工具

Maven 4.x 教學手冊 文件性質：企業內部教育訓練教材／團隊開發規範文件 適用對象：資深 Java 工程師、軟體架構師、DevOps／SRE、平台工程團隊、Tech Lead、建置與發布負責人 內容取向：實戰與維運導向，可直接作為專案團隊內部規範採用 技術基準：Apache Maven 4.0.0-rc-5（2025-11-13）／Apache Maven 3.9.16（2026-05-13） 查證基準日：2026-07-28（全書所有「截至目前」均指此日） 主要參考來源： Apache Maven 官方網站：https://maven.apache.org/ What’s new in Maven 4：https://maven.apache.org/whatsnewinmaven4.html Maven 3 至 Maven 4 遷移指南：https://maven.apache.org/guides/mini/guide-migration-to-mvn4.html Maven 版本歷史：https://maven.apache.org/docs/history.html Maven 4.0.0-rc-5 Release Notes：https://maven.apache.org/docs/4.0.0-rc-5/release-notes.html ⚠️ 版本狀態重要聲明 請務必先讀完本節，再決定你的團隊要如何使用本手冊。 截至 2026-07-28，經查證 Apache Maven 官方網站，事實如下： 項目 現況 佐證來源 Maven 4 最新版本 4.0.0-rc-5，發布於 2025-11-13 Maven Releases History Maven 4 是否已 GA 尚未正式發布（Not GA） Maven Releases History 官方對生產環境的立場 原文：“Maven 4.x is currently under development, so while we are encouraging users to try it and report any issues, it is NOT safe for production use.” Maven Download 頁面 Maven 3 現行穩定版 3.9.16，發布於 2026-05-13 Maven Releases History Maven 3 新分支 3.10.0-rc-1，發布於 2026-07-09 Maven Releases History 執行 Maven 4 的最低需求 Java 17（僅「執行 Maven 本身」需要，專案仍可編譯至 Java 8） What’s new in Maven 4 此外，官方的 What’s new in Maven 4 頁面（最後發布日 2026-07-27）內文仍寫著 “This article will continuously be updated at least until Maven 4.0.0 is released."，是 Maven 4.0.0 尚未 GA 的第二個獨立佐證。 ...

SonarQube 教學手冊 企業級 AI Coding Quality / Reverse Engineering / Framework Upgrade Validation / Secure SDLC / DevSecOps / Code Governance / AI Native Governance 全方位實戰教學 📋 目錄 (Table of Contents) 第一部分：基礎概念與架構 SonarQube 概論 SonarQube 版本比較 SonarQube 系統架構 第二部分：安裝部署與設定 安裝與部署 SonarQube 設定 SonarScanner Quality Gate 第三部分：AI Coding 整合實戰 AI Coding 與 SonarQube Claude Code 整合實戰 GitHub Copilot 整合實戰 第四部分：SonarQube 原生 AI 治理與進階安全 SonarQube 原生 AI 治理 SonarQube Advanced Security 第五部分：Legacy 與升級治理 Legacy System 逆向工程 Framework Upgrade 第六部分：安全治理框架 SSDLC DevSecOps 第七部分：CI/CD 實戰整合 GitHub Actions 整合 GitLab CI/CD 整合 Jenkins 整合 第八部分：API 與維運 SonarQube API 維運管理 升級策略 第九部分：企業導入與案例 企業導入最佳實務 銀行級實戰案例 第十部分：FAQ、Prompt Library 與附錄 常見問題 FAQ Prompt Library 附錄 📖 文件說明 🎯 文件目標 本手冊將 SonarQube 定位為企業七大平台： ...

