教學

Pi Code Agent 教學手冊（Enterprise Edition） 版本：v0.84.2（2026 年 8 月 14 日發布，手冊內容核校至 2026 年 8 月 20 日） 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.(原作者 Mario Zechner「badlogic」2026 年 4 月將專案併入 Earendil) 開源統計：⭐ 94.1k+ Stars、11.6k+ Forks、278+ Contributors、255+ Releases、310+ Watchers(GitHub API 即時查詢，2026-08-20 核對；Unreleased 分支已累積數項待發布的修復與 Extension 事件強化，尚未正式掛上版本號) 倉庫健康度：Open Issues 87、Open PRs 48(新貢獻者提交會自動關閉待每日人工審查，見 CONTRIBUTING.md)；語言組成 TypeScript 94% / JavaScript 5.3% / Shell 0.3% / CSS 0.3% / C 0.1%,單一 TypeScript 為主的技術棧有利企業內部靜態分析工具鏈整合 ...

claude-howto 教學手冊（完整版） 文件版本：v2.0 最後更新：2026-07-01 基於 Claude Code 版本：v2.1.160 基於 claude-howto 版本：v2.1.160 release（2026-06 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 Fable 5 / Claude Opus 4.8 / Claude Sonnet 4.6 / Claude Haiku 4.5 授權方式：MIT License 修訂記錄（Revision History） 版本 日期 主要變更 v1.0 2026-04-24 初版發布，對應 claude-howto v2.1.112 v1.1 2026-05-02 補充 Hook 事件完整清單、Plugin 安全注意事項、Permission Modes 表 v2.0 2026-07-01 同步 claude-howto v2.1.160；新增 Fable 5 / Opus 4.8 模型說明；新增 4.12 Workflow 多代理編排、5.4 微服務架構開發、7.6 合規性自動化、第 13 章模型選用指南、附錄 D 術語表；更新 GitHub 統計；提升至企業技術白皮書格式 摘要（Executive Summary） 本手冊為企業技術白皮書等級文件，系統性介紹 claude-howto（GitHub: luongnv89/claude-howto）——目前最完整的 Claude Code 社群實戰指南（39k+ Stars，4.7k+ Forks）。文件涵蓋從安裝設定、10 大核心模組、AI 輔助開發流程、Prompt Engineering、SSDLC 安全整合，到企業落地策略的完整知識體系。 ...

Free Claude Code（FCC）企業技術白皮書與導入手冊 文件版本：v3.0（2026-09） 對應上游版本：Alishahryar1/free-claude-code v6.1.4（53,800+ Stars／8,600+ Forks） 適用對象：資深工程師 / 架構師 / DevOps / 平台工程 / AI 開發團隊 / 技術決策者 授權條款：MIT License 文件定位：企業級 AI 輔助開發平台之技術評估、導入、維運與治理手冊 語言：繁體中文 最後更新：2026 年 9 月 8 日 免責與商標聲明 Free Claude Code（以下簡稱 FCC）為獨立開源專案，與 Anthropic 無隸屬關係，亦未取得 Anthropic 背書。Claude 與 Claude Code 為 Anthropic 之商標；Codex 為 OpenAI 之商標；其餘產品名稱歸各自權利人所有。 本手冊所述之各 Provider 免費額度、速率限制與服務條款，均由各 Provider 自行制定並可能隨時變更。企業導入前，務必自行確認各 Provider 之服務條款（ToS）是否允許貴組織的使用情境（特別是商業用途、團隊共用與自動化呼叫）。本文件僅供技術參考，不構成法律意見。 目錄 概述（Overview） 1.1 FCC 是什麼 1.2 核心價值主張 1.3 與 Claude Code 官方訂閱的差異 1.4 適用場景與不適用場景 1.5 版本演進與重大變更 1.6 架構定位圖 系統整體架構（Architecture） 2.1 高階架構圖 2.2 分層架構與原始碼結構 2.3 Request Flow：Anthropic Messages 路徑 2.4 Request Flow：OpenAI Responses 路徑 2.5 模型路由與階層繼承 2.6 Fallback Chain 自動故障轉移 2.7 Reasoning 推理強度控制 2.8 Token 最佳化機制 2.9 擴充點（Extension Points） 安裝與環境建置（Installation） 3.1 系統需求 3.2 安裝方式決策 3.3 方式一：官方安裝腳本（推薦） 3.4 方式二：原始碼安裝（稽核 / 開發） 3.5 