教學

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。 ...

Claude Code 建立 SSDLC Agent Team 教學手冊 版本：1.1.0 ｜ 最後更新：2026-04-24 ｜ 作者：企業級 AI Agent 架構顧問團隊 適用對象：資深工程師、架構師、技術主管、DevSecOps、人員培訓 定位：企業級白皮書等級教學手冊，可直接作為團隊導入與治理規範 目錄 Ch 0：文件資訊與閱讀指南 0.1 文件基本資訊 0.2 使用前提與先決條件 0.3 閱讀地圖 0.4 功能狀態標示規則 0.5 核心名詞定義 0.6 版本變更紀錄 Ch 1：總覽：什麼是 Claude Code SSDLC Agent Team 1.1 為什麼企業需要 SSDLC Agent Team 1.2 與其他方法的差異比較 1.3 Claude Code 在 SSDLC 各階段的角色 1.4 新系統開發 vs. 舊系統逆向工程 1.5 整體架構圖 1.6 企業導入價值 1.7 典型使用情境 Ch 2：功能盤點與術語對照 2.1 14 項功能概述 2.2 功能矩陣表 2.3 平台差異比較表 2.4 概念差異比較表 2.5 功能穩定性狀態對照表 2.6 容易混淆術語表 2.7 Subagent 限制速查表 2.8 Config Hierarchy 與 CLAUDE.md 載入順序速查 Ch 3：Claude Code SSDLC Agent Team 企業架構設計 3.1 Agent Team 整體架構圖 3.2 Agent 間協作流程圖 3.3 十個 Agent 角色詳細定義 3.4 Subagents vs Agent Teams 比較圖 3.5 Subagent vs Agent Team 決策矩陣 3.6 Agent 與 SSDLC 階段對應表 3.7 Agent RACI 矩陣 3.8 必須人工審核的清單 3.9 權限過大的風險與防範 Ch 4：平台安裝與環境建置 4.1 安裝前提 4.2 Windows 安裝 4.3 macOS 安裝 4.4 Linux 安裝 4.5 VS Code Extension 安裝 4.6 CLI 認證方式 4.7 Permission Mode 比較表 4.8 公司允許模型設定 4.9 最佳起始設定 4.10 常見安裝錯誤與排除 Ch 5：專案初始化與標準目錄設計 5.1 標準目錄樹 5.2 每個檔案與目錄用途說明 5.3 核心設定檔範例 5.4 命名規範 5.5 版本控管策略 5.6 .gitignore 建議 5.7 Plugins 與 Marketplace 策略 5.8 快速初始化腳本 Ch 6：建立 Agent 與 Subagent 6.1 概念總覽：Subagent、Custom Subagent 與 Agent Team Teammate 6.2 Subagent 與主對話的差異 6.3 Subagent vs. Agent Team 比較 6.4 自動呼叫 vs. 明確呼叫 6.5 前景 vs. 背景執行與 Fork Mode 6.6 權限、Tools、Model 與 Isolation 6.7 不可巢狀限制 6.8 完整範例 6.9 Worktree Isolation 範例 6.10 Anti-Patterns（5 個常見錯誤） 6.11 Agent Team Subagent Definition 正確說明 Ch 7：建立 Prompt Library 與 Team Prompt SOP 7.1 Prompt 在 Claude Code 生態系中的定位 7.2 企業級 Prompt Catalog 架構 7.3 版本管理策略 7.4 Prompt 範本集（10 個） Ch 8：建立 Skills 8.1 Skills 定義與核心概念 8.2 Skills 與相關功能的差異 8.3 自動觸發 vs. 手動觸發 8.4 Supporting Files 8.5 context:fork 與 Compaction 注意事項 8.5.1 Skills 進階 Frontmatter 欄位 8.5.2 Agent Skills 開放標準 8.6 完整 Skill 範例（7 個） 8.7 內建 Skills 參考 Ch 9：建立 Hooks 與 Guardrails 9.1 Hooks 概述：確定性控制層 9.2 Hook 類型 9.3 Hook 事件 9.4 Matcher 語法 9.5 Hook 設定結構 9.6 Hooks 與 Permission Mode 的關係 9.7 Hook 除錯方式 9.8 範例 1：保護敏感檔案不可修改 9.9 範例 2：只允許唯讀 SQL 查詢 9.10 範例 3：變更後自動格式化 9.11 範例 4：Teammate 完成任務前的品質 Gate 9.12 範例 5：偵測設定檔變更並寫入 Audit Log 9.13 範例 6：自動補充 