codebase-memory-mcp 教學手冊 AI Coding Agent 知識圖譜引擎與超大型專案程式碼理解平台 文件版本控制表 項目 內容 文件版本 v1.1 撰寫/修訂日期 2026-06-25 依據官方專案版本 DeusData/codebase-memory-mcp v0.8.1（官方發布日 2026-06-12） 主要參考來源 官方 README／Releases／SECURITY.md、GitHub Pages 文件、論文 Codebase-Memory: Tree-Sitter-Based Knowledge Graphs for LLM Code Exploration via MCP（arXiv:2603.27277） 授權 codebase-memory-mcp 本體為 MIT License 開源專案 適用對象 系統分析師、系統架構師、軟體架構師、後端工程師、前端工程師、DevOps / DevSecOps 工程師、AI Engineer、Claude Code 使用者、GitHub Copilot 使用者、MCP 開發者 閱讀建議 本手冊偏向「實戰與維運」，建議依角色挑選章節 —— 架構師優先看第 2、3、20 章；導入負責人優先看第 19、22 章；第一線工程師優先看第 4～10 章；維運人員優先看第 16、17、18 章 v1.1 修訂摘要 對照官方 v0.8.1 補充環境變數、安裝參數、壓縮格式、安全機制（SLSA／cosign／CodeQL）細節；新增 Tree-sitter 語言分級、Leiden 社群偵測說明；對 ingest_traces 全文加註實驗性（Stub）警語；新增第 18 章已知限制小節；補充專案活躍度數據；目錄擴充為章/節兩層並修正簡體字與誤字 ⚠️ 時效性聲明：codebase-memory-mcp 為快速迭代的開源專案，本手冊內容以撰寫當下查證到的 v0.8.1 為準，使用前請以官方最新 Releases 與文件為最終依據，特別留意標註「實驗性／Stub」的功能是否已在更新版本中完整實作。 ...

GitLab 與 GitLab CLI（glab）完整企業級教學手冊 本手冊以 2026 年最新版 GitLab（GitLab.com SaaS / GitLab Self-Managed / GitLab Dedicated）、GitLab CLI（glab）、GitLab Duo、GitLab CI/CD、GitLab Runner、GitLab Kubernetes Agent、GitLab Security、GitLab API、GitLab MCP Server 等官方文件與最佳實務為基礎撰寫，目標是讓初學者到資深架構師、DevOps / Platform / SRE 團隊都能在同一份文件中找到所需的知識與可直接複製貼上的操作指令。 📌 使用建議： 第一次接觸 GitLab 的同仁，建議依序閱讀第一章～第七章。 已熟悉 Git 的開發者，可直接從第四章（glab CLI）開始。 DevOps / Platform / SRE 團隊，請聚焦第八、十一、十九、二十章。 想了解 AI 協作開發（Claude Code、GitHub Copilot、MCP）的同仁，請見第十三～十八章。 本文件與既有的《GitLab使用教學.md》為獨立文件，內容不互相依賴，可單獨閱讀。 📖 目錄 💡 點擊章節可跳至本文對應位置；每個章節下方的子項為該章節的小節（##）連結。 第一章 GitLab 介紹 1.1 GitLab 發展歷史 1.2 GitLab 核心理念 1.3 GitLab 與 GitHub 比較 1.4 GitLab 與 Azure DevOps 比較 1.5 GitLab 與 Bitbucket 比較 1.6 GitLab SaaS / Self-Managed / Dedicated 差異比較 第二章 GitLab 整體架構 2.1 端到端架構總覽 2.2 核心元件運作方式 2.3 GitLab Architecture Tiers（部署規模分級） 第三章 GitLab 安裝與部署 3.1 GitLab CE 與 EE 差異 3.2 Linux Package（Omnibus）安裝 — Ubuntu 3.3 Linux Package 安裝 — RHEL / Rocky Linux 3.4 Docker 安裝 3.5 Podman 安裝（Rootless） 3.6 Helm Chart（Kubernetes）安裝概覽 第四章 GitLab CLI（glab） 4.1 glab 是什麼 4.2 glab 架構 4.3 glab 主要功能分類 4.3.1 glab 指令穩定度分級（Stable / Beta / Experimental） 4.4 安裝 glab 4.5 登入與認證 第五章 GitLab CLI 指令大全 5.1 glab auth — 認證管理 5.2 glab repo — 專案管理 5.3 glab mr — Merge Request 5.4 glab issue — Issue 管理 5.5 glab pipeline 