Reverse Skill 教學手冊

reverse-skill 教學手冊 reverse-skill — AI Coding Agent 的「Skill Router」:逆向工程/合法授權滲透測試/資安研究技能路由套件 適用對象:資深工程師、資安研究人員、DevSecOps 負責人、AI Agent 平台團隊、架構師、Tech Lead、企業導入人員、PM 文件性質:企業內部 AI Agent 安全技能路由平台導入、開發與維運培訓教材 版本基準:reverse-skill(zhaoxuya520/reverse-skill,2026 年 5 月 13 日建立、核心 MIT License、 v1.0.0 正式版於 2026-07-18 發布、持續高頻更新;本次改版核校時間點 2026-08-04) ⚠️ 重要聲明(請務必先讀) reverse-skill 仍在高速迭代中。 本專案於 2026-05-13 建立,成長速度極快,於 2026-07-31 登上 GitHub Trending/Trendshift 全站排行前列,截至本次核校(2026-08-04,透過 GitHub API 直接查證)已有 約 16,200 Stars、2,275 Forks、67 Subscribers、13 個開放 Issue,並維持每日甚至單日多次 commit 的節奏。其資料夾結構、路由規則、Skill 清單、MCP 介面在版本之間可能持續變動。任何指令、 檔名與設定在正式導入前,務必以最新官方 Repository 為準;本手冊所列數字僅為核校當下快照。 本手冊的定位是「理解、彙整、分析、重組、補充最佳實務」,而非官方文件翻譯。 依撰寫要求,本書 不直接翻譯 README、不大量抄錄原文,而是以企業教育訓練教材的角度重新組織、加入架構圖、比較表、 最佳實務與導入建議。 內容分兩類: 官方已確認事實(例如 RULES.md/MASTER-ROUTING.md 兩層路由、skills/ 下 40 餘個技能 子目錄、skills/ops/scope-contract.md 授權契約、skills/field-journal/ 知識日誌、 burp-mcp-full/ Burp Suite 擴充套件與 mcp-bridge.js、docs/ARCHITECTURE.md、 README_AI.md 等)作為骨幹,內文一律使用 repo 內實際檔名/資料夾名稱,不使用意譯替代。 本次核校已透過 GitHub API 直接讀取 repo 檔案樹、README.md、RULES.md、 skills/MASTER-ROUTING.md、CHANGELOG.md 等原始檔案逐一比對,非僅憑記憶或二手轉述。 作者補充:凡屬作者依企業(含金融業、保險業)導入 AI Agent 安全治理之實務經驗所補充或推論 之處,會標註 (作者建議) 或 (作者推論)。這些是最佳實務參考,非官方保證。 本手冊聚焦「防禦、合法授權研究、安全審查、教育訓練與報告產出」。 凡涉及滲透測試、逆向工程、 Burp MCP 章節,一律以「取得書面授權後的合法測試」「防禦分析」「相容性研究」為前提,不提供、 不示範任何未授權攻擊操作、惡意程式撰寫、繞過偵測或供實際入侵使用的步驟。若你的用途無法滿足 合法授權前提,請勿依本手冊內容操作對應工具。 ...

