AI 如何減少 Token 使用教學手冊 版本：3.0.0 日期：2026-09-08 適用範圍：Claude Code / GitHub Copilot / Codex CLI / Gemini CLI / Cursor / Kiro / Windsurf / Cline / Hermes / OpenClaw / Pi 目標讀者：資深工程師、架構師、Tech Lead、AI 成本治理人員、FinOps 團隊 文件等級：企業標準技術白皮書 授權：內部教學使用 前言 在 AI 輔助開發已成為企業標準工作流程的今天，Token 消耗 已從技術細節躍升為影響專案預算、開發速度與 AI 品質的關鍵因素。根據企業實務統計，一個 20 人的開發團隊每月 AI Token 費用可達數千至數萬美元，其中 60%～80% 屬於可避免的浪費。 本手冊的核心論點： 「最有效降低 Token 的方法不是更換模型，而是建立 Knowledge Graph + Memory + Agent Team + SSDLC Workflow。」 ...

GSD Core（Get-Shit-Done）企業級教學手冊 版本：4.0 GSD Core 版本：v1.6.0（2026-06-23 — 新 repo）／v1.42.3（2026-05-18 — 舊 repo 最終版） 適用對象：資深工程師、技術主管、架構師 最後更新：2026-06-30 定位：實戰與維運導向的內部開發規範文件 官方資源：GitHub（GSD Core） ｜ 舊 GitHub（已歸檔） ｜ 官方網站 ｜ 文件站 ｜ Discord 重要通知：GSD 專案已於 2026 年 5 月遷移至 open-gsd/gsd-core，舊 repo gsd-build/get-shit-done 已於 2026-06-26 正式歸檔（Archive），設為唯讀狀態。npm 套件名稱統一為 @opengsd/gsd-core。所有新的開發、Issues 與 Releases 均在新 repo 進行。 目錄 第一章：GSD 概述 1.1 GSD 是什麼 1.2 支援的 AI Runtime 1.3 與傳統開發的差異 1.4 與 Agile / DevOps / AI Coding 的關係 1.5 GSD 版本演進 第二章：核心概念 2.1 Meta Prompting 2.2 Context Engineering 2.3 Spec-Driven Development 2.4 Multi-Agent Orchestration 2.5 Context Rot 問題與解法 2.6 XML Prompt Formatting 2.7 Atomic Git Commits 2.8 Capability System（v1.4.0+） 2.9 Edge & Prohibition Coverage（v1.3.0+） 2.10 Decision Coverage Gates（v1.4.0+） 2.11 MemPalace 記憶整合（v1.4.0+） 第三章：系統架構設計（企業級） 3.1 GSD + AI Agent 架構圖 3.2 與 Web Application（前後端）整合方式 3.3 微服務 / Clean Architecture / Hexagonal Architecture 3.4 與資料庫整合 3.5 與 MQ / Cache / API Gateway 整合 第四章：安裝與環境建置 4.1 GSD 安裝步驟 4.2 Claude Code 設定 4.3 Gemini CLI 設定 4.4 Kimi CLI 設定（v1.4.0+） 4.5 其他 Runtime 設定 4.6 VS Code 開發環境配置 4.7 Windows / Linux 環境差異 第五章：GSD 開發流程（核心） 5.0 流程總覽 5.1 /gsd-new-project 5.2 /gsd-discuss-phase 5.3 /gsd-spec-phase — Socratic 規格釐清（v1.3.0+） 5.4 /gsd-plan-phase 5.5 /gsd-execute-phase 5.6 /gsd-verify-work 5.7 /gsd-ship 5.8 /gsd-quick — 快速任務模式 5.9 /gsd-fast — 即時內嵌任務 5.10 /gsd-progress — 狀態與流程推進 5.11 /gsd-autonomous — 全自動推進 5.12 里程碑管理 5.13 Workstreams — 並行工作流 5.14 /gsd-capture — 統一捕獲命令 5.15 Session 管理 5.16 /gsd-workspace — 工作區管理 5.17 /gsd-phase — ROADMAP 管理（v1.3.0+） 5.18 /gsd-mvp-phase — MVP 導向規劃（v1.3.0+） 5.19 /gsd-plan-review-convergence — 跨 AI 計畫收斂（v1.3.0+） 5.20 /gsd-manager — 多 Phase 指揮中心（v1.3.0+） 5.21 /gsd-surface — Skill 叢集切換（v1.2.0+） 第六章：實戰案例（Web Application） 6.1 案例背景 6.2 Phase 1：需求 → Spec 6.3 Phase 2：Spec → Plan 6.4 Phase 3：Plan → Code 6.5 Phase 4：Code → 驗證 第七章：AI 協作最佳實踐 7.1 如何避免 AI 幻覺 7.2 如何控制上下文 7.3 Prompt 設計技巧 7.4 多 Agent 協作模式 第八章：系統維運與監控 8.1 Logging 最佳實踐 8.2 Monitoring 架構 8.3 錯誤追蹤 8.4 效能調校 8.5 成本控制（AI Token） 第九章：系統升級與擴展 9.1 GSD 升級策略 9.2 Prompt Versioning 9.3 Spec Versioning 9.4 與 CI/CD 整合 第十章：安全強化機制 10.1 GSD 內建安全防護 10.2 Package Legitimacy Gate 10.3 敏感檔案保護 10.4 企業安全合規整合 10.5 Prompt Injection Guard（v1.4.0+） 10.6 Read-Injection Scanner（v1.4.0+） 10.7 OWASP ASVS Level 整合（v1.5.0+） 第十一章：企業導入策略 11.1 團隊導入流程 11.2 開發規範制定 11.3 Governance（治理） 11.4 安全與權限控管 第十二章：GSD 完整命令參考 12.1 核心工作流命令 12.2 推進與導航命令 12.3 快速執行命令 12.4 品質與安全命令 12.5 專案分析命令 12.6 捕獲與構思命令 12.7 上下文管理命令 12.8 系統管理命令 12.9 版本控制命令 12.10 工作區與里程碑命令 12.11 進階規劃命令 12.12 使用者與審計命令 12.13 Namespace Meta-Skills（路由器） 12.14 Capability 管理命令（v1.4.0+） 12.15 模型與路由命令（v1.5.0+） 12.16 狀態與漂移檢測命令（v1.5.0-v1.6.0） 12.17 CLI 工具命令 第十三章：GSD 設定參考 13.1 config.json 完整 Schema 13.2 Model Profiles 13.3 Workflow Toggles 13.4 Git Branching 策略 13.5 Hook 設定 13.6 Install Profiles 13.7 Model Policy Presets（v1.5.0+） 13.8 Dynamic Routing 設定（v1.5.0+） 13.9 Effort Control（v1.5.0+） 13.10 State Rebuild 合約（v1.5.0+） 13.11 Observability 審計追蹤（v1.5.0+） 第十四章：常見問題（FAQ） 14.1 常見錯誤 14.2 Debug 方法 14.3 Anti-Patterns 第十五章：.planning/ 目錄結構參考 15.1 完整目錄樹狀圖 15.2 核心檔案說明 15.3 Context 目錄 15.4 Specs 與 Plans 目錄 15.5 Checkpoints 與 Reports 目錄 15.6 .gitignore 建議 附錄：檢查清單（Checklist） 第一章：GSD 概述 1.1 GSD 是什麼 GSD（Get-Shit-Done）是一套輕量級 Meta-Prompting 系統，適用於 Claude Code 及其他主流 AI Coding Runtime，透過結構化的 Slash Commands 驅動 AI Agent 完成高品質的軟體交付。 ...