與 glab ci — CI/CD 操作 5.6 glab release — 版本發布 5.7 glab variable — CI/CD 變數管理 5.8 glab project — 專案層級設定 5.9 glab api — 通用 API 呼叫 5.10 glab duo — GitLab Duo AI 功能 5.11 glab mcp — 啟動 MCP Server 5.12 glab stack — Stacked Diff 管理 5.13 glab search — 跨專案搜尋 5.14 glab schedule — Pipeline 排程管理 5.15 glab runner — Runner 管理 5.16 glab orbit — Knowledge Graph 查詢 5.17 glab skills — Agent 技能管理 5.18 glab attestation — 軟體供應鏈驗證 5.19 glab cluster — Kubernetes Agent 管理 5.20 glab container-registry — 容器倉庫管理 5.21 glab incident — 事件管理 5.22 glab work-items — 統一規劃項目 5.23 其他工具型指令速查 第六章 GitLab Flow 6.1 三種主流分支策略比較 6.2 GitLab Flow 的兩種變體 6.3 企業建議 第七章 CI/CD 7.1 .gitlab-ci.yml 核心概念 7.2 Java / Spring Boot 完整 CI/CD 範例 7.3 Node.js / Vue 完整 CI/CD 範例 7.4 React 完整 CI/CD 範例 7.5 Python 完整 CI/CD 範例 7.6 include 拆分與共用範本 第八章 GitLab Runner 8.1 Runner 類型總覽 8.2 安裝 GitLab Runner 8.3 設定要點 8.4 維護、升級、故障排除 第九章 Container Registry 9.1 GitLab Container Registry 概念 9.2 基本操作 9.3 Image 掃描（Container Scanning） 9.4 Image Promotion（多環境晉升流程） 9.5 最佳實務 9.6 Container Virtual Registry（聚合上游倉庫） 9.7 多架構 Image 支援（Multi-Architecture） 第十章 Package Registry 10.1 支援的套件格式總覽 10.2 Maven 設定與發布 10.3 npm / pnpm 設定與發布 10.4 NuGet 發布 10.5 PyPI 發布 10.6 Generic Package（任意檔案） 第十一章 GitLab Security 11.1 GitLab 安全掃描總覽 11.2 SAST（靜態應用程式安全測試） 11.3 DAST（動態應用程式安全測試） 11.4 Dependency Scanning 11.4.1 AI 輔助安全：Agentic SAST 與 Duo 誤報偵測 11.5 Container Scanning 11.6 Secret Detection 11.7 License Compliance 11.8 Security Dashboard 與 Vulnerability Management 11.9 企業導入策略 第十二章 GitLab API 12.1 REST API 與 GraphQL API 選用建議 12.2 Access Token 種類 12.3 curl 範例 12.4 Java / Spring Boot 範例 12.5 Python 範例 12.6 TypeScript 範例 第十三章 GitLab Duo 13.1 GitLab Duo 功能總覽 13.2 GitLab Duo Chat 13.3 Code Suggestions（程式碼建議） 13.4 Code Review（MR 自動審查） 13.5 Vulnerability Explanation 13.6 Test Generation 與 Refactoring 13.7 Prompt Engineering 最佳實務 第十四章 GitLab + Claude Code 14.1 整合架構總覽 14.2 實戰案例：Claude Code 自動建立並提交 Merge Request 14.3 實戰案例：Claude Code 自動 Review 程式碼 14.4 實戰案例：Pipeline 失敗時自動診斷 14.5 CLAUDE.md 專案規範整合建議 第十五章 GitLab + GitHub Copilot 15.1 為什麼會在 GitLab 上使用 GitHub Copilot 15.2 Agent Mode 與 Coding Agent 操作模式 15.3 如何與 GitLab 協作（實務整合建議） 第十六章 GitLab + MCP 16.1 Model Context Protocol 簡介 16.2 