August 4, 2026 · 54 min · 11363 words · Eric Cheng

Open Code Review 教學手冊

Open Code Review 教學手冊 副標題:AI 原生軟體開發平台的自動化 Code Review 引擎 —— 從安裝、設定、LLM 串接、 AI Agent 整合,到 Legacy Reverse Engineering、Framework Upgrade 與銀行級企業導入實戰 適用對象:資深後端/全端工程師、DevSecOps 工程師、AI Agent 平台團隊、 Tech Lead/架構師、企業導入評估的技術主管 文件性質:本手冊為作者依據官方原始碼與文件重新整理、統整、擴充後的教學/實戰教材, 非官方文件的翻譯或逐字引用。文中明確區分「官方已確認事實」與「作者補充/企業實務建議/ 推論」,請務必先閱讀下方「重要聲明」章節。 版本基準: 專案:alibaba/open-code-review(Go 語言,Apache-2.0 授權,建立於 2026-05-18) npm 套件:@alibaba-group/open-code-review CLI 指令:ocr 查證基準日:2026-08-03,直接查證 GitHub API metadata、官方 README.md/ ROADMAP.md/pages/src/content/docs/en/*.md 文件頁與部分 internal// cmd/opencodereview/ 原始碼(★ 18,203 顆星、1,225 forks、76 open issues、 最新版本 v1.8.6,發布於 2026-08-03) 官方網站/文件站:https://open-codereview.ai、https://open-codereview.ai/docs 重要聲明(請務必先讀) 本手冊撰寫時,作者以官方 README、ROADMAP.md、pages/src/content/docs/en/*.md 文件頁面與 internal/ 原始碼目錄逐一查證,而非僅憑第二手摘要或行銷文案。以下區分兩種 內容: 🟢 官方已確認事實:可在官方 repo(原始碼、文件頁、ROADMAP.md、GitHub API metadata) 中直接查證的內容。 🟡 作者補充/企業實務建議/推論:官方文件未明確涵蓋,由作者依業界慣例、企業導入 經驗、或架構原理合理推論、延伸建議的內容。所有這類內容都會在該段落明確標示 「(企業建議)」「(作者推論)」「(原則上可行,非官方紀錄)」等字樣。 請特別留意以下幾項容易望文生義、與坊間常見說法有落差的訂正: ...

August 3, 2026 · 67 min · 14110 words · Eric Cheng

Code Review Graph 教學手冊

Code-Review-Graph 教學手冊 Code-Review-Graph — 本地優先(Local-first)程式碼知識圖譜與 AI Code Review 加速引擎企業級完整指南 適用對象:資深工程師、AI Agent 平台團隊、架構師、Tech Lead、DevSecOps 負責人、企業導入人員、PM 文件性質:企業內部 AI Agent 開發流程標準導入、開發與維運培訓教材 版本基準:Code-Review-Graph(tirth8205/code-review-graph,MIT License,PyPI 套件 code-review-graph,參考版本 v2.3.6+) ⚠️ 重要聲明(請務必先讀) Code-Review-Graph 仍在持續迭代中。 本專案為開源專案(MIT License,GitHub 星數 28.1k+、Fork 2.6k+,主分支 900+ commits),其 CLI 指令、MCP 工具清單、環境變數與設定檔格式可能隨版本演進而調整。任何指令與設定在正式導入前,務必以官方最新文件(docs/USAGE.md、docs/COMMANDS.md、docs/FAQ.md、docs/TROUBLESHOOTING.md、docs/GITHUB_ACTION.md、docs/ROADMAP.md)與您實際安裝版本為準。 本手冊定位是「理解、彙整、分析、重組、補充企業導入最佳實務」,而非官方 README 或文件的翻譯。 本書不直接翻譯、不直接抄錄原文,而是重新以繁體中文彙整、重組、延伸為企業教材,並大量補充實戰案例、企業導入策略與 AI Agent 協作方法論。 內容分兩類: 官方已確認事實(例如 Tree-sitter 多語言解析、SQLite 圖譜儲存、30 個 MCP 工具、build/update/serve 等 CLI 指令、GitHub Action 用法、環境變數清單、基準測試數據等)作為骨幹,均已對照官方 README 及文件重新查證。 