師 / 架構師 / DevSecOps 團隊 Warp 版本：v0.2026.04.29 Stable（開源 AGPL v3 + MIT 雙授權） 定位：企業標準技術白皮書 開源倉庫：warpdotdev/warp（53,200+ Stars） 官方文件：docs.warp.dev 貢獻總覽：build.warp.dev 目錄 1. Warp 架構總覽 1.1 Warp 在開發體系中的角色 1.2 Warp + Oz 平台架構圖 1.3 與傳統 Terminal 比較 2. 安裝與環境建置 2.1 各平台安裝方式 2.2 GPU 與 Shell 設定 2.3 開發工具整合 3. Warp 核心功能解析 3.1 Block（區塊系統） 3.2 Command Palette 3.3 AI 功能與多模型支援 3.4 Agent 進階能力 3.5 Code Editor 與 Code Review 3.6 Warp Drive（Workflows / Env 管理） 3.7 團隊共享機制 4. Warp + AI Coding Agent 整合 4.1 Claude Code 整合 4.2 GitHub Copilot CLI 整合 4.3 Gemini CLI 整合 4.4 OpenAI Codex CLI 整合 4.5 其他 CLI Agent 整合 4.6 AI Agent 比較表 5. Oz Cloud Agents（雲端代理） 5.1 Cloud Agents 概述 5.2 觸發機制與整合 5.3 自託管（Self-Hosting） 5.4 Oz Platform（CLI / API / SDK / Web App） 6. Warp 在 AI 開發流程中的應用 6.1 建立專案（Scaffold） 6.2 撰寫程式碼 6.3 測試（Unit / Integration） 6.4 Debug 6.5 Refactor 6.6 文件生成 7. 實戰：Web Application 開發（企業級） 7.1 前端（Vue 3 + TypeScript） 7.2 後端（Spring Boot） 7.3 API 設計 7.4 DB 操作 7.5 Warp + AI 全流程自動生成 8. 逆向工程（Legacy → Modern） 8.1 分析舊系統 8.2 用 Warp + AI 重建架構 8.3 自動產生文件 / API / 測試 9. Framework 升級 9.1 Spring Boot 2 → 3 / 4 升級 9.2 Java 8 → 21+ 升級 9.3 Warp + AI 升級自動化流程 10. Warp Drive（團隊協作） 10.1 建立企業 Workflow Library 10.2 指令模板設計 10.3 敏感資訊（Env）管理策略 11. SSDLC + Warp（安全開發） 11.1 SAST 靜態應用安全測試 11.2 Dependency Scan 相依套件掃描 11.3 Secret Scan 機密掃描 11.4 自動化安全檢查流程 12. 系統維運與監控 12.1 Log 分析 12.2 指令自動化 12.3 Incident 處理 13. 最佳實務（Best Practices） 13.1 Prompt Engineering 13.2 Workflow 設計 13.3 團隊導入策略 14. 常見錯誤與反模式 15. 結論與導入建議 15.1 適合導入的組織 15.2 ROI 分析 15.3 成熟度模型（Level 1 ~ Level 5） 附錄 A：檢查清單（Checklist） 附錄 B：常用指令速查表 附錄 C：AI Prompt 範本庫 附錄 D：Warp 方案與計費 1. Warp 架構總覽 1.1 Warp 在開發體系中的角色 Warp 是新一代代理開發環境（Agentic Development Environment, ADE），由 Warp 公司以 Rust 語言打造，於 2026 年 4 月 28 日正式開源（AGPL v3 / MIT 雙授權），OpenAI 為創始贊助商。截至 2026 年 5 月，GitHub 已取得 53,200+ Stars、3,700+ Forks、56 位核心貢獻者，專案語言組成以 Rust（98.2%）為主體。 ...