GitLab MCP Server 現況與安裝 16.3 設定 Claude Code 連接 GitLab MCP Server 16.4 權限管理 16.5 實際案例：多步驟 Agent 工作流程 16.6 GitLab Orbit（Knowledge Graph）與 AI Agent 第十七章 AI 協助 Legacy System 逆向工程 17.1 為什麼 Legacy System 逆向工程適合導入 AI 17.2 實戰步驟：將 Legacy 程式碼匯入 GitLab 並建立分析基線 17.3 實戰案例：AI Agent 自動分析 Legacy System 17.4 各 Legacy 技術的 AI 逆向工程要點 17.5 文件生成與架構分析範本 17.6 逆向工程後的重構規劃 第十八章 Framework 升級專案 18.1 升級專案的 GitLab 治理框架 18.2 Spring Boot 2 → 3 / Java 8 → 21 實戰流程 18.3 Vue2 → Vue3 升級實戰流程 18.4 Angular 升級實戰流程 18.5 升級專案的企業治理建議 第十九章 大型企業 DevSecOps 平台設計 19.1 依規模分級的架構設計原則 19.2 大型企業架構圖 19.3 權限模型設計 19.4 Group 策略與 Project 策略 19.5 Branch 策略 第二十章 GitLab 維運手冊 20.1 備份與還原 20.2 監控（Prometheus + Grafana） 20.3 Logging 20.4 升級 20.5 高可用性（HA）與災難復原（DR） 第二十一章 GitLab 最佳實務 21.1 命名規範 21.2 Branch Strategy 21.3 MR Strategy 21.4 Pipeline Strategy 21.5 Release Strategy 21.6 Security Strategy 第二十二章 常見問題 FAQ 22.1 開發類 22.2 CI/CD 類 22.3 Security 類 22.4 Runner 類 22.5 Kubernetes 類 22.6 AI 類 22.7 GitLab Duo 類 22.8 glab 類 第二十三章 附錄 23.1 常用 glab 指令速查表 23.2 CI/CD 通用範本 23.3 Spring Boot 範本 23.4 Vue3 範本 23.5 Kubernetes 範本 23.6 Docker 範本（多階段建置） 23.7 Helm 範本 23.8 十大 AI Agent 實戰情境總覽 23.9 企業導入檢查清單 第一章 GitLab 介紹 1.1 GitLab 發展歷史 GitLab 最初由 Dmitriy Zaporozhets 與 Valery Sizov 於 2011 年以 Ruby on Rails 開發，作為一套開源的 Git 版本控制管理工具。早期僅是「GitHub 的開源替代品」，但 GitLab 團隊很快意識到軟體交付不只是「管程式碼」，而是一個從規劃、開發、測試、安全掃描、部署到監控的完整生命週期。 ...

版本：2.0 最後更新：2026 年 5 月 19 日 適用對象：後端工程師、前端工程師、QA 工程師、系統架構師、DevOps 工程師 定位：企業內部標準教材 文件維護：內部技術團隊 適用於：Postman v12.x（2026 年最新穩定版，向下相容 v11.x） Created by：Eric Cheng Postman 教學手冊 📋 教學大綱 Postman 簡介與概觀 1.1 Postman 是什麼？ 1.2 核心功能總覽 1.3 Postman 平台架構 1.4 版本與授權方案 1.5 與同類工具比較 1.6 適用場景與不適用場景 安裝與環境設定 2.1 桌面應用程式安裝 2.2 網頁版與 VS Code Extension 2.3 帳號註冊與登入 2.4 介面導覽 2.5 企業網路設定（Proxy / SSL） 2.6 團隊初始化設定 核心概念 3.1 Workspaces（工作區） 3.2 Collections（集合） 3.3 Environments 與 Variables 3.4 Authorization（認證與授權） 3.5 Postman Console 發送 API 請求 4.1 建立與發送 HTTP 請求 4.2 Request Body 格式 4.3 Response 檢視與分析 4.4 GraphQL 請求 4.5 gRPC 與 WebSocket 4.6 Cookie 與 Certificate 管理 變數與環境管理 5.1 變數作用域與優先順序 5.2 動態變數 5.3 環境切換策略 5.4 Postman Vault（敏感資料管理） 5.5 資料檔案驅動（CSV / JSON） 腳本開發（Tests & Scripts） 6.1 Pre-request Script 6.2 Post-response Script（測試斷言） 6.3 pm API 完整參考 6.4 Chai Assertion Library 6.5 