Compact 後的關鍵上下文 9.14 範例 7：HTTP Hook 串接企業稽核服務 9.15 實務建議 Ch 10：建立 Plugins 與 Marketplace Strategy 10.1 何時用 Plugin vs. Standalone Config 10.2 Plugin 結構 10.3 plugin.json Manifest 格式 10.4 Plugin Subagent 限制 10.5 安裝範圍 10.6 Marketplace 差異 10.7 安全與信任模型 10.8 範例 1：plugin.json 完整範例 10.9 範例 2：Skills 型 Plugin 10.10 範例 3：Agents 型 Plugin 10.11 範例 4：Hooks 型 Plugin 10.12 範例 5：Team Marketplace 設定 10.13 範例 6：Plugin 升級與版本控管策略 10.14 實務建議 Ch 11：Memory、CLAUDE.md 與知識治理 11.1 CLAUDE.md 的角色 11.2 CLAUDE.md 載入順序 11.3 Auto Memory 11.4 Memory vs. CLAUDE.md vs. Skills 11.5 Config Hierarchy 與記憶的關係 11.6 與其他文件的分工 11.7 記憶檔案避免膨脹與污染的方法 11.8 CLAUDE.md 範本 1：通用專案 11.9 CLAUDE.md 範本 2：Security 導向 11.10 CLAUDE.md 範本 3：Reverse Engineering 導向 11.11 記憶治理原則 11.12 清理與維護策略 11.13 實務建議 Ch 11-A：Output Styles（輸出風格） 11-A.1 概述 11-A.2 內建風格 11-A.3 自訂 Output Style 11-A.4 Plugin 提供的 Output Styles 11-A.5 keep-coding-instructions 欄位 11-A.6 切換 Output Style 11-A.7 SSDLC 建議 Ch 11-B：Scheduled Tasks（排程任務） 11-B.1 概述 11-B.2 建立排程任務 11-B.3 任務類型 11-B.4 /loop Skill 11-B.5 管理排程任務 11-B.6 搭配 Hooks 11-B.7 SSDLC 應用場景 11-B.8 治理建議 Ch 12：MCP 與 Tools 整合架構 12.1 什麼是 MCP（Model Context Protocol） 12.2 MCP Scope 與設定檔層級 12.3 Transport 機制：HTTP / stdio / SSE 12.4 OAuth、Headers 與安全整合 12.5 進階 MCP 功能 12.6 Claude Code 作為 MCP Server 12.7 Claude Code 作為 MCP Server 12.8 MCP 與 Plugins 的整合 12.9 MCP 與企業治理 12.10 MCP 安全風險 12.11 完整範例 12.10 MCP 安裝與驗證 12.11 list_changed Notification 12.12 實務建議 Ch 13：Programmatic CLI、GitHub Actions 與 GitLab CI/CD 13.1 CLI 互動模式 vs Programmatic CLI 13.2 Programmatic CLI 用法 13.3 Provider 差異說明 13.4 GitHub Actions 整合 🟢 GA 13.5 GitLab CI/CD 整合 🟡 Beta 13.6 API Key / OIDC / Secret 治理 13.7 何時用互動式 vs CI 自動化 13.8 CI/CD 與 Agent 自動化流程圖 13.9 實務建議 Ch 14：將 Agent、Prompt、Skills、Hooks、Memory、MCP 融入 SSDLC 14.1 為什麼需要融入 SSDLC 14.2 Agent 協作圖 14.3 SSDLC 14 階段總覽 14.4 各階段詳細設計 14.5 SSDLC SOP 總覽表 14.6 安全 Gate 建議 14.7 KPI 建議 14.8 實務建議 Ch 15：舊系統逆向工程與現代化改造專章 15.1 方法論總覽 15.2 十一項任務說明 15.3 Reverse Engineering Agent 設計 15.4 專用 Prompt 範例 15.5 專用 Skills 範例 15.6 專用 Hooks / Guardrails 範例 15.7 輸出範本：架構還原文件格式 15.8 風險與注意事項 Ch 16：提供給其他團隊使用的共享 SOP 16.1 Team Onboarding 流程 16.2 Starter Repository 設計 16.3 共享 Plugins / Skills / Agents / Hooks 治理方式 16.4 文件模板 16.5 教育訓練計畫（4 階段） 16.6 支援模式（L1/L2/L3） 16.7 FAQ（團隊導入常見問題） 16.8 變更公告機制 16.9 例外申請流程 16.10 成熟度模型（5 個等級） 16.11 啟用 Checklist 16.12 角色分工表 16.13 常見阻力與解法 16.14 實務建議 Ch 17：安全、治理、稽核與成本控管 17.1 最小權限原則 17.2 Hooks Guardrails 17.3 Secrets 管理 17.4 敏感檔案保護 17.5 Prompt Injection 風險 17.6 MCP 風險 17.7 Plugin Marketplace 風險 17.8 Agent Teams 權限與成本風險 17.9 CI 自動化風險 17.10 Logs / Audit Trail / Compliance 17.11 風險矩陣表 17.12 模型使用策略 17.13 成本監控指標表 17.14 控制點設計表 17.15 不建議做法清單 17.16 實務建議 Ch 18：系統維護、升級與相容性管理 18.1 維護總覽 18.2 各項升級 SOP 18.3 相容矩陣範例 18.4 回滾計畫 18.5 版本管理建議 18.6 Experimental → GA 調整 18.7 文件更新流程 18.8 例行巡檢 18.9 升級排程建議 18.10 實務建議 Ch 19：完整實戰案例 19.1 案例一：新建 Spring Boot Web 專案 19.2 案例二：舊系統逆向工程與現代化 19.3 兩個案例的共通學習 19.4 實務建議 Ch 20：FAQ 與 Troubleshooting 20.1 Agent Teams 為何無法啟動？ 20.2 Subagent 為何沒有被自動委派？ 20.3 Skills 為何沒有觸發？ 20.4 Hooks 為何沒有生效？ 20.5 MCP 為何沒有連上？ 20.6 Plugins 為何沒有載入？ 20.7 VS Code 與 CLI 為何行為不同？ 20.8 GitHub Actions 與 GitLab CI/CD 該怎麼選？ 20.9 Reverse Engineering 時如何降低幻覺？ 20.10 何時該用 subagent，何時該用 agent team？ 20.11 何時該用 hook，何時該用 skill？ 20.12 如何避免記憶污染與 context 膨脹？ 20.13 如何降低 token 成本？ 20.14 實務建議 Ch 21：最佳實務、Anti-Patterns 與 Checklist 21.1 企業最佳實務（10 項） 21.2 團隊最佳實務（8 項） 21.3 開發者最佳實務（8 項） 21.4 Reverse Engineering 最佳實務（6 項） 21.5 常見錯誤 / Anti-Patterns（10 個） 21.6 Checklist 1：新團隊導入 Checklist 21.7 Checklist 2：專案初始化 Checklist 21.8 Checklist 3：SSDLC 各階段 Checklist 21.9 Checklist 4：上線前 Checklist 21.10 Checklist 5：升級前 Checklist 21.11 實務建議 Ch 22：附錄 — 可直接複製使用的完整範本 22.1 範本 1：CLAUDE.md 範本 22.2 範本 2：.claude/settings.json 範本 22.3 範本 3：.mcp.json 範本 22.4 範本 4：Subagent 範本 22.5 範本 5：SKILL.md 範本 22.6 範本 6：Hook 設定範本 22.7 範本 7：plugin.json 範本 22.8 範本 8：GitHub Actions Workflow 範本 22.9 範本 9：GitLab CI/CD Job 範本 22.10 範本 10：Reverse Engineering Prompt 範本 22.11 範本 11：Onboarding Checklist 範本 22.12 範本 12：Governance Policy 範本 22.13 實務建議 Ch 0：文件資訊與閱讀指南 0.1 文件基本資訊 欄位 內容 文件名稱 Claude Code 建立 SSDLC Agent Team 教學手冊 文件版本 1.1.0 最後更新日期 2026-04-24 作者 / 角色定位 企業級 AI Agent 架構顧問團隊 適用對象 資深工程師、架構師、技術主管、DevSecOps、人員培訓 前提條件 需有 Claude Code 存取權限、VS Code（v1.98.0+）、Git 授權範圍 限公司內部使用，不可外流 分類 技術白皮書 / 教學手冊 0.2 使用前提與先決條件 在閱讀本手冊前，請確認您已具備以下條件： ...