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：v0.21.0（Git tag v2026.8.31，2026 年 8 月 31 日 — The Pantheon Release；本文涵蓋 The Judgment / The Quicksilver / The Herald / The Pantheon 四大版本 + 中間全部穩定化補丁） 適用對象：資深工程師 / 架構師 / DevOps 團隊 / 技術採購與風險評估決策者 軟體授權：MIT License（Hermes Agent 本體完全開源、免費、可自架；下述訂閱方案僅為選用的 Nous Portal 代管服務，非軟體授權費） 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 Apple Silicon / Windows 10-11 / Linux；macOS Intel 已不支援） Skills Hub：agentskills.io / skills.sh LLM 友善文件：llms.txt / llms-full.txt 最後更新：2026 年 9 月 1 日 資料來源聲明：本文所有版本資訊、功能敘述均逐條核對 GitHub Releases API（版本號、日期、統計數字之權威來源）、GitHub REST API（倉庫即時數據）、官方文件站全站目錄（以 llms.txt 逐頁比對覆蓋率）與 NVD／GitHub Advisory 資料庫；價格類數字凡標示「二手來源」者，代表官方定價頁在查證當下回應 HTTP 429，未能以一手頁面直接核實，建議上線前至 portal.nousresearch.com/manage-subscription 覆核。 ...