claude-howto 教學手冊（完整版） 文件版本：v1.1 最後更新：2026-05-02 基於 Claude Code 版本：v2.1.119 基於 claude-howto 版本：v2.1.112 release（2026-04-24 同步） 適用對象：資深工程師、技術主管、DevOps 工程師、架構師 適用模型：Claude Sonnet 4.6 / Claude Opus 4.7 / Claude Haiku 4.5 授權方式：MIT License 目錄 1. 簡介（Overview） 2. 整體架構（Architecture） 3. 安裝與環境設定（Setup） 4. claude-howto 核心模組解析 4.1 Slash Commands（自訂指令） 4.2 Memory（記憶系統） 4.3 Skills（技能模組） 4.4 Subagents（子代理） 4.5 MCP Server（Model Context Protocol） 4.6 Hooks（事件觸發） 4.7 Plugins（外掛套件） 4.8 Checkpoints（檢查點與回溯） 4.9 Advanced Features（進階功能） 4.10 CLI（命令列介面） 4.11 模組選用決策指南 5. AI 開發流程設計 5.1 Web Application 開發 5.2 逆向工程（Legacy System） 5.3 Framework 升級 6. Prompt Engineering 7. SSDLC 整合（安全開發） 8. 團隊使用建議（企業落地） 9. 維運與最佳實務 10. 學習路徑與自我評估 11. 系統升級與擴展 12. 故障排除（Troubleshooting） 附錄 A：檢查清單（Checklist） 附錄 B：功能對照快速參考表 附錄 C：參考資源 1. 簡介（Overview） 1.1 claude-howto 是什麼 claude-howto（GitHub: luongnv89/claude-howto）是一套結構化、視覺化、範例驅動的 Claude Code 實戰教學指南。截至 2026 年 4 月，該專案已獲得 30.7k GitHub Stars、3.8k Forks，由 19 位貢獻者維護，是目前最完整的 Claude Code 社群學習資源。 ...

Claude Code Best Practice 教學手冊 版本：基於 GitHub 專案 shanraisshan/claude-code-best-practice（v2.1.126，2026 年 5 月 1 日） 適用對象：資深工程師、架構師、技術主管 定位：企業級 AI 輔助開發實戰手冊 語言：繁體中文 文件版本：v1.1 文件更新日期：2026 年 5 月 2 日 目錄 第 1 章 專案介紹與核心理念 1.1 claude-code-best-practice 是什麼 1.2 Vibe Coding → Agentic Engineering 轉型 1.3 Hot Features 與 Beta 功能清單 1.4 為什麼適合企業級開發 第 2 章 整體架構設計 2.1 Claude Code 在系統中的角色 2.2 與 GitHub Copilot 的協作架構 2.3 Agentic Workflow 架構 2.4 多 Agent（Subagents）設計模式 2.5 與 CI/CD / DevOps 整合方式 第 3 章 安裝與環境建置 3.1 Claude Code CLI 安裝 3.2 Terminal 優化 3.3 專案初始化方式 3.4 開發環境最佳實踐 3.5 Devcontainers 與遠端開發 第 4 章 專案結構設計 4.1 CLAUDE.md 設計原則 4.2 .claude/rules/*.md 延遲載入機制 4.3 YAML Frontmatter 規則設計 4.4 多層規則架構 4.5 settings.json 設計與階層體系 4.6 Plugins 與 Marketplaces 第 5 章 Claude Code 核心工作流 5.1 Plan Mode（規劃模式） 5.2 任務拆解策略（50% Context Rule） 5.3 /compact 使用時機 5.4 長任務控制技巧 5.5 Auto Mode 與 Permission 模式 第 6 章 Agentic Engineering 實戰 6.1 Subagents 設計 6.2 多 Agent 協作模式 6.3 任務分派與回收機制 6.4 如何避免「全能型 Agent 失控」 6.5 Agent SDK 與程式化整合 第 7 章 Hooks 自動化機制 7.1 Hooks 概述與事件類型 7.2 SessionStart — 自動載入上下文 7.3 PreToolUse — 安全檢查 7.4 PostToolUse — 自動格式化與品質檢查 7.5 Stop Hook — 品質門檻 7.6 Permission Request Hook — 智能審批 7.7 HTTP Hooks 與進階機制 7.8 企業級 Hooks 最佳實踐總結 第 8 章 AI 輔助開發實戰場景 8.1 Web Application 開發 8.2 舊系統逆向工程 8.3 Framework 升級 第 9 章 CLI 與數據分析整合 9.1 BigQuery CLI 使用方式 9.2 無 SQL 分析流程 9.3 自動生成報表 第 10 章 與 GitHub Copilot 協作模式 10.1 Claude Code vs Copilot 分工 10.2 Code Generation vs Architecture