GitHub Copilot 建立 SSDLC Agent Team 教學手冊 文件目錄：.github/教學/AI開發/ 文件檔名：GitHub Copilot 建立 SSDLC Agent Team 教學手冊.md 目錄 0. 文件資訊與閱讀指南 1. 總覽：什麼是 GitHub Copilot SSDLC Agent Team 2. 最新功能盤點與術語對照 2.1 功能矩陣表 2.2 功能可用環境比較表 2.3 Preview / GA / Plan Requirement 對照表 2.4 容易混淆概念比較表 2.5 第三方 Agent 與 Auto Model Selection 模型對照 2.6 Copilot Integrations 支援平台 2.7 CLI Built-in Agents 功能說明 3. SSDLC Agent Team 企業架構設計 3.1 Agent 職責總覽 3.2 Mermaid 架構圖 3.3 Agent 協作流程圖 3.4 Agent RACI 表 3.5 Agent 與 SSDLC 階段對應表 3.6 模型分配策略 4. 平台安裝與環境建置 4.1 VS Code 安裝與版本建議 4.2 GitHub Copilot 擴充套件安裝 4.3 GitHub Copilot CLI 安裝 4.4 組織管理員政策設定 4.5 設定檢查清單 4.6 常見安裝錯誤與排除 5. 專案初始化與標準目錄設計 5.1 標準目錄樹 5.2 檔案用途說明 5.3 VS Code 與 GitHub.com / CLI 格式差異 5.4 Project / User / Org 層級差異 5.5 版本控管策略 6. Create Agent：如何建立 SSDLC Agent Team 6.1 Agent Profile 格式詳解 6.2 Agent 1 — Planner（規劃 Agent） 6.3 Agent 2 — Architect（架構 Agent） 6.4 Agent 3 — Backend Developer（後端開發 Agent） 6.5 Agent 4 — Frontend Developer（前端開發 Agent） 6.6 Agent 5 — Test Generator（測試 Agent） 6.7 Agent 6 — Security Reviewer（安全審查 Agent） 6.8 Agent 7 — Code Reviewer（程式碼審查 Agent） 6.9 Agent 8 — Release Agent（發版 Agent） 6.10 Agent 9 — Reverse Engineering Agent（逆向工程 Agent） 6.11 Agent 10 — Doc Writer（文件 Agent） 6.12 Agent-Scoped Hooks 6.13 Orchestrator Agent 模式 6.14 Agent 設計最佳實務 7. 建立 Prompt（Prompt Library） 7.1 Prompt File 概念 7.2 SSDLC 各階段 Prompt 範本 7.3 Prompt 設計原則 7.4 Prompt 管理策略 8. 建立 Custom Instructions 8.1 Instructions 類型總覽 8.2 Repo-wide Instructions 8.3 File-based Instructions 8.4 AGENTS.md 8.5 組織層級 Instructions 8.6 Instructions 設計最佳實務 9. 建立 Agent Skills 9.1 Skills 概念 9.2 Skill 1 — Security Review 9.3 Skill 2 — JUnit Test Generator 9.4 Skill 3 — PR Checker 9.5 Skill 4 — API Reviewer 9.6 Skill 5 — Reverse Analysis 9.7 Skill 6 — Doc Generator 9.8 Skills 管理策略 10. 設定 Hooks 10.1 Hooks 概念 10.2 VS Code Hooks 設定（Preview） 10.3 Cloud Agent / CLI Hooks 10.4 Autopilot 風險與護欄設計 11. 管理 Copilot Memory 11.1 Memory 概念 11.2 啟用 Memory 11.3 Memory 治理 11.4 Memory 最佳實務 12. PR 工作流程（PR Workflow） 12.1 概述 12.2 Copilot 自動 PR Review 12.3 PR Workflow 自動化 12.4 Copilot 在 PR 中的互動 12.5 Agent Management Tab（Agents 管理面板） 12.6 PR 品質指標 13. SSDLC 全流程整合（⭐ 全文件核心） 13.1 概述 13.2 SSDLC 全流程圖 13.3 各階段 Agent 協作詳解 13.4 Agent Handoff 流程 13.5 端到端範例 13.6 SSDLC 成熟度模型 13.7 企業導入策略 14. 逆向工程（Reverse Engineering） 14.1 概述 14.2 逆向工程流程 14.3 使用 Reverse Agent 進行分析 14.4 逆向工程最佳實務 15. 團隊共享與新人引導 15.1 概述 15.2 團隊共享策略 15.3 新人引導流程 15.4 知識傳承機制 15.5 常見團隊問題與解答 16. 安全治理、合規與成本管理 16.1 概述 16.2 安全治理框架 16.3 法規合規 16.4 成本管理 16.5 使用監控與稽核 17. 