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。 ...

OpenClaw 生態系教學手冊 版本: 2026.8.1（最新穩定版，官方別名 OpenClaw 2.0）／2026.8.1-beta.4（最新 Beta，誤植發布為 2026.9.1-beta.1）／2026.6.34（Extended-Stable 維護線） 最後更新: 2026 年 9 月 1 日 適用對象: 企業開發團隊、DevOps 工程師、AI 架構師 授權: MIT License（治理單位：非營利的 OpenClaw Foundation） 官方資源: openclaw.ai · docs.openclaw.ai · GitHub · ClawHub · Discord · Trust · DeepWiki 文件總覽 本手冊為 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、企業導入實務、維運監控、升級策略、DevOps 整合、資安設計、實務案例，到多人協作治理與分散式執行等十二大主題。所有內容均依據 OpenClaw 官方文件、GitHub Release Notes（最後查證至 v2026.8.1 / OpenClaw 2.0，2026-08-31 發布）撰寫並重新消化整理，以繁體中文呈現；整合與案例類程式碼範例以 Java（Spring Boot）為主，Plugin SDK、Code Mode 與 Gateway Protocol Client 等官方以 TypeScript 定義契約之處則以 Java / TypeScript 雙軌並陳。 定位提醒：OpenClaw 的原始定位是「single-operator 個人 AI 助理閘道」——由一位操作者（Operator）擁有並信任的自架系統。自 v2026.8.1（OpenClaw 2.0） 起，官方加入了多使用者 Gateway、對話分享角色與 Teams 協作能力，定位延伸為「單一信任域內的多人協作」。 ...

Playwright 教學手冊（企業級完整版） 版本：基於 Playwright v1.62.1（2026 年 7 月） 適用對象：資深工程師、SDET、QA Lead、DevOps 工程師、技術決策者 授權：Apache 2.0（Playwright 開源授權） 最後更新：2026-08-15 執行摘要（Executive Summary） Playwright 是 Microsoft 主導開發的開源瀏覽器自動化框架，自 2020 年首次發布以來，已成為端對端（E2E）測試領域成長最快的解決方案。根據 2026 年業界調查，Playwright 在新專案採用率已達 45.1%，首度超越 Selenium（22.1%）與 Cypress（14.4%），npm 週下載量突破 1,300 萬次，GitHub 星數超過 9.4 萬顆，反映其在測試社群的主流地位。 對企業而言，導入 Playwright 的核心價值在於三個面向： 降低維護成本：內建 Auto-wait 與 Web-First Assertions 機制，實測可減少約六成因時序問題（Race Condition）導致的 Flaky Test，顯著降低 SDET 團隊的除錯負擔。 降低基礎設施成本：原生支援跨瀏覽器（Chromium／Firefox／WebKit）與平行測試，無需額外部署 Selenium Grid 一類的叢集基礎設施，即可於 CI/CD 中橫向擴展。 加速 AI 導入測試流程：透過 Playwright MCP、Playwright CLI 與 Playwright Agents（Planner／Generator／Healer），企業可將 LLM Coding Agent 導入測試規劃、產生與自動修復流程，是目前主流測試框架中對 AI Agent 生態系整合最完整的方案。 本手冊以「企業級落地」為核心設計，涵蓋從系統架構設計、多環境配置、CI/CD 整合、安全合規到團隊導入的完整生命週期，適合作為 SDET / QA Lead 規劃導入策略、DevOps 工程師建置 Pipeline，以及技術決策者評估投資報酬率（ROI）的參考文件。內文所有版本標註（如 v1.60+）皆對應 Playwright 官方 Release Notes，讀者可據此判斷所屬環境的相容性。 ...

Superpowers 教學手冊（企業標準技術白皮書） 版本：v7.0｜基於：Superpowers Framework v6.3.0（by Jesse Vincent / obra @ Prime Radiant） 最後更新：2026-08-18｜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 ⭐ 273k+ stars · 24.4k+ forks · 49+ Contributors（實測查證，obra/superpowers） Plugin Marketplace：https://claude.com/plugins/superpowers（Anthropic Verified · 1,000,000+ 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：v6.2.0 重大變更——Gemini CLI 回歸與 SDD 生命週期改造 附錄 J：v6.3.0 重大變更——四大新平台、儀式感分級與 SDD 煞車機制 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。 ...