啟動 FCC 服務 3.6 首次設定（以 NVIDIA NIM 為例） 3.7 啟動 Coding Agent 3.8 安裝驗證 3.9 檔案與目錄配置 3.10 更新與解除安裝 3.11 環境建置流程圖 核心設定（Configuration） 4.1 設定來源與優先權 4.2 Admin UI 設定面板 4.3 模型設定：MODEL、階層與 Fallback 4.4 Reasoning 設定 4.5 Proxy 認證與服務連線 4.6 速率限制與逾時 4.7 請求最佳化開關 4.8 Web Tools 設定 4.9 企業 Proxy（Per-Provider） 4.10 Messaging 與語音設定 4.11 日誌與診斷設定 4.12 環境變數完整速查表 Provider 生態系（50 家供應商） 5.1 Provider 分類全覽 5.2 完整 Provider 目錄 5.3 認證模式：API Key 與 Connected Account 5.4 免費額度優先組合 5.5 重點 Provider 詳解 5.6 訂閱制 Provider 與合規注意事項 5.7 企業雲 Provider 5.8 本地 Provider 5.9 Provider 選型決策矩陣 5.10 混合 Provider 路由策略 Coding Agent 與客戶端整合（Clients） 6.1 十大 Coding Agent 總覽 6.2 Claude Code 整合 6.3 Codex 整合（CLI / App / VS Code） 6.4 其餘 Agent 啟動方式 6.5 VS Code 整合 6.6 JetBrains ACP 整合 6.7 瀏覽器 Code Sessions 6.8 Discord / Telegram 遠端協作 6.9 語音輸入（Voice Notes） 6.10 客戶端疑難排解 開發實戰（AI Development Use Cases） 7.1 Web Application 開發 7.2 舊系統逆向工程 7.3 Framework 升級 7.4 多模型協作模式 SSDLC（安全開發流程） 8.1 AI 輔助 SSDLC 整體流程 8.2 Threat Modeling（威脅建模） 8.3 Code Review（AI 安全審查） 8.4 Security Scan 整合 8.5 SSDLC 自動化流程 團隊導入策略（Team Adoption） 9.1 導入階段規劃 9.2 開發流程設計 9.3 Prompt Template 管理 9.4 AI Agent Team 設計 9.5 治理與濫用防制 維運與監控（Operations） 10.1 日誌架構 10.2 Token 與成本監控 10.3 成本控管策略 10.4 速率限制設計 10.5 健康檢查與可觀測性 品質驗證：測試與 Smoke Testing 11.1 兩層測試策略 11.2 Hermetic 測試 11.3 Live Smoke Testing 11.4 Smoke Target 對照表 11.5 Smoke 模型覆寫 11.6 實務執行範例 升級、擴展與高可用（Upgrade & Scaling） 12.1 升級策略 12.2 新增自訂 Provider 12.3 水平擴展 12.4 高可用設計 12.5 Dev / Stage / Prod 環境設計 安全、隱私與合規（Security & Compliance） 13.1 威脅模型 13.2 Proxy 認證強化 13.3 憑證與金鑰管理 13.4 資料外流與駐留風險 13.5 Prompt Injection 與供應鏈風險 13.6 服務條款與授權合規 13.7 安全基線設定檔 CI/CD 整合 14.1 GitHub Actions 範例 14.2 CI/CD 整合架構 14.3 自建 Runner 注意事項 開發與貢獻指南（Development & Contributing） 15.1 開發環境設定 15.2 本地 CI 流程 15.3 程式碼規範 15.4 架構原則 15.5 版本控管規則 15.6 貢獻規則 常見問題（FAQ） 最佳實務（Best Practices） 17.1 架構設計 17.2 Prompt Engineering 17.3 成本最佳化 17.4 安全性 17.5 反模式清單 範例 Prompt 集 18.1 通用開發 Prompt 18.2 Code Review Prompt 18.3 逆向工程 Prompt 18.4 升級評估 Prompt 18.5 多模型交叉驗證 Prompt 18.6 FCC 環境診斷 Prompt 導入檢查清單（Checklist） 19.1 安裝與環境 19.2 客戶端連線 19.3 模型與路由 19.4 安全 19.5 合規 19.6 團隊導入 19.7 維運 19.8 開發貢獻 附錄（Appendix） 20.1 環境變數全表 20.2 CLI 指令速查 20.3 API 端點速查 20.4 名詞對照表 20.5 參考資源 1. 概述（Overview） 1.1 FCC 是什麼 Free Claude Code（FCC）是一套以 Python 3.14 + FastAPI 建構的本機 AI 閘道（Local AI Gateway）。它在開發者機器上啟動一個代理伺服器，同時對外提供兩種業界標準協議端點： ...