Planning 10.3 雙 AI Workflow 設計 10.4 Cross-Model 與多引擎工作流 第 11 章 SSDLC 安全開發整合 11.1 Threat Modeling（威脅建模） 11.2 Secure Coding 規範 11.3 自動弱點掃描（SAST / DAST） 11.4 Sandbox 沙箱模式 11.5 Compliance（OWASP / ISO） 第 12 章 系統維護與最佳化 12.1 長期使用策略 12.2 Token 使用優化 12.3 成本控制（模型選擇） 第 13 章 系統升級策略 13.1 Claude Code 規則升級 13.2 Prompt 演進管理 13.3 Agent 持續優化 13.4 Plugins、Channels 與 Routines 第 14 章 團隊導入建議 14.1 團隊導入流程（Phase 1~3） 14.2 開發規範 14.3 Code Review + AI Review 模式 14.4 常見錯誤與反模式 第 15 章 最佳實踐總結與 Checklist 15.1 專案初始化 Checklist 15.2 每日開發 Checklist 15.3 安全 Checklist 15.4 團隊導入 Checklist 15.5 升級前 Checklist 附錄 A 核心指令速查表（75 個官方指令） 附錄 B 主流開發工作流比較 附錄 C Skill Collections 資源 附錄 D 參考資源 第 1 章 專案介紹與核心理念 1.1 claude-code-best-practice 是什麼 claude-code-best-practice 是由 Shayan Rais（shanraisshan）維護的開源專案，目前已累積超過 50,000 顆 GitHub Stars，是 Claude Code 社群中最受歡迎的實戰指南。該專案彙整了： ...

oh-my-claudecode 教學手冊（完整版） 版本：v4.13.5（2026-04-28） 文件更新日期：2026-05-02 適用對象：資深工程師、架構師、技術主管 定位：企業級 Multi-Agent 編排實戰手冊 授權：MIT License 官方網站：https://oh-my-claudecode.dev 目錄 1. 概述 1.1 什麼是 oh-my-claudecode 1.2 與傳統 Claude Code 的差異 1.3 與 GitHub Copilot 的整合方式 1.4 適用場景 2. 整體架構設計（Architecture） 2.1 Multi-Agent 架構圖 2.2 Agent 分工（29 個 Agent） 2.3 任務分解機制（Task Decomposition） 2.4 Agent 角色邊界 2.5 驗證協定（Verification Protocol） 2.6 Agent 通訊機制 2.7 狀態管理架構：Control Plane vs Data Plane 2.8 與外部系統整合 3. 安裝與環境建置（Step-by-step） 3.1 前置需求 3.2 安裝 oh-my-claudecode 3.3 初始設定（Setup） 3.4 tmux / psmux 安裝（各平台） 3.5 可選：多 AI 模型支援 3.6 啟用 Claude Code Native Teams 3.7 驗證安裝 4. 核心設定（Configuration） 4.1 設定檔結構與優先順序 4.2 環境變數 4.3 Agent 設定（自訂 / 修改） 4.4 模型路由策略（Cost Optimization） 4.5 Company Context via MCP 4.6 Remote OMC / Remote MCP Access 4.7 Plugin 目錄旗標（Decision Matrix） 4.8 Skills 設定 4.9 任務模板設定 4.10 何時需要重新執行 Setup 5. 使用方式（實戰） 5.1 基本使用 5.2 Web Application 開發（重點） 5.3 逆向工程（Legacy System） 5.4 Framework 升級 6. Multi-Agent 協作設計（進階） 6.1 Agent Roles 設計模式 6.2 Planner → Executor → Reviewer Flow 6.3 tmux CLI Workers（多模型協作） 6.4 Code Review Agent 6.5 Security Agent（SSDLC） 7. Skills Learning 系統 7.1 Skills 總覽（35 個 Skills 完整清單） 7.2 Skills 如何產生 7.3 Skills 儲存與重用 7.4 建立企業內知識庫 8. 效能與成本優化 8.1 Token 使用最佳化 8.2 模型選擇策略 8.3 平行處理設計 8.4 HUD 監控與分析 9. SSDLC 整合（企業級重點） 9.1 安全設定（Security Mode） 9.2 Secure Coding 9.3 SAST / DAST 整合 9.4 威脅建模（Threat Modeling） 9.5 Compliance（金融業） 9.6 已知安全限制 10. 系統維運（Maintenance） 10.1 Log 與監控 10.2 Agent Debug 10.3 錯誤排除 10.4 狀態管理 10.5 Project Memory 系統 10.6 Notepad 系統（壓縮抗性備忘錄） 10.7 Plan Notepad（每計畫知識擷取） 10.8 Session Scope（Session 隔離） 10.9 Code Simplifier Hook 10.10 OpenClaw 整合（外部事件閘道器） 11. 