作者補充:凡屬作者依大型企業(含金融業)導入 AI Agent 程式碼審查之實務經驗所補充、推論或延伸之處,會標註 (企業實務建議) 或 (作者推論)。這些是最佳實務參考,非官方保證,導入前請自行驗證於您的環境。 本手冊中所有「企業案例」(第 16 章、第 23 章)皆為教學示範用途之虛構情境,用於示範 Code-Review-Graph 與既有技術堆疊(Spring Boot 4.x、Vue3、Java25 等)的整合模式,非真實客戶專案。涉及既有框架的深入機制,請參閱本 Repository 既有手冊: Spring boot 4.x 教學手冊 Maven 4.x 教學手冊 Vue3 前端framework教學 PrimeVue使用教學 Java25升版教學 官方權威來源請見 第 24 章 附錄 → 24.7 官方文件索引。 目錄 第一章 專案背景與痛點分析 1.1 原理 1.1.1 專案背景與誕生脈絡 1.1.2 設計理念:Local-first 與 Graph-based Context 1.1.3 要解決的核心問題 1.1.4 AI Code Review 的痛點:Token 浪費 1.1.5 Context Window 與 Architecture Blind Spot 1.1.6 Global Context 與 Local-first 的權衡 1.1.7 核心概念:Knowledge Graph、Impact Radius、Architecture Awareness 1.1.8 與傳統 RAG 的差異 1.1.9 與 Vector Database 的差異 1.1.10 與純 AST 工具的差異 1.1.11 與其他 MCP Tool 的差異 1.1.12 與 GraphRAG 的差異 1.2 架構圖(Mermaid) 1.3 流程圖(Mermaid) 1.4 Sequence Diagram 1.5 實作 1.6 範例 1.7 最佳實務 1.8 常見錯誤 1.9 效能建議 1.10 AI Agent 如何使用 1.11 Enterprise 建議 第二章 整體系統架構 2.1 原理 2.1.1 分層架構總覽 2.1.2 資料來源層:Git Repository 2.1.3 解析層:Tree-sitter 與 AST 抽取 2.1.4 圖譜層:Graph Builder 與 SQLite 2.1.5 服務層:Review Engine、Impact Analyzer、MCP Server 2.1.6 整合層:AI Agent 與 CI/CD 2.1.7 Data Flow 總覽 2.2 架構圖(Mermaid) 2.3 流程圖(Mermaid) 2.4 Sequence Diagram 2.5 實作 2.6 範例 2.7 最佳實務 2.8 常見錯誤 2.9 效能建議 2.10 AI Agent 如何使用 2.11 Enterprise 建議 第三章 Tree-sitter 與 AST 解析 3.1 原理 3.1.1 Tree-sitter 是什麼 3.1.2 AST 節點型別與四大分類 3.1.3 支援語言清單 3.1.4 增量解析機制(Incremental Parsing) 3.1.5 自訂語言支援:languages.toml 3.1.6 從 AST 到 Graph:Node 的定義 3.1.7 從 AST 到 Graph:Edge 與四種關係圖 3.1.8 Reference Graph 與信賴度分級 3.2 架構圖(Mermaid) 3.3 流程圖(Mermaid) 3.4 Sequence Diagram 3.5 實作 3.6 範例 3.7 最佳實務 3.8 常見錯誤 3.9 效能建議 3.10 AI Agent 如何使用 3.11 Enterprise 建議 第四章 Knowledge Graph 邏輯模型 4.1 原理 4.1.1 Knowledge Graph 在 Code-Review-Graph 中的定位 4.1.2 Node 的完整屬性模型 4.1.3 Edge 的完整屬性模型 4.1.4 Relationship 型別總表 4.1.5 Graph Schema(邏輯層級) 4.1.6 Graph Query 與 Traversal 策略 4.1.7 Impact Analysis 的圖論基礎 4.1.8 Community Detection:Leiden 演算法 4.1.9 Architecture Discovery:從社群到架構總覽 4.2 架構圖(Mermaid) 