請求鏈結（Chaining Requests） 6.6 常見測試範例 6.7 可重用腳本（Package Library） Collection Runner 與自動化測試 7.1 Collection Runner 使用 7.2 執行順序控制 7.3 Data-Driven Testing 7.4 效能測試 7.5 整合測試與回歸測試 Postman CLI 與 CI/CD 整合 8.1 Postman CLI 安裝與設定 8.2 命令列執行 Collection 8.3 Newman（傳統 CLI） 8.4 GitHub Actions 整合 8.5 Jenkins / Azure DevOps 整合 API 設計與文件 9.1 Spec Hub（OpenAPI / AsyncAPI） 9.2 Mock Server 設定 9.3 API 文件產生與發布 9.4 版本管理與 Native Git 9.5 SDK Generation（SDK 產生） 9.6 API Catalog（Enterprise） Postman Flows 10.1 Flows 概念與用途 10.2 建立視覺化工作流 10.3 實務案例 AI 功能（Agent Mode） 11.1 Postman AI 功能總覽 11.2 Agent Mode 深度指南 11.3 MCP Server 與 MCP Client 整合 11.4 AI Credits 管理與最佳化 團隊協作 12.1 團隊建立與管理 12.2 角色與權限 12.3 Version Control（Fork / Pull Request / Merge） 12.4 團隊工作區最佳實務 安全治理與 API Governance 13.1 Postman Secret Scanner 13.2 Postman Vault 與第三方整合 13.3 API Governance Rules 13.4 SSO / SCIM / Audit Log 13.5 BYOK 與 Data Residency 監控與效能 14.1 Monitor 設定與排程 14.2 效能指標與告警 14.3 Insights（Enterprise） 整合與擴充 15.1 第三方工具整合 15.2 Postman API 使用 15.3 Webhook 與自訂整合 企業導入策略 16.1 評估與導入路線圖 16.2 方案選擇與團隊培訓 16.3 標準化規範 最佳實務與反模式 17.1 最佳實務 17.2 常見反模式 常見問題與除錯（FAQ） 附錄 19.1 pm API 速查表 19.2 Chai Assertion 速查表 19.3 HTTP Status Code 速查表 19.4 快捷鍵速查表 19.5 新人上手 Checklist 19.6 API 測試 Checklist 19.7 安全性 Checklist 1. Postman 簡介與概觀 1.1 Postman 是什麼？ Postman 是全球領先的 AI 原生 API 平台，為超過 4,000 萬開發者與 50 萬以上的組織提供 API 開發、測試、文件化、監控與協作的統一解決方案。Fortune 500 企業中有 98% 使用 Postman 作為其 API 開發流程的核心工具。根據 2025 年 State of the API 報告，90% 的開發者正在使用 API，74% 已採用 API-First 策略，而 AI 驅動的 API 流量在 2024 年增長了 73%。 ...

Chrome DevTools MCP（Model Context Protocol）教學手冊 版本：v2.0 最後更新：2026-02-14 適用對象：前端工程師、全端工程師、AI 工具整合工程師、DevOps 工程師、架構師 適用環境：Windows / macOS / Linux Chrome DevTools MCP 版本：v0.17.0+（套件名稱：chrome-devtools-mcp） 官方 GitHub：https://github.com/ChromeDevTools/chrome-devtools-mcp npm 套件：https://www.npmjs.com/package/chrome-devtools-mcp 目錄 第一章：總覽與架構設計 1.1 MCP 是什麼？ 1.2 Chrome DevTools MCP 架構說明 1.3 系統元件圖 1.4 互動流程圖 1.5 適用場景說明 1.6 與傳統 AI 靜態分析比較 第二章：系統架構設計 2.1 單機開發架構 2.2 團隊共享架構 2.3 CI/CD 整合架構 2.4 雲端整合架構 2.5 安全隔離建議 2.6 權限控制建議 2.7 沙箱執行模式建議 第三章：安裝與環境建置 3.1 系統需求 3.2 Chrome 版本需求 3.3 Node.js 版本需求 3.4 安裝步驟 3.5 啟動參數完整說明 3.6 連接模式說明 3.7 User Data Directory 說明 3.8 Docker 安裝方式 3.9 工具類別控制 3.10 常見錯誤排除 第四章：設定與整合 ...