oh-my-claudecode 教學手冊（完整版） 版本：v4.15.1（2026-06-27） 文件更新日期：2026-07-01 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（含 Ultragoal、Multi-Repo 整合） 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」。 ...

BMAD-METHOD 使用教學手冊 文件版本：6.0 最後更新：2026 年 6 月 30 日 適用版本：BMAD METHOD v6.9.0（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 2.15 bmad-architecture 脊柱式架構設計（v6.9.0） 2.16 bmad-ux 雙脊柱-ux-設計（v6.8.0） 2.17 bmad-prd 統一-prd-管理（v6.7.0） 2.18 bmad-spec 規格蒸餾器（v6.8.0） 2.19 bmad-forge-idea 創意壓力測試（v6.9.0） 2.20 Web Bundles 網頁規劃套件（v6.8.0） 2.21 bmad-dev-auto 自主開發迴圈（v6.8.0+） 2.22 決策日誌與-memlog-工作記憶（v6.7.0/v6.9.0） 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 5.7 BMAD v6.7–v6.9 新 Skill 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？ Q14：bmad-dev-auto 自主開發迴圈的使用建議？ Q15：Web Bundles 如何節省成本？ Q16：如何從舊版 Skill 遷移到新版？ 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 進階 9：WDS 白港設計工作室（v6.7.0） 進階 10：bmad-method-ui 視覺化介面（v6.8.0） 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： ...

Compound Engineering 教學手冊 版本：v3.16.0（2026-06-30） 適用平台：Claude Code / Cursor / Codex / OpenCode / GitHub Copilot / Kimi Code / Antigravity (agy) / Factory Droid / Qwen Code / Pi 等 授權：MIT License GitHub：https://github.com/EveryInc/compound-engineering-plugin 文件等級：企業標準技術白皮書 最後更新：2026-06-30 目錄 第一章：概述 1.1 什麼是 Compound Engineering（複利工程） 1.2 與傳統 AI Coding 工具比較 1.3 核心設計哲學 1.4 適用場景 1.5 開發成熟度階段模型 第二章：系統架構整合 2.1 整體架構圖 2.2 Plugin 元件總覽 2.3 核心概念詞彙表 2.4 與企業系統整合方式 2.5 Skill Workflow 設計 2.6 知識庫（Knowledge Base）設計 第三章：安裝與環境建置 3.1 前置需求 3.2 Claude Code 安裝 3.3 Cursor 安裝 3.4 Codex 安裝（App / CLI） 3.5 GitHub Copilot 安裝 3.6 其他平台安裝 3.7 升級現有安裝 3.8 ce-setup 環境診斷與初始化 3.9 Windows 環境設定 3.10 CI/CD 環境設定 3.11 本地開發模式 第四章：核心功能教學 4.1 核心工作流總覽 4.2 /ce-ideate — 創意探索 4.3 /ce-brainstorm — 需求發散 4.4 /ce-plan — 計畫制定 4.5 /ce-work — 開發執行 4.6 /ce-simplify-code — 程式碼精簡 4.7 /ce-code-review — 結構化品質審查 4.8 /ce-compound — 知識沉澱 4.9 /ce-debug — 除錯追蹤 4.10 /ce-optimize — 最佳化迴圈 4.11 /ce-pov — 技術裁決 4.12 /ce-strategy — 策略定錨 4.13 /ce-product-pulse — 產品脈搏 4.14 /ce-dogfood — 自動化瀏覽器 QA 4.15 /ce-test-browser — 瀏覽器測試 4.16 /ce-test-xcode — iOS 應用測試 4.17 /lfg — 全自動工程工作流 4.18 錯誤案例與修正 第五章：企業級開發流程設計 5.1 AI Agent 開發流程（SSDLC 整合） 5.2 與 Git Flow 整合 5.3 與 CI/CD 整合 5.4 Code Review 自動化 5.5 測試策略 第六章：最佳實務（Best Practices） 6.1 Prompt Engineering — 如何寫好 ce-plan 6.2 Context Engineering — 上下文管理 6.3 Knowledge Reuse — 複利最大化 6.4 防止 AI Hallucination 6.5 隱私與安全政策 6.6 Agent-Native 架構設計 6.7 需要放下的信念 第七章：系統維運（Maintenance） 7.1 知識庫管理策略 7.2 Plugin 效能調校 7.3 Log / Monitoring 設計 7.4 問題排查（Troubleshooting） 第八章：系統升級（Upgrade Strategy） 8.1 Plugin 升級流程 8.2 知識庫版本控制 8.3 向下相容策略 8.4 災難復原（Disaster Recovery） 第九章：企業導入建議 9.1 導入策略（Pilot → Rollout） 9.2 團隊角色轉變 9.3 KPI 設計 9.4 教育訓練計畫 9.5 團隊協作模式 第十章：完整實戰案例 10.1 案例背景 10.2 ce-brainstorm — 需求發散 10.3 ce-plan — 任務拆解 10.4 ce-work — 產生程式碼 10.5 ce-simplify-code — 精簡程式碼 10.6 ce-code-review — 改善品質 10.7 ce-compound — 知識沉澱 附錄 A：Skills 完整參考表 附錄 B：Specialist Prompt Assets 參考表 附錄 C：常用指令 Cheat Sheet 附錄 D：新進成員檢查清單（Checklist） 附錄 E：參考資源與延伸閱讀 第一章：概述 1.1 什麼是 Compound Engineering（複利工程） Compound Engineering（複利工程）是由 Every Inc. 提出的軟體工程方法論，以開源 Plugin 形式實現。其核心理念為： ...

GitNexus 教學手冊（企業級完整版） 版本：v1.6.8（2026-06 基準，含 PDG / Taint Analysis、MCP Trace 工具、Private Repos via PAT、DevContainer、MCP HTTP Server） 適用對象：資深工程師 / 架構師 / DevOps / AI Agent 開發者 授權：PolyForm Noncommercial 1.0.0（企業授權另洽 akonlabs.com） 維護單位：內部 AI 開發組 GitHub：github.com/abhigyanpatwari/GitNexus （⭐ 43.3k+ Stars / 163+ Contributors） OpenSSF Scorecard：securityscorecards.dev ⚠️ 重要警告：GitNexus 沒有官方加密貨幣、代幣或硬幣。任何在 Pump.fun 或其他平台上使用 GitNexus 名稱的代幣/硬幣，均非本專案或其維護者所屬、認可或建立。請勿購買任何聲稱與 GitNexus 相關的加密貨幣。 目錄 第 1 章：GitNexus 概述 1.1 GitNexus 是什麼 1.2 核心理念 1.3 與傳統工具比較 1.4 適用場景 第 2 章：系統架構說明 2.1 整體架構圖 2.2 核心組件說明 2.3 Web UI vs CLI 架構差異 2.4 Multi-Repo MCP 架構 第 3 章：安裝與環境設定 3.1 系統需求 3.2 CLI 安裝 3.3 Web UI 使用 3.4 MCP 編輯器設定 3.5 Docker 部署 3.6 常見問題排除 第 4 章：基本操作教學 4.1 建立 Knowledge Graph 4.2 CLI 常用指令 4.3 查詢程式碼關聯 4.4 視覺化圖譜操作 4.5 Repository 群組管理 第 5 章：進階應用 5.1 Graph RAG 使用方式 5.2 Impact Analysis（影響分析） 5.3 Process-Grouped Search 5.4 360 度 Symbol Context 5.5 Git-Diff 變更偵測 5.6 Multi-File Rename 5.7 Cypher 原生查詢 5.8 Wiki 自動生成 5.9 Incremental