系統升級（Upgrade） 11.1 oh-my-claudecode 升級策略 11.2 升級後驗證 11.3 Agent 相容性 11.4 Config Migration 11.5 解除安裝 11.6 版本遷移指南摘要 12. 最佳實務（Best Practices） 12.1 Agent 設計原則 12.2 Prompt Engineering 12.3 開發流程標準化 13. 範例（完整案例） 13.1 案例一：Web 系統開發（全流程） 13.2 案例二：Legacy 系統重構 13.3 案例三：Framework 升級 14. 團隊導入建議 14.1 如何導入公司 14.2 Developer Workflow 設計 14.3 Governance（權限 / 審核） 15. 附錄 15.1 CLI 指令清單 15.2 常見錯誤 15.3 Prompt 範本 15.4 可用工具清單 16. 檢查清單（Checklist） 1. 概述 1.1 什麼是 oh-my-claudecode oh-my-claudecode（簡稱 OMC）是一個開源的 Multi-Agent 編排框架，專為 Claude Code CLI 打造。它讓 Claude Code 從「單一 Agent 對話工具」升級為「Teams-first 多智能體協作平台」。 ...

free-claude-code 教學手冊 版本：2026-05 ｜ 對應專案：Alishahryar1/free-claude-code 適用對象：資深工程師 / 架構師 / DevOps / AI 開發團隊 授權：MIT License 定位：企業級 AI 輔助開發實戰手冊 語言：繁體中文 文件更新日期：2026 年 5 月 2 日 目錄 概述（Overview） 系統整體架構（Architecture） 安裝與環境建置（Installation） 核心設定（Configuration） 模型整合（Multi-LLM Integration） 開發實戰（AI Development Use Cases） SSDLC（安全開發流程） 團隊導入策略（Team Adoption） 維運與監控（Operations） Smoke Testing 與啟動驗證（Startup Validation） 升級與擴展（Upgrade & Scaling） 常見問題（FAQ） 最佳實務（Best Practices） CI/CD 整合 開發與貢獻指南（Development & Contributing） 範例 Prompt 集 檢查清單（Checklist） 1. 概述（Overview） 1.1 free-claude-code 是什麼 free-claude-code 是一個開源 Anthropic Messages API 相容代理伺服器（Proxy），以 Python FastAPI 建構，目前在 GitHub 上擁有超過 19,000 顆星。它攔截 Claude Code CLI、VS Code Extension 或 JetBrains ACP 發出的 API 請求，將其轉發至其他 LLM 後端（NVIDIA NIM、OpenRouter、DeepSeek、LM Studio、llama.cpp、Ollama），讓開發者能以免費或低成本方式使用 Claude Code 的完整開發體驗。 ...

learn-claude-code 教學手冊 版本：v1.1（2026-05） 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（57.8k+ 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 3.1 Agent Loop（s01） 3.2 Tool Use 與 Dispatch Map（s02） 3.3 Planning / Reflection — TodoWrite（s03） 3.4 Subagent 機制（s04） 3.5 Skills 按需載入（s05） 3.6 Context Compact — 壓縮策略（s06） 3.7 Task 持久化與相依管理（s07） 3.8 Background Tasks（s08） 3.9 Agent Teams 與 Mailbox（s09-s10） 3.10 Autonomous Agent（s11） 3.11 Worktree + Task Isolation（s12） 3.12 Error Recovery 與 Context 管理 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） 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 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） 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 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 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 57.8k+ Stars，26+ 貢獻者），核心理念為「Harness Engineering for Real Agents」。專案副標題精確概括了其定位： ...