4.3 流程圖(Mermaid) 4.4 Sequence Diagram 4.5 實作 4.6 範例 4.7 最佳實務 4.8 常見錯誤 4.9 效能建議 4.10 AI Agent 如何使用 4.11 Enterprise 建議 第五章 SQLite 儲存層 5.1 原理 5.1.1 為何選擇 SQLite 而非專用圖資料庫 5.1.2 資料庫檔案位置 5.1.3 實際 Schema 設計(依官方 docs/schema.md 核對) 5.1.4 索引策略 5.1.5 WAL 模式與並行存取 5.1.6 Migration 策略 5.1.7 Backup 與 Restore 5.1.8 Maintenance:定期維護 5.2 架構圖(Mermaid) 5.3 流程圖(Mermaid) 5.4 Sequence Diagram 5.5 實作 5.6 範例 5.7 最佳實務 5.8 常見錯誤 5.9 效能建議 5.10 AI Agent 如何使用 5.11 Enterprise 建議 第六章 安裝 6.1 原理 6.1.1 安裝方式總覽 6.1.2 系統需求 6.1.3 選配依賴總表 6.1.4 Windows 安裝要點 6.1.5 Linux 安裝要點 6.1.6 macOS 安裝要點 6.1.7 WSL 安裝要點(企業實務建議) 6.1.8 Docker/Podman 容器化部署(企業實務建議) 6.1.9 驗證安裝 6.2 架構圖(Mermaid) 6.3 流程圖(Mermaid) 6.4 Sequence Diagram 6.5 實作 6.6 範例 6.7 最佳實務 6.8 常見錯誤 6.9 效能建議 6.10 AI Agent 如何使用 6.11 Enterprise 建議 第七章 設定與初始化 7.1 原理 7.1.1 初始化流程 7.1.2 .code-review-graphignore 語法與規則 7.1.3 與 .gitignore 的關係 7.1.4 大型 Repository 考量 7.1.5 Incremental Build:update、watch 與平台原生 Hook 7.1.6 Configuration 總覽 7.2 架構圖(Mermaid) 7.3 流程圖(Mermaid) 7.4 Sequence Diagram 7.5 實作 7.6 範例 7.7 最佳實務 7.8 常見錯誤 7.9 效能建議 7.10 AI Agent 如何使用 7.11 Enterprise 建議 第八章 MCP Server 詳解 8.1 原理 8.1.1 MCP 是什麼、為何是關鍵拼圖 8.1.2 啟動 MCP Server 8.1.3 自動化設定:code-review-graph install 8.1.4 MCP 設定檔格式 8.1.5 MCP 工具全覽(30 個工具,8 大分類) 8.1.6 MCP Prompts:5 個工作流樣板 8.1.7 Tool Calling 與 Context Injection 的運作模式 8.2 架構圖(Mermaid) 8.3 流程圖(Mermaid) 8.4 Sequence Diagram 8.5 實作 8.6 範例 8.7 最佳實務 8.8 常見錯誤 8.9 效能建議 8.10 AI Agent 如何使用 8.11 Enterprise 建議 第九章 如何協助 AI Agent:九大場景 9.1 原理 9.1.1 Architecture Discovery(架構探索) 9.1.2 Context Retrieval(上下文檢索) 9.1.3 Impact Radius(影響範圍分析) 9.1.4 Function Analysis(函式分析) 9.1.5 Class Analysis(類別分析) 9.1.6 Dependency Analysis(依賴分析) 9.1.7 PR Review(Pull Request 審查) 9.1.8 Root Cause Analysis(根因分析) 9.1.9 Refactoring(重構) 9.2 架構圖(Mermaid) 9.3 流程圖(Mermaid) 9.4 Sequence Diagram 9.5 實作 9.6 範例 9.7 最佳實務 9.8 常見錯誤 9.9 效能建議 9.10 AI Agent 如何使用 9.11 Enterprise 建議 第十章 逆向工程與大型系統分析 10.1 原理 10.1.1 逆向工程為何是 Code-Review-Graph 的殺手級場景 10.1.2 Legacy Java/Spring 系統的逆向工程模式 10.1.3 跨語言逆向工程:.NET、Node.js、Python 10.1.4 