Indexing（增量索引） 5.10 PDG / 程式依賴圖分析 5.11 Taint Analysis（污染分析） 5.12 Trace（呼叫路徑追蹤） 5.13 Private Repos 與 Azure DevOps Server 5.14 HTTP Route Extraction（HTTP 路由提取） 5.15 DevContainer 開發環境 第 6 章：整合企業開發流程 6.1 與 GitHub / GitLab 整合 6.2 與 AI 工具整合 6.3 與開發架構整合 6.4 DevOps 整合 6.5 Community Integrations（社群整合） 6.6 開發文件與貢獻指南 6.7 understand-quickly 公開註冊 第 7 章：銀行 / 大型系統應用案例 7.1 案例一：批次系統依賴分析 7.2 案例二：跨系統 API 呼叫分析 7.3 案例三：DB Schema 影響分析 第 8 章：安全與隱私（SSDLC） 8.1 Zero-Server 優勢 8.2 原始碼保護 8.3 本地 AI 模型風險 8.4 權限控管建議 8.5 安全強化歷史與已知修復 8.6 Taint Analysis 安全審計應用 8.7 供應鏈保護（Supply-Chain Protection） 第 9 章：系統升級與維運 9.1 GitNexus 升級流程 9.2 Graph 重建策略 9.3 Repository 更新同步 9.4 效能優化建議 9.5 LadybugDB 遷移指南 9.6 Edge Type 遷移（OVERRIDES → METHOD_OVERRIDES） 第 10 章：最佳實務（Best Practices） 10.1 大型專案使用建議 10.2 Monorepo vs Multi-repo 10.3 團隊導入策略 10.4 使用限制與風險 第 11 章：常見問題 FAQ 第 12 章：未來發展與建議 12.1 Graph RAG 未來趨勢 12.2 與 Agent 系統整合 12.3 企業導入 Roadmap 附錄 A：快速檢查清單（Checklist） 附錄 B：CLI 指令速查表 附錄 C：MCP 工具速查表 附錄 D：語言能力詳細矩陣 附錄 E：Edge Type（關係類型）速查表 附錄 F：Docker 部署速查表 附錄 G：.gitnexusrc 專案配置速查表 附錄 H：PDG / Taint 邊類型速查表 第 1 章：GitNexus 概述 1.1 GitNexus 是什麼 🎯 目的：讓團隊成員在 5 分鐘內理解 GitNexus 的定位與價值。 ...

gstack 企業級教學手冊 參考版本：v1.58.5.0 ｜ 更新日期：2026-06-30 GitHub 星數：118,000+ ⭐ ｜ Forks：17,600+ ｜ 貢獻者：81 位 ｜ 授權：MIT 適用對象：資深工程師、架構師、DevOps 工程師、技術主管、創辦人與技術主管 適用場景：新創公司、企業平台、微服務架構、金融系統、iOS 開發 參考來源：https://github.com/garrytan/gstack 目錄 gstack 概述 1.1 什麼是 gstack 1.2 背景：Garry Tan 與 YC 1.3 與傳統 Prompt Engineering 的差異 1.4 與 GitHub Copilot / AI Agent 的比較 1.5 適用場景 1.6 版本與現況 核心架構設計 2.1 企業級系統整體架構 2.2 AI Agent 協作架構圖 2.3 分庫分表設計 2.4 Clean Architecture（後端服務） 2.5 gstack 內部架構 安裝與環境建置 3.1 必備環境 3.2 安裝 Claude Code 3.3 安裝 gstack（推薦：Team Mode） 3.4 加入專案供團隊共用（選用） 3.5 多平台安裝支援 3.6 OpenClaw 整合 3.7 語音輸入支援 3.8 設定 CLAUDE.md 3.9 常見安裝錯誤排除 Sprint 工作流程與技能體系 4.1 Sprint 核心哲學 4.2 技能串聯關係 4.3 完整技能目錄（30+ 個） 4.4 Builder Ethos（建構者信條） 虛擬開發團隊設計（企業實戰） 5.1 團隊架構總覽 5.2 ／office-hours（YC 辦公室時光） 5.3 ／plan-ceo-review（CEO 視角） 5.4 ／plan-eng-review（工程主管視角） 5.5 ／plan-design-review（設計師視角） 5.6 ／review（資深工程師審查） 5.7 ／qa（QA 主管） 5.8 ／cso（首席資安官） 5.9 ／ship（發布工程師） 5.10 ／investigate（系統偵錯） 