Chrome DevTools 教學手冊 版本：Chrome 131+（2026 年最新版） 適用對象：前端工程師、後端工程師、架構師、DevOps 工程師 定位：企業級實戰與維運教學手冊 最後更新：2026-02-14 目錄 第一章：Chrome DevTools 架構與核心原理 第二章：安裝與環境設定 2.8 Device Mode（裝置模擬模式） 2.9 Command Menu（命令選單） 第三章：Elements 面板完整教學 第四章：Console 深入教學 第五章：Sources 面板（JS 除錯核心） 第六章：Network 面板（API 與效能分析） 第七章：Performance 面板（效能優化核心） 7.8 Rendering 面板 7.9 Performance 進階功能 第八章：Memory 面板 第九章：Application 面板 第十章：Security 面板 第十一章：Recorder 面板、AI 輔助與其他進階功能 11.1 Recorder 面板（使用者流程錄製） 11.2 AI 輔助功能（Gemini 整合） 11.3 其他實用面板 11.4 遠端除錯 第十二章：企業級 Web Application Debug 標準流程 第十三章：最佳實踐與團隊規範 附錄 A：常見問題 FAQ 附錄 B：面試常考 DevTools 問題 附錄 C：團隊培訓建議 附錄 D：延伸學習資源 附錄 E：檢查清單（Checklist） 第一章：Chrome DevTools 架構與核心原理 1.1 DevTools 整體架構說明 Chrome DevTools 是內建於 Chromium 核心的開發者除錯工具組，透過 Chrome DevTools Protocol（CDP） 與瀏覽器核心通訊。 ...

GitHub Copilot CLI 教學手冊 版本：v3.0（2026 年 2 月） 適用對象：資深工程師、DevOps 工程師、技術主管 適用平台：Windows / macOS / Linux 前置條件：具備 Git、Terminal 基礎操作能力；擁有 GitHub Copilot 授權 狀態：GitHub Copilot CLI 目前為 Public Preview（含資料保護），功能可能變更 目錄 1. GitHub Copilot CLI 架構說明 1.1 Copilot CLI 架構概念 1.2 與 GitHub Copilot IDE 版本的差異 1.3 三種使用模式 1.4 認證流程 1.5 CLI 與 GitHub 雲端服務關係 1.6 CLI 在企業環境中的位置 2. 安裝與環境建置 2.1 系統需求 2.2 Windows 安裝方式 2.3 macOS 安裝方式 2.4 Linux 安裝方式 2.5 使用 npm 安裝（跨平台） 2.6 驗證安裝成功 2.7 代理伺服器（Proxy）環境設定 2.8 防火牆與網路限制處理 3. 基本設定與認證 3.1 首次登入流程 3.2 使用 Personal Access Token 認證 3.3 企業 GitHub 組織授權 3.4 CLI 設定檔說明 3.5 信任目錄管理 3.6 安全設定建議 4. 開發應用方式 4.1 互動模式基本操作 4.2 計畫模式（Plan Mode） 4.3 程式化模式（Programmatic Mode） 4.4 檔案引用與上下文控制 4.5 程式碼產生與重構 4.6 測試程式產生 4.7 Dockerfile 與 CI/CD 產生 4.8 Git 操作與 PR 管理 4.9 工具權限管理 4.10 團隊開發最佳實踐 5. 自訂與擴充功能 5.1 自訂指令（Custom Instructions） 5.2 自訂代理（Custom Agents） 5.3 技能（Skills） 5.4 Hooks 5.5 AI 模型選擇 5.6 Copilot Memory 6. 與 MCP（Model Context Protocol）串接方式 6.1 MCP 架構概念 6.2 內建 GitHub MCP Server 6.3 新增 MCP Server 6.4 自訂 MCP Server 開發 6.5 與企業內部 API 整合 6.6 MCP 安全與權限控管 7. DevOps 整合模式 7.1 與 GitHub Actions 整合 7.2 與 CI/CD Pipeline 整合 7.3 容器化開發流程 7.4 AI 輔助 Code Review 7.5 委派工作至 Copilot Coding Agent 7.6 Commit Message 與 PR 最佳實務 8. 系統維護與治理 8.1 CLI 版本管理策略 8.2 企業升版流程 8.3 AI 使用紀錄稽核建議 8.4 使用權限控管 8.5 Session 管理 8.6 效能監控與成本控管 9. 企業導入最佳實踐 9.1 開發團隊使用規範 9.2 AI 輔助開發風險 9.3 原始碼洩漏風險管理 9.4 Prompt 設計標準化 9.5 AI 產出程式碼審核流程 9.6 內部教育訓練建議 10. 風險與限制說明 10.1 Copilot CLI 功能限制 10.2 Premium Request 配額 10.3 安全性考量 10.4 網路依賴風險 10.5 法規與合規性建議 附錄 A：新進成員檢查清單 附錄 B：常用指令速查表 附錄 C：故障排除指南 附錄 D：ACP（Agent Client Protocol） 附錄 E：參考資源 1. GitHub Copilot CLI 架構說明 1.1 Copilot CLI 架構概念 GitHub Copilot CLI 是一個獨立的命令列 AI 程式，讓開發者直接在終端機中與 Copilot 互動。它具備代理（Agent）能力，可以讀取、修改、執行檔案，並與 GitHub.com 互動。 ...