前端框架逆向工程:Vue、Angular、React 10.1.5 大型系統分析的漏斗式方法論 10.1.6 Architecture Recovery 與 Dependency Discovery 10.2 架構圖(Mermaid) 10.3 流程圖(Mermaid) 10.4 Sequence Diagram 10.5 實作 10.6 範例 10.7 最佳實務 10.8 常見錯誤 10.9 效能建議 10.10 AI Agent 如何使用 10.11 Enterprise 建議 第十一章 Framework Upgrade 影響分析 11.1 原理 11.1.1 為何 Framework Upgrade 是 Impact Analysis 的天然應用場景 11.1.2 框架升級的通用四步驟方法論 11.1.3 Java/Jakarta EE 升級案例:javax.* → jakarta.* 命名空間遷移 11.1.4 Spring Boot 升級案例:組態屬性與 Bean 定義變更 11.1.5 MyBatis/Hibernate ORM 遷移案例 11.1.6 前端框架升級案例:Vue 2 → Vue 3、AngularJS → Angular 11.1.7 API Migration:內部 API 版本演進 11.2 架構圖(Mermaid) 11.3 流程圖(Mermaid) 11.4 Sequence Diagram 11.5 實作 11.6 範例 11.7 最佳實務 11.8 常見錯誤 11.9 效能建議 11.10 AI Agent 如何使用 11.11 Enterprise 建議 第十二章 架構感知的 Code Review 12.1 原理 12.1.1 什麼是「架構感知」的 Code Review 12.1.2 Security(安全性)視角 12.1.3 Performance(效能)視角 12.1.4 Maintainability 與 Readability 視角 12.1.5 Dependency Risk 與 Circular Dependency(循環依賴) 12.1.6 Dead Code(死碼)偵測 12.1.7 整合為 Code Review Checklist 12.2 架構圖(Mermaid) 12.3 流程圖(Mermaid) 12.4 Sequence Diagram 12.5 實作 12.6 範例 12.7 最佳實務 12.8 常見錯誤 12.9 效能建議 12.10 AI Agent 如何使用 12.11 Enterprise 建議 第十三章 GitHub Action 與 CI/CD 整合 13.1 原理 13.1.1 為何 CI/CD 整合是企業導入的關鍵里程碑 13.1.2 官方 Composite Action 用法 13.1.3 執行行為:本地優先、Sticky Comment 13.1.4 Risk Score 與 Merge Gate 13.1.5 PR 評論內容:Architecture Summary 13.1.6 與既有 CI/CD 生態的搭配 13.1.7 Fork PR 的安全限制與雙工作流程設計(企業實務建議) 13.2 架構圖(Mermaid) 13.3 流程圖(Mermaid) 13.4 Sequence Diagram 13.5 實作 13.6 範例 13.7 最佳實務 13.8 常見錯誤 13.9 效能建議 13.10 AI Agent 如何使用 13.11 Enterprise 建議 第十四章 AI Coding Workflow 全流程 14.1 原理 14.1.1 從單點工具到端到端工作流 14.1.2 完整流程十一步 14.1.3 流程中的兩個關鍵回饋迴圈 14.1.4 流程失敗模式與斷點偵測 14.2 架構圖(Mermaid) 14.3 流程圖(Mermaid) 14.4 Sequence Diagram 14.5 實作 14.6 範例 14.7 最佳實務 14.8 常見錯誤 14.9 效能建議 14.10 AI Agent 如何使用 14.11 Enterprise 建議 第十五章 大型企業架構風格最佳實務 15.1 原理 15.1.1 圖譜分析與架構風格的交會點 15.1.2 Monorepo 場景 15.1.3 Microservice 場景 15.1.4 DDD(領域驅動設計)場景 15.1.5 Clean/Hexagonal/Onion Architecture 場景 15.1.6 Event-Driven Architecture 場景 15.1.7 大型 Repository 的通用治理原則 15.2 架構圖(Mermaid) 15.3 