維護、升級與版本管理 17.1 概述 17.2 維護策略 17.3 版本管理策略 17.4 平台升級追蹤 17.5 故障排除 18. 案例研究 18.1 概述 18.2 案例一：電商平台 API 開發 18.3 案例二：遺留系統現代化改造 19. 常見問題（FAQ） 20. 最佳實務與檢查清單 21. 附錄：即用範本集 0. 文件資訊與閱讀指南 文件基本資訊 項目 內容 文件名稱 GitHub Copilot 建立 SSDLC Agent Team 教學手冊 文件版本 v1.0.0 最後更新日期 2026-04-23 作者角色定位 資深軟體架構師 / AI 架構師 / DevSecOps 導入專家 文件目錄 .github/教學/AI開發/ 文件檔名 GitHub Copilot 建立 SSDLC Agent Team 教學手冊.md 適用對象 資深軟體工程師（Backend / Frontend / Full-Stack） 軟體架構師（Solution Architect / Enterprise Architect） DevSecOps 工程師 技術主管 / 技術經理 資安團隊 QA / 測試工程師 專案管理師（需理解技術導入流程者） 使用前提 前提 說明 GitHub 帳號 需具備 Copilot Pro / Pro+ / Business / Enterprise 授權 VS Code 建議 v1.115 或以上（以取得最新 Agent 功能） GitHub Copilot 擴充套件 需安裝最新版 GitHub Copilot 與 GitHub Copilot Chat GitHub Copilot CLI 需安裝最新版 gh copilot 擴充 GitHub Pull Requests 擴充套件 建議安裝（支援從 Cloud Agent session 開啟至 VS Code） 管理員政策 組織管理員需啟用 Custom Agents、Custom Instructions、Copilot Memory 等政策 網路存取 需能連線至 GitHub.com 閱讀地圖 第 0 章：閱讀指南 ─ 理解文件結構 │ ├── 第 1～2 章：概念與功能盤點 ─ 建立認知基礎 │ ├── 第 3 章：架構設計 ─ 企業級 Agent Team 設計 │ ├── 第 4～5 章：環境建置與專案初始化 ─ 動手準備 │ ├── 第 6～11 章：核心功能建立 ─ Agent / Prompt / Instructions / Skills / Hooks / Memory │ ├── 第 12～13 章：PR 流程與 SSDLC 融合 ─ 端到端工作流 │ ├── 第 14 章：逆向工程專章 ─ 舊系統改造 │ ├── 第 15～17 章：治理、安全與維運 ─ 企業級管理 │ ├── 第 18 章：實戰案例 ─ 完整示範 │ └── 第 19～21 章：FAQ / Checklist / 附錄 ─ 參考資料 名詞定義 術語 定義 SSDLC Secure Software Development Lifecycle，安全軟體開發生命週期 Agent Team 由多個自訂 AI Agent 組成的協作團隊，各 Agent 專責 SSDLC 不同階段 Custom Agent 使用 Markdown 檔案定義的專屬 AI 人格，包含指令、工具限制與行為規範 Agent Profile 定義 Custom Agent 行為的 Markdown 檔案（含 YAML frontmatter） Custom Instructions 自動套用至所有對話的背景指令，定義編碼規範與專案慣例 Prompt File 可重用的提示範本檔案（.prompt.md），用於單次任務 Agent Skills 包含指令、腳本與資源的資料夾，Copilot 可按需載入以執行專門任務 Hooks 在 Agent 工作流特定時間點執行的自訂 Shell 命令（⚠️ VS Code Preview 功能） Copilot Memory Repository-scoped 的持久性記憶（Agentic Memory），跨 Cloud Agent、Code Review 與 CLI 共享，自動從工作中學習並儲存（⚠️ Public Preview，28 天過期） Cloud Agent 在 GitHub.com 上運行的 Copilot 自主代理，可自動完成任務並產生 PR Third-party Agents GitHub 平台上的第三方程式碼代理（如 OpenAI Codex、Anthropic Claude），與 Copilot Cloud Agent 並列可用 VS Code Agent Mode VS Code 中的 Agent 模式，允許 Copilot 使用工具自主完成任務 Copilot CLI GitHub CLI 中的 Copilot 擴充，提供終端機內 AI 輔助，內建 explore / task / code-review / research 等子代理 Handoff Agent 之間的任務交接機制，支援序列化工作流 Steering 在 Agent session 進行中提供額外指引或修正方向 Premium Requests 使用進階模型時消耗的計費單位，不同模型有不同倍率 Auto Model Selection Copilot 自動選擇最佳可用模型的功能 Gate SSDLC 流程中需要人工審核與批准的檢查點 1. 總覽：什麼是 GitHub Copilot SSDLC Agent Team 1.1 為什麼企業需要 SSDLC Agent Team 傳統軟體開發面臨以下挑戰： ...