雲端原生運算生態系教學手冊 版本：1.0 最後更新：2026 年 1 月 適用對象：資深工程師、系統架構師、SRE / DevOps 工程師、技術主管 定位：企業內部標準教材 文件維護：內部技術團隊 使用情境：大型企業 / 銀行內部系統 最後更新: 2026年1月30日 適用於: 雲端原生運算生態系 Created by: Eric Cheng 目錄 1. 雲端原生運算概論 1.1 什麼是 Cloud Native 1.2 與傳統架構的差異 1.3 CNCF 的角色與定位 1.4 CNCF Landscape 全景圖說明 1.5 雲端原生帶來的價值與挑戰 2. 雲端原生系統整體架構 2.1 典型雲端原生參考架構 2.2 核心分層說明 2.2.1 基礎設施層（Infrastructure Layer） 2.2.2 容器層（Container Runtime Layer） 2.2.3 編排層（Orchestration Layer） 2.2.4 平台層（Platform Layer） 2.2.5 可觀測性（Observability Layer） 2.2.6 安全層（Security Layer） 2.3 微服務與事件驅動架構 3. CNCF 核心專案分類與說明 3.1 Container & Runtime 3.2 Orchestration & Management 3.3 Networking 3.4 Service Mesh 3.5 API Gateway & Ingress 3.6 Observability 3.7 Logging 3.8 Security 3.9 CI/CD 3.10 Storage 3.11 Messaging & Streaming 4. 系統安裝與基礎環境建置 4.1 雲端原生平台建置方式比較 4.2 Managed Kubernetes 比較 4.3 Self-Managed Kubernetes 安裝（kubeadm） 4.4 必要 Add-ons 安裝建議 4.5 開發、測試、正式環境差異設計 5. 系統設定與組態管理 5.1 Kubernetes Namespace 與 RBAC 設計 5.2 ConfigMap / Secret 使用方式 5.3 Helm 與 Kustomize 的角色 5.4 GitOps 架構（以 Argo CD 為例） 5.5 環境參數與設定管理策略 6. 雲端原生系統使用方式 6.1 應用程式容器化流程 6.2 Deployment / StatefulSet 使用情境 6.3 Service / Ingress / Gateway 設計 6.4 自動擴縮（HPA / VPA） 6.5 Rolling Update 與 Zero Downtime Deployment 7. 系統維運與可觀測性 7.1 Metrics、Logs、Traces 的角色 7.2 Prometheus + Grafana 架構 7.3 OpenTelemetry 導入方式 7.4 告警（Alerting）設計原則 7.5 SRE 常用監控指標（SLI / SLO / SLA） 8. 系統安全與治理 8.1 雲端原生安全風險概覽 8.2 Kubernetes Security Best Practices 8.3 Image Security 與 Supply Chain Security 8.4 Policy as Code（OPA / Kyverno） 8.5 零信任（Zero Trust）在雲端原生的應用 9. 系統升級與版本管理 9.1 Kubernetes 升級策略 9.2 CNCF 元件相容性考量 9.3 滾動升級與回滾機制 9.4 升級風險與因應方式 10. 應用系統如何串接雲端原生平台 10.1 傳統系統（Legacy System）上雲策略 10.2 API-based 系統整合 10.3 Event-driven 架構串接方式 10.4 Database、MQ、外部系統整合模式 10.5 金融/企業系統常見整合案例 11. 企業實務建議與最佳實踐 11.1 雲端原生導入常見地雷 11.2 組織與流程調整建議 11.3 開發、維運、資安協作模式 11.4 技術選型建議 11.5 成熟度模型（Cloud Native Maturity Model） 12. 檢查清單（Checklist） 12.1 叢集建置檢查清單 12.2 應用部署檢查清單 12.3 可觀測性檢查清單 12.4 安全檢查清單 12.5 維運檢查清單 附錄 附錄 A：常用 kubectl 指令速查 附錄 B：參考資源 1. 雲端原生運算概論 1.1 什麼是 Cloud Native Cloud Native（雲端原生） 是一種建構和運行應用程式的方法，充分利用雲端運算模型的優勢。根據 CNCF（Cloud Native Computing Foundation）的定義： ...