流程圖(Mermaid) 15.4 Sequence Diagram 15.5 實作 15.6 範例 15.7 最佳實務 15.8 常見錯誤 15.9 效能建議 15.10 AI Agent 如何使用 15.11 Enterprise 建議 第十六章 Web Application 完整案例 16.1 原理 16.1.1 技術棧總覽與既有教材對照 16.1.2 專案結構與初始化 16.1.3 後端圖譜建置要點(Java 25 / Spring Boot 4 / Maven 4) 16.1.4 前端圖譜建置要點(Vue3 / TypeScript / PrimeVue) 16.1.5 PostgreSQL、Redis、Kafka 的圖譜可見度 16.1.6 OpenAPI 契約與跨前後端 Impact Analysis 16.1.7 Docker、Kubernetes 與 CI 整合位置 16.1.8 端到端情境:新增「訂單退貨」功能 16.2 架構圖(Mermaid) 16.3 流程圖(Mermaid) 16.4 Sequence Diagram 16.5 實作 16.6 範例 16.7 最佳實務 16.8 常見錯誤 16.9 效能建議 16.10 AI Agent 如何使用 16.11 Enterprise 建議 第十七章 與 AI 工具整合 17.1 原理 17.1.1 整合的共同基礎:MCP 協定 17.1.2 Claude Code 17.1.3 Cursor 17.1.4 GitHub Copilot(含 Copilot CLI) 17.1.5 OpenAI Codex CLI 17.1.6 Gemini CLI 17.1.7 Continue.dev、Cline、Roo Code 17.1.8 多平台並存的企業考量 17.1.9 其他官方自動偵測平台:Windsurf、Zed、OpenCode、Antigravity、CodeBuddy Code、Qwen、Qoder、Kiro 17.1.10 VS Code Extension:獨立於 MCP 協定之外的原生整合方案 17.2 架構圖(Mermaid) 17.3 流程圖(Mermaid) 17.4 Sequence Diagram 17.5 實作 17.6 範例 17.7 最佳實務 17.8 常見錯誤 17.9 效能建議 17.10 AI Agent 如何使用 17.11 Enterprise 建議 第十八章 企業導入指南 18.1 原理 18.1.1 導入流程:四階段路線圖 18.1.2 團隊規範:從「工具」到「規範」 18.1.3 Repository 規範 18.1.4 Branch Strategy 與 Graph 的關係 18.1.5 Code Review Policy 整合 18.1.6 Graph 更新策略的治理選擇 18.1.7 CI/CD 的組織級規劃 18.2 架構圖(Mermaid) 18.3 流程圖(Mermaid) 18.4 Sequence Diagram 18.5 實作 18.6 範例 18.7 最佳實務 18.8 常見錯誤 18.9 效能建議 18.10 AI Agent 如何使用 18.11 Enterprise 建議 第十九章 維護 19.1 原理 19.1.1 維護的三個層次 19.1.2 Graph Rebuild:何時需要完整重建 19.1.3 Daemon:多倉庫常駐監看 19.1.4 Parser/Language 更新 19.1.5 Migration 與 Upgrade 策略 19.1.6 卸載與清理 19.2 架構圖(Mermaid) 19.3 流程圖(Mermaid) 19.4 Sequence Diagram 19.5 實作 19.6 範例 19.7 最佳實務 19.8 常見錯誤 19.9 效能建議 19.10 AI Agent 如何使用 19.11 Enterprise 建議 第二十章 疑難排解(100+ FAQ) 20.1 原理 20.2 架構圖(Mermaid) 20.3 流程圖(Mermaid) 20.4 Sequence Diagram 20.5 實作 20.6 常見問題總表(100+ FAQ) 20.6.1 安裝與環境(Q1–Q14) 20.6.2 建圖與解析(Q15–Q28) 20.6.3 MCP 與 Agent 整合(Q29–Q42) 20.6.4 圖查詢與結果解讀(Q43–Q56) 20.6.5 GitHub Action/CI(Q57–Q68) 20.6.6 效能與規模(Q69–Q80) 20.6.7 多倉庫與 Daemon(Q81–Q90) 20.6.8 安全與合規(Q91–Q104) 20.7 最佳實務 