Skill_Seekers 教學手冊（企業實戰版） 版本：v3.5.1（2026-04） 適用對象：資深工程師、AI 架構師、DevOps 工程師 授權：MIT License 官方網站：https://skillseekersweb.com/ GitHub：https://github.com/yusufkaraaslan/Skill_Seekers 目錄 1. 概述（Overview） 1.1 Skill_Seekers 是什麼 1.2 為什麼它是 AI Data Layer 1.3 在 AI 開發中的定位 1.4 核心數據一覽 2. 整體系統架構設計（Architecture） 2.1 系統架構圖 2.2 模組架構說明 2.3 Data Flow：從資料到 AI 使用 2.4 與企業系統整合架構 3. 安裝與環境建置（Installation） 3.1 系統需求 3.2 安裝方式 3.3 Docker 部署 3.4 初始化與驗證 3.5 MCP Server 設定 3.6 常見錯誤與排除 4. Skill_Seekers 設定（Configuration） 4.1 Config 檔案結構 4.2 預設 Config（24+ Presets） 4.3 Workflow 增強設定 4.4 多資料來源設定 4.5 AST 分析設定 4.6 私有 Config 儲存庫 5. Skill 建立流程（核心） 5.1 統一建立指令（create） 5.2 從 GitHub Repo 建立 Skill 5.3 從 API 文件（OpenAPI）建立 Skill 5.4 從技術文件網站建立 Skill 5.5 從 PDF / Word / EPUB 建立 Skill 5.6 從影片建立 Skill 5.7 Unified Multi-Source Skill 5.8 Skill 結構設計（Schema） 5.9 Metadata / Tagging 策略 6. 與 AI 開發工具整合（重點） 6.1 Claude Code 整合 6.2 GitHub Copilot 整合 6.3 Cursor / Windsurf / Cline 與更多 Agent 整合 6.4 MCP 整合（40 Tools） 6.5 Agent-Agnostic 架構 7. Web Application 開發實戰（Hands-on） 7.1 實戰案例：Spring Boot + Vue 專案 7.2 API 開發加速 7.3 文件生成自動化 7.4 測試生成 7.5 AI 協作流程（Dev Flow） 8. SSDLC（安全開發流程） 8.1 安全開發整合架構 8.2 Secure Coding with Skills 8.3 SAST / DAST 整合 8.4 Dependency Scan 8.5 Prompt Injection 防護 9. 系統維運（Maintenance） 9.1 Skill 更新策略 9.2 資料同步機制 9.3 效能優化 9.4 Log / Monitoring 9.5 成本控制 10. 系統升級（Upgrade） 10.1 版本升級策略 10.2 Config Migration 10.3 向下相容設計 11. 最佳實務（Best Practices） 11.1 團隊導入建議 11.2 Skill 設計原則 11.3 Prompt Engineering 建議 11.4 常見錯誤與 Anti-Patterns 12. 附錄（Appendix） 12.1 CLI 指令大全 12.2 Config 範例 12.3 Troubleshooting 12.4 環境變數一覽 12.5 檢查清單（Checklist） 1. 概述（Overview） 1.1 Skill_Seekers 是什麼 Skill Seekers 是一個開源的 AI Data Layer 工具，由 Yusuf Karaaslan 開發，採用 MIT License。它能將 18 種以上的非結構化資料來源（文件網站、GitHub Repo、PDF、影片、Jupyter Notebook、Confluence Wiki、Notion、OpenAPI Spec 等）轉換為結構化的 AI 知識資產，供 Claude Code、Gemini、OpenAI、LangChain、Cursor 等 12+ AI 平台直接使用。 ...