BMAD-METHOD 使用教學手冊 文件版本：5.0 最後更新：2026 年 4 月 30 日 適用版本：BMAD METHOD v6.6.0（穩定版） 適用對象：新進軟體工程師、系統分析師、專案成員 前置知識：基本軟體開發概念、版本控制基礎 Created by：Eric Cheng 目錄 前言 第一章：BMAD-METHOD 是什麼 1.1 方法論背景與設計目的 1.2 BMAD 與傳統開發流程的差異 1.3 為什麼 BMAD 特別適合 AI 協作開發 第二章：BMAD-METHOD 的核心概念 2.1 四大核心階段概覽 2.2 Analysis（分析）階段 2.3 Planning（規劃）階段 2.4 Solutioning（方案設計）階段 2.5 Implementation（實作）階段 2.6 各階段的目標、輸入與輸出 2.7 安裝與設定指南 2.8 官方模組總覽 2.9 Skills 架構深入解說 2.10 專案上下文管理（Project Context） 2.11 官方模組深入解說 2.12 Quick Flow 完整實戰指南 2.13 Dev Loop 自動化開發循環 2.14 新增工作流程參考 第三章：BMAD-METHOD 整體流程說明 3.1 從需求發想到交付的完整流程 3.2 每個階段與 AI 的互動方式 3.3 建議的文件與產出物 第四章：各階段詳細教學 4.1 Analysis 階段詳細教學 4.2 Planning 階段詳細教學 4.3 Solutioning 階段詳細教學 4.4 Implementation 階段詳細教學 第五章：AI Prompt 實戰範例 5.1 Analysis 階段 Prompt 範例 5.2 Planning 階段 Prompt 範例 5.3 Solutioning 階段 Prompt 範例 5.4 Implementation 階段 Prompt 範例 5.5 銀行與大型系統專用 Prompt 實戰對話 5.6 BMAD v6 Skills 實戰 Prompt 範例 第六章：BMAD-METHOD 與其他方法論比較 6.1 與 Scrum / SAFe 的差異 6.2 與 SDD / Spec-Kit 的差異 6.3 適用與不適用情境 第七章：新進同仁快速上手指南 7.1 第一週可以怎麼用 BMAD 7.2 建議學習順序 7.3 團隊內導入建議 第八章：常見問題（FAQ） Q1：BMAD 是否會取代 SA / PG？ Q2：BMAD 是否一定要用 AI？ Q3：如何在既有（Brownfield）系統中導入？ Q4：BMAD 產出的文件品質如何？ Q5：如何處理 AI 產出的錯誤？ Q6：BMAD 適合什麼規模的團隊？ Q7：如何評估 BMAD 導入效果？ Q8：Skills 和舊版 Slash Commands 有什麼差別？ Q9：如何選擇適當的 IDE？ Q10：project-context.md 需要手動維護嗎？ Q11：如何處理多個 AI 代理之間的上下文切換？ Q12：BMAD 如何與 CI/CD 整合？ Q13：如何在離線環境中使用 BMAD？ 疑難排解（Troubleshooting） 常見問題排除 效能最佳化建議 進階主題：BMAD 客製化與擴展 進階 1：使用 BMB 建立客製化代理 進階 2：建立組織專屬的工作流程範本 進階 3：多模組整合架構 進階 4：llms-full.txt 與 AI 自助學習 進階 5：Brownfield 專案遷移策略 進階 6：TOML 客製化框架（v6.4.0 新增） 進階 7：發布通道管理（v6.4.0 新增） 進階 8：v6.5.0 跨平台 Skills 標準 附錄：檢查清單（Checklist） A. BMAD 專案啟動檢查清單 B. 各階段完成檢查清單 C. AI 協作品質檢查清單 D. 新進同仁學習進度檢查清單 術語表（Glossary） 代理角色快速對照 常用 Skill ID 快速對照 參考資源 版本紀錄 前言 為什麼需要這份手冊？ 在人工智慧快速發展的時代，軟體開發方式正經歷革命性變化。傳統的開發流程往往無法充分發揮 AI 助手的潛力，導致： ...

Superpowers 教學手冊（企業標準技術白皮書） 版本：v3.1｜基於：Superpowers Framework v5.0.7（by Jesse Vincent / obra @ Prime Radiant） 最後更新：2026-04-30｜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 ⭐ 174k stars · 15.3k forks · 28 Contributors Plugin Marketplace：https://claude.com/plugins/superpowers Discord 社群：https://discord.gg/35wsABTejz 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 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。 ...