20.8 常見錯誤 20.9 效能建議 20.10 AI Agent 如何使用 20.11 Enterprise 建議 第二十一章 最佳實務總表(100+ 條) 21.1 原理 21.2 架構圖(Mermaid) 21.3 流程圖(Mermaid) 21.4 Sequence Diagram 21.5 實作 21.6 範例 21.7 最佳實務總表(100+ 條) 21.7.1 導入與治理(BP1–BP15) 21.7.2 圖譜維運(BP16–BP30) 21.7.3 Agent 協作(BP31–BP50) 21.7.4 Code Review 整合(BP51–BP65) 21.7.5 CI/CD(BP66–BP75) 21.7.6 安全與合規(BP76–BP88) 21.7.7 跨團隊協作(BP89–BP96) 21.7.8 效能(BP97–BP105) 21.8 常見錯誤 21.9 效能建議 21.10 AI Agent 如何使用 21.11 Enterprise 建議 第二十二章 AI Prompt Library(150+ 提示詞) 22.1 原理 22.2 架構圖(Mermaid) 22.3 流程圖(Mermaid) 22.4 Sequence Diagram 22.5 實作 22.6 提示詞總表(150+ 則) 22.6.1 Architecture 分析(P1–P13) 22.6.2 Dependency 分析(P14–P26) 22.6.3 API 分析(P27–P38) 22.6.4 Service 分析(P39–P50) 22.6.5 Impact 分析(P51–P63) 22.6.6 Risk 分析(P64–P75) 22.6.7 PR 分析(P76–P88) 22.6.8 Bug 分析(P89–P100) 22.6.9 Refactoring 分析(P101–P113) 22.6.10 Performance 分析(P114–P125) 22.6.11 Security 分析(P126–P138) 22.6.12 Test Coverage 分析(P139–P152) 22.7 最佳實務 22.8 常見錯誤 22.9 效能建議 22.10 AI Agent 如何使用 22.11 Enterprise 建議 第二十三章 完整企業案例:銀行大型系統 23.1 原理 23.1.1 專案背景 23.1.2 需求階段:架構盡職調查 23.1.3 設計階段:現代化改造範圍界定 23.1.4 Coding 階段:AI 協作開發 23.1.5 Review 階段:架構感知審查 + 人工複核雙重把關 23.1.6 Testing 階段:以 Impact Radius 驅動測試優先序 23.1.7 Deployment 階段:Kubernetes 部署與 CI 品質關卡 23.1.8 Maintenance 階段:常態化架構治理 23.2 架構圖(Mermaid) 23.3 流程圖(Mermaid) 23.4 Sequence Diagram 23.5 實作 23.6 範例 23.7 最佳實務 23.8 常見錯誤 23.9 效能建議 23.10 AI Agent 如何使用 23.11 Enterprise 建議 第二十四章 附錄:指令速查表 24.1 CLI Cheat Sheet 24.2 MCP 工具 Cheat Sheet 24.3 Tree-sitter/語言支援 Cheat Sheet 24.4 SQLite Cheat Sheet 24.5 環境變數 Cheat Sheet 24.6 Mermaid Cheat Sheet(本手冊使用慣例) 24.7 官方文件索引 24.8 GitHub Action Cheat Sheet 附錄 企業導入總檢查清單 A.1 安裝與環境檢查清單 A.2 設定與初始化檢查清單 A.3 MCP 與 Agent 整合檢查清單 A.4 Code Review 與 CI/CD 檢查清單 A.5 安全與合規檢查清單 A.6 維護與治理檢查清單 A.7 團隊賦能檢查清單 第一章 專案背景與痛點分析 1.1 原理 1.1.1 專案背景與誕生脈絡 Code-Review-Graph 誕生於一個非常具體的觀察:AI Coding Agent(Claude Code、Cursor、GitHub Copilot Agent Mode 等)在協助工程師進行 Code Review 或修改程式碼時,最大的成本不是「推理」,而是「找答案前的閱讀」。一個 Agent 要理解「這個函式改了會影響誰」,往往得先用 grep、Read 把半個 Repository 掃過一遍——不是因為它笨,而是因為它手上沒有一張「地圖」。 ...