agency-agents 教學手冊（Enterprise Guide） 版本：v2.0 ｜ 最後更新：2026-04-22 適用對象：資深工程師、架構師、技術主管 授權：內部教育訓練使用 目錄 總覽（Overview） 系統架構設計（Architecture） 安裝與環境建置（Installation & Setup） Agent 結構解析（Agent Design） 與 AI Coding 工具整合（Integration） 實戰：AI 開發流程（End-to-End Workflow） SSDLC（安全開發流程） 系統維運（Maintenance） 系統升級（Upgrade Strategy） 最佳實踐（Best Practices） 企業導入建議（Enterprise Adoption） 附錄（Appendix） 檢查清單（Checklist） 參考資源與社群（Resources & Community） 1. 總覽（Overview） 1.1 agency-agents 是什麼 agency-agents（又稱 The Agency）是由社群驅動的開源 AI 虛擬團隊框架，目前擁有 147+ 個專業化 AI Agent 角色，橫跨 14 個部門，由 68+ 位貢獻者共同維護。每個 Agent 不是簡單的 Prompt 模板，而是一份具備完整人設（Persona）、工作流程（Workflow）、溝通風格（Communication Style）、KPI 與成功指標的 Markdown 定義檔。該專案起源於 Reddit 社群的一篇討論，經過數月迭代，已成為 GitHub 上最受歡迎的 AI Agent 人設定義框架之一。 ...

GSD-2 教學手冊（Enterprise Edition） 版本：v2.77 ｜ 最後更新：2026-04-21 適用對象：資深後端 / 前端 / 架構師 / DevOps 工程師 授權：MIT License 目錄 1. 總覽（Overview） 1.1 GSD-2 是什麼 1.2 與傳統開發模式差異 1.3 適用場景 1.4 版本演進與生態系 2. 核心概念（Core Concepts） 2.1 Meta Prompting 2.2 Context Engineering 2.3 Spec-Driven Development 2.4 Agent Workflow 2.5 Knowledge Graph（KNOWLEDGE.md） 2.6 Reactive Task Execution 2.7 Context Pressure Monitor 3. 系統架構設計（Architecture） 3.1 GSD-2 內部架構 3.2 GSD-2 + 微服務架構整合 3.3 與 Spring Boot 架構整合方式 3.4 與前端（Vue）協作方式 3.5 與 CI/CD 整合方式 3.6 與 SSDLC 整合方式 3.7 MCP Server 架構 4. 安裝與環境建置（Installation） 4.1 系統需求 4.2 安裝步驟 4.3 首次啟動與設定 4.4 MCP Server 啟動 4.5 VS Code 擴充設定 4.6 與 Claude Code / Copilot 整合 4.7 Docker Sandbox 部署 4.8 Web 介面啟動 4.9 常見安裝問題與排除 5. 專案初始化（Project Setup） 5.1 專案目錄結構 5.2 GSD 標準檔案說明 5.3 初始化流程 6. Spec-Driven 開發流程 6.1 整體流程概覽 6.2 步驟 1：撰寫規格（Spec） 6.3 步驟 2：拆解任務（Tasks） 6.4 步驟 3：指派 AI Agent 6.5 步驟 4：產生程式碼 6.6 步驟 5：測試與驗證 6.7 步驟 6：回饋到 KNOWLEDGE.md 7. AI Agent 協作模式 7.1 多 Agent 協作架構 7.2 Claude Code 使用方式 7.3 Copilot 使用方式 7.4 Agent 任務切分策略 7.5 雙終端機工作流 7.6 Quick Mode — 快速任務 7.7 Telegram 遠端控制 7.8 Web 介面管理 7.9 思緒捕捉（Capture）與工作流視覺化 8. 知識圖譜與學習系統 8.1 KNOWLEDGE.md 設計方式 8.2 記憶架構（v2.77 ADR-013） 8.3 Knowledge Graph 建立 8.4 如何提升 AI 理解能力 9. 技能管理（Skill Tracking） 9.1 技能系統概述 9.2 技能發現模式 9.3 技能評估方式 9.4 Agent 健康度監控 9.5 v2.77 技能增強 10. 實戰範例 11. SSDLC 整合（安全開發） 12. 