端到端開發流程 6.1 完整開發流程圖 6.2 各步驟執行指令 6.3 分支策略與 PR 規範 實戰案例：會員管理系統 7.1 系統設計概覽 7.2 API 設計 7.3 DB Schema 7.4 Clean Architecture 後端實作 7.5 前端（Vue 3） 7.6 gstack 技能參與對照表 DevOps 與自動化 8.1 CI/CD 架構圖 8.2 GitHub Actions CI 設定 8.3 Dockerfile（多階段建置） 8.4 ／land-and-deploy 一鍵部署 8.5 ／canary 金絲雀監控 8.6 ／benchmark 效能基準 並行 Sprint 與瀏覽器模式 9.1 並行 Sprint 架構 9.2 Conductor 整合 9.3 瀏覽器模式（／browse） 9.4 真實 Chrome 模式（$B connect） 9.5 CSS Inspector 與 Live Style 編輯 9.6 瀏覽器交接（Browser Handoff） 9.7 持續檢查點模式（Continuous Checkpoint） 9.8 Domain Skills 與 CDP Escape Hatch 系統維運 10.1 日誌策略（Log4j2 + ELK） 10.2 監控儀表板（Prometheus + Grafana） 10.3 AI 協助 Debug（gstack Investigate Mode） 10.4 錯誤追蹤（Sentry 整合） 系統升級與擴展 11.1 gstack 升級策略 11.2 多平台自動升級 11.3 自訂 SKILL.md 擴展 11.4 多專案管理 11.5 Plugin 與 Skill 擴充 11.6 解除安裝 企業級安全設計 12.1 ／cso 安全審查流程 12.2 身份驗證（OAuth2 + JWT） 12.3 RBAC 權限控管 12.4 SAST / DAST 整合 12.5 AI 生成代碼安全風險管控 12.6 瀏覽器模式安全加固 12.7 Layer C 反偵測機制 最佳實務 Best Practices 13.1 企業導入十二大建議 13.2 常見錯誤 13.3 Anti-patterns 對照表 GBrain 持久知識系統 14.1 GBrain 概觀 14.2 安裝路徑 14.3 Per-Repo 信任機制 14.4 記憶同步與安全 14.5 Conductor 環境變數 隱私與遙測 15.1 遙測機制 15.2 資料收集範圍 15.3 本地分析報告 附錄：快速上手 Checklist 1. gstack 概述 1.1 什麼是 gstack gstack 是由 Y Combinator President & CEO Garry Tan 開源的 AI 編碼代理虛擬工程團隊技能套件，開源於 github.com/garrytan/gstack，目前已累積超過 118,000 顆星、17,600+ Forks，是目前最受矚目的 AI 輔助開發工具之一。 ...

PPT Master 教學手冊 企業 AI 簡報平台建置手冊 — 從 Prompt 到原生可編輯 PowerPoint 的完整實戰指南 基於 PPT Master v2.11.0 ｜ 最後更新：2026-06-30 ｜ GitHub Stars: 34.4k+ 📋 目錄 (Table of Contents) 第一部分：基礎概念與架構 PPT Master 介紹 PPT Master 系統架構 核心技術解析 SVG → DrawingML 原理 PPT Master 工作流程 第二部分：AI Agent 與安裝設定 AI Agent Skill 安裝教學 系統設定 第三部分：模板與 Prompt 工程 Template 使用 Prompt Engineering 文件來源 Speaker Notes 第四部分：AI 模型與 IDE 整合 AI 模型支援 與 Claude Code 整合 與 GitHub Copilot 整合 與 Cursor 整合 與 MCP 整合 第五部分：進階應用 與企業知識庫整合 實戰案例 Mermaid 圖集 常用 Prompt 範例 第六部分：最佳實務與效能 最佳實務 效能最佳化 第七部分：維運管理 系統維護 系統升級 第八部分：FAQ、疑難排解與參考 常見問題 FAQ Troubleshooting 與其他工具比較 第九部分：企業導入與未來發展 企業導入建議 適用 SSDLC 未來發展 附錄 檢查清單 (Checklist) 📖 文件說明 🎯 文件目標 本手冊將 PPT Master 定位為企業 AI 簡報生成平台，涵蓋以下核心能力： ...

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。」 ...