Kubernetes教學手冊 版本：1.0 最後更新：2026 年 1 月 適用對象：後端工程師、DevOps / SRE、系統架構師 定位：企業內部標準教材 最後更新: 2026年1月29日 適用於: 對應 Kubernetes v1.29+ Created by: Eric Cheng 📚 目錄 第一章：Kubernetes 系統架構 1.1 Kubernetes 核心設計理念 宣告式配置（Declarative Configuration） 控制迴圈（Control Loop） 鬆耦合與可擴展性 1.2 Cluster 架構說明 整體架構圖 Control Plane 元件說明 Worker Node 元件說明 1.3 核心物件概念 Pod Node Namespace Label 與 Selector Annotation 1.4 Kubernetes 與傳統部署差異 第二章：Kubernetes 安裝與環境建置 2.1 常見安裝方式比較 kubeadm 安裝 Managed Kubernetes 比較 本地開發環境（kind） 2.2 基本環境需求 硬體需求 作業系統需求 網路需求 2.3 Cluster 初始化流程 Container Runtime 安裝 2.4 安裝後驗證 第三章：Kubernetes 核心資源設定 3.1 Pod / Deployment / ReplicaSet Pod 生命週期 Deployment 完整範例 3.2 Service 類型說明 Service 類型比較 Service YAML 範例 3.3 Ingress 與 Ingress Controller Ingress 架構 Ingress 設定範例 常用 Ingress Controller 3.4 ConfigMap / Secret ConfigMap 使用方式 Secret 使用方式 3.5 Resource Request / Limit 資源設定說明 CPU 與 Memory 單位 資源設定最佳實踐 3.6 Health Check（Liveness / Readiness / Startup） 三種 Probe 比較 完整 Probe 設定範例 Probe 方式 第四章：Kubernetes 系統使用（實務操作） 4.1 kubectl 常用指令 基本指令速查表 kubectl 輸出格式 4.2 Deployment 發佈流程 發佈流程指令 4.3 滾動更新與回滾 滾動更新策略 回滾操作 藍綠部署（Blue-Green Deployment） 4.4 Scaling（Manual / HPA） 手動擴縮容 HPA（Horizontal Pod Autoscaler） 4.5 Debug 與故障排查 故障排查流程 常見問題診斷 進階除錯技巧 第五章：Kubernetes 維運與管理 5.1 Namespace 與多團隊隔離 Namespace 設計策略 Namespace 建立與管理 5.2 RBAC 權限控管 RBAC 架構 RBAC 設定範例 5.3 日誌與監控策略 日誌收集架構 日誌最佳實踐 應用程式日誌建議 5.4 常見營運風險與因應 憑證管理 5.5 Cluster 容量與資源管理 資源監控指標 容量規劃建議 第六章：Kubernetes 升級策略 6.1 升級原則 版本支援政策 升級順序 6.2 Control Plane 與 Node 升級順序 kubeadm 升級流程 6.3 應用程式升級注意事項 PodDisruptionBudget（PDB） 6.4 升級前檢查清單 第七章：應用系統串接 Kubernetes 7.1 CI/CD 整合流程 GitLab CI 範例 7.2 容器映像管理策略 映像命名規範 映像標籤策略 映像安全掃描 7.3 Helm 基本概念與使用 Helm 架構 Helm 常用指令 values.yaml 範例 7.4 外部系統整合 資料庫連線 Prometheus 整合 第八章：最佳實踐與常見反模式 8.1 建議遵循的設計原則 最佳實踐清單 安全設定範例 8.2 常見錯誤與踩雷經驗 常見反模式 Graceful Shutdown 實作 8.3 企業環境實務建議 金融業特殊考量 NetworkPolicy 範例 附錄 附錄 A：新服務部署檢查清單 附錄 B：日常維運檢查清單 附錄 C：升級前檢查清單 參考資源 第一章：Kubernetes 系統架構 1.1 Kubernetes 核心設計理念 Kubernetes（簡稱 K8s）是由 Google 開源的容器編排平台，其核心設計理念包括： ...