系統維護（Maintenance） 12.5 Provider Error Recovery 12.6 Failure Recovery（v2.28） 12.7 Pipeline Architecture（v2.40） 12.8 清理與歸檔 13. 系統升級（Upgrade） 14. 最佳實務（Best Practices） 14.1 Prompt 設計原則 14.2 Context 控制技巧 14.3 避免 Hallucination 14.4 大型專案管理技巧 14.5 成本控制 14.6 Hooks 系統 14.7 Reactive Task Execution 實務 14.8 企業指引範本 15. 常見問題（FAQ） 15.1 AI 不照 Spec 怎麼辦？ 15.2 程式碼品質不佳？ 15.3 Context 過大怎麼辦？ 15.4 Auto Mode 卡住怎麼辦？ 15.5 如何恢復崩潰的 Session？ 15.6 團隊成員 Milestone ID 衝突？ 15.7 如何在企業防火牆環境使用？ 16. 團隊導入建議（Enterprise Adoption） 16.1 導入策略（分階段） 16.2 教育訓練方式 16.3 Governance（治理） 17. 檢查清單（Checklist） 17.1 環境建置 Checklist 17.2 專案初始化 Checklist 17.3 日常開發 Checklist 17.4 安全 Checklist 17.5 團隊協作 Checklist 17.6 GSD-2 命令速查表 附錄 A：GSD-2 內建擴充套件一覽 附錄 B：相關資源 附錄 C：MCP Server 設定指南 C.1 概述 C.2 連線外部 MCP Server C.3 驗證 MCP 連線 C.4 匯入其他工具的 MCP 設定 C.5 企業注意事項 附錄 D：進階設定參考 D.1 Dynamic Model Routing D.2 Notifications D.3 Context Management D.4 Git 進階設定 D.5 GitHub Sync D.6 Forensics 和除錯 D.7 Parallel Orchestration D.8 其他設定 附錄 E：環境變數一覽 1. 總覽（Overview） 1.1 GSD-2 是什麼 GSD-2（Get Shit Done 2）是一套 Meta-Prompting、Context Engineering 與 Spec-Driven Development 系統，專為 AI Agent 長時間自主開發而設計。它不是提示框架（Prompt Framework），而是一個獨立的 TypeScript CLI 應用程式，建構在 Pi SDK 之上，能夠真正控制 Agent 的 Context Window、Session 生命週期與 Git 策略。 ...

Pi Code Agent 教學手冊（Enterprise Edition） 版本：v0.68.0（2026 年 4 月 20 日發佈） 適用對象：資深工程師、架構師、DevOps 工程師 技術棧：Java / Spring Boot / Vue / TypeScript / Redis / Kafka / PostgreSQL 授權：MIT License 開發公司：Earendil Inc. 開源統計：⭐ 38k+ Stars、179+ Contributors、198+ Releases 目錄（Table of Contents） 概述（Overview） 核心設計哲學（Architecture Philosophy） 系統架構設計（System Architecture） 安裝與環境建置（Installation & Setup） 基本使用教學（Getting Started） Context Engineering（上下文工程） PLAN.md 開發模式 Extensions / Skills / Prompt Templates / Themes Pi Agent + SSDLC（企業重點） 實戰案例（Hands-on） 維運與監控（Operations） 升級與版本管理（Upgrade Strategy） Best Practices（企業建議） Anti-Patterns（重要） 結論（Conclusion） 檢查清單（Checklist） 1. 概述（Overview） 1.1 Pi Code Agent 是什麼 Pi（又名 Pi Coding Agent）是由 Mario Zechner（badlogic） 與 Earendil Inc. 開發的極簡終端 AI 程式碼開發工具，以 MIT License 開源於 GitHub。其核心定位為： ...