GitHub Copilot CLI 教學手冊 版本：基於 GitHub Copilot CLI v1.0.39（2026-04-28 發佈） GA 日期：2026-02-25（v0.0.418 起正式 GA） 適用對象：資深工程師 / DevOps 工程師 / 架構師 技術環境：企業級 Web Application（Spring Boot 3.x / Vue 3 / 微服務架構） 適用方案：Copilot Free / Pro / Pro+ / Business / Enterprise 最後更新：2026-04-29 目錄 第 1 章：Copilot CLI 概述 1.1 什麼是 GitHub Copilot CLI 1.2 與其他 AI 工具的差異比較 1.3 適用場景 第 2 章：系統架構整合設計 2.1 Copilot CLI 在企業架構中的角色 2.2 與開發流程整合 2.3 Agentic Workflow 設計模式 第 3 章：安裝與環境設定 3.1 支援平台 3.2 前置需求 3.3 安裝步驟 3.4 身份驗證 3.5 初始化設定 3.6 常見錯誤與排除 第 4 章：核心功能教學 4.1 自然語言轉指令 4.2 Agentic Workflow 4.3 Codebase Context 分析 4.4 GitHub 整合 4.5 LSP 語言伺服器整合 4.6 Hooks 鉤子系統 4.7 Skills 技能系統 4.8 Plugin 插件生態系 4.9 Extensions 擴充機制 4.10 Copilot Memory 跨 Session 記憶 4.11 ACP（Agent Client Protocol） 4.12 OpenTelemetry 可觀測性 4.13 Critic Agent 自動審查 4.14 Remote Control 遠端控制 第 5 章：進階使用技巧（企業級） 5.1 Prompt Engineering（CLI 版本） 5.2 Context Engineering（讓 AI 更準） 5.3 多步驟任務拆解（Task Chaining） 5.4 與其他工具整合 5.5 Session 管理與對話引導 第 6 章：安全與治理 6.1 工具審批機制 6.2 YOLO Mode 說明與風險 6.3 企業治理策略 6.4 Hooks 安全防護 第 7 章：實戰案例 第 8 章：最佳實務（Best Practices） 8.1 如何寫好 Prompt（CLI 版本） 8.2 人機協作（Human-in-the-Loop） 8.3 適合與不適合使用的場景 第 9 章：維運與升級 9.1 如何更新 Copilot CLI 9.2 版本管理策略 9.3 常見問題（FAQ） 9.4 效能與成本考量 9.5 自動更新與發佈頻道 第 10 章：附錄 10.1 常用指令速查表 10.2 Prompt 範本合集 10.3 工具權限速查表 10.4 環境變數 10.5 設定檔位置 10.6 版本演進里程碑 10.7 已移除與棄用項目 檢查清單（Checklist） 第 1 章：Copilot CLI 概述 1.1 什麼是 GitHub Copilot CLI GitHub Copilot CLI 是 GitHub 提供的命令列 AI 代理工具，讓開發者直接在終端機（Terminal）中使用 Copilot 的 AI 能力。它不僅是一個自然語言轉指令的工具，更是一個完整的 AI Agent，能夠： ...

OpenAI Codex生態系教學手冊 版本：1.3 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 4 月 29 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、IDE 擴充功能、CLI、API、雲端執行環境、工作樹、技能系統、自動化動作、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，在複雜程式設計、電腦操作、知識工作與研究工作流方面具備更強的規劃、工具使用與多步驟任務能力。Codex CLI 也已用 Rust 全面重建，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。 對企業來說，真正的價值不在於讓工程師少打幾行程式，而在於讓團隊能以更穩定、更可治理的方式完成設計、實作、測試、審查、部署與維運。Codex 的能力已從純粹的程式碼編寫，擴展到研究、部署、監控、文件撰寫、資料分析與各類專業知識工作。 本手冊的目的不是介紹單一功能，而是從生態系與工程體系的角度，說明如何把 Codex 納入企業級軟體交付流程。閱讀完本手冊後，團隊應能回答以下問題： Codex 與一般 GPT 類模型的差異在哪裡。 Codex 在 App、IDE、CLI、API、Git 與 CI/CD 裡扮演什麼角色。 Codex App 的技能、自動化動作與多智慧體工作流如何運用。 如何建立 AI Assisted Development 的標準工作流程。 如何在安全性、法遵、可維護性、效能與成本之間取得平衡。 如何把 AI Coding Agent 納入團隊日常協作與大型系統交付流程。 如何因應 GPT-5.5 / GPT-5.3-Codex 的網路安全高能力進行雙重用途治理。 本文件偏向實戰與維運，所有章節均盡量提供架構圖、實作建議、範例指令、樣板與治理準則，適合作為內部培訓教材、導入手冊或 AI 開發規範文件基底。 ...