August 3, 2026 · 72 min · 15305 words · Eric Cheng

AI-For-Beginners 教學手冊

AI-For-Beginners 教學手冊 Microsoft 官方 AI 入門課程 × AI Agent × 現代軟體開發 適用對象:AI 初學者、一般程式設計師、資深工程師、架構師、系統分析師(SA)、專案經理(PM)、Tech Lead、AI Agent 開發者 文件性質:企業內部 AI 學習與導入教材(重新整理與改寫,非官方文件之翻譯) 版本基準:microsoft/AI-For-Beginners(MIT License),對照日期 2026-08-03,共 12 週 24 課+1 課延伸主題 ⚠️ 重要聲明(請務必先讀) 本手冊不是官方文件的翻譯本。 內容是作者依據 Microsoft AI-For-Beginners 開源專案(https://github.com/microsoft/AI-For-Beginners)之課程大綱、Microsoft Learn、TensorFlow/PyTorch 官方文件,以及 Azure AI、Responsible AI、GitHub Copilot、Semantic Kernel 等公開資料,重新理解、重新組織、重新撰寫而成的企業教育訓練教材,用詞、範例、程式碼與比喻皆為作者原創表達,不逐句照抄官方原文。 官方專案持續在更新。 AI-For-Beginners 是社群共同維護的教材,課程內容、Notebook 連結、Quiz 題目可能隨時調整;使用前請務必以官方 Repository 當下內容為準,本手冊僅反映撰寫當下(2026-08-03)之課程結構。 兩種內容標記法:本手冊全文以下列符號區分內容性質,方便讀者判斷可信度與查證需要: 🟢 官方已確認事實:直接對應官方課程大綱、官方文件、框架官方 API 行為等可查證資訊。 🟡 作者補充(企業實務建議/推論):作者依 20 年以上架構與教育訓練經驗延伸的企業導入建議、應用情境、個人觀點,非官方立場,讀者應依自身專案脈絡評估取捨。 Case Study 一律為虛構情境:本手冊「Case Study」章節中之銀行、政府、醫療、製造、零售等案例,皆為教學示範用途之虛構場景,人名、公司名、系統名均非真實對象,若有雷同純屬巧合,用意在示範方法論而非揭露任何真實專案細節。 官方資源索引請見〈第 30 章 附錄〉,建議搭配官方 Repository、Microsoft Learn 頁面交叉閱讀,以取得最新且最權威的第一手資訊。 目錄 第 1 章 前言 第 2 章 AI-For-Beginners 專案介紹 第 3 章 AI-For-Beginners Repository 架構解析 第 4 章 系統架構 第 5 章 安裝 第 6 章 開發環境建置 第 7 章 AI 基礎完整教學 第 8 章 AI-For-Beginners 12 週 24 課 第 9 章 TensorFlow 完整介紹 第 10 章 PyTorch 完整介紹 第 11 章 Notebook 使用技巧 第 12 章 AI Agent 第 13 章 AI 協助軟體開發 第 14 章 AI 協助 Web Application 第 15 章 AI 協助逆向工程 第 16 章 AI 協助 Framework Upgrade 第 17 章 Responsible AI 第 18 章 AI Security 第 19 章 AI 最佳實務 第 20 章 AI-For-Beginners 如何搭配開發工具 第 21 章 企業導入建議 第 22 章 系統維護 第 23 章 系統升級 第 24 章 FAQ(100+) 第 25 章 常見錯誤(100+) 第 26 章 最佳實務總表(100+) 第 27 章 Prompt 範例庫(200+) 第 28 章 Case Study(20+) 第 29 章 結論 第 30 章 附錄 附錄 企業導入總檢查清單 📌 全書共 30 章+1 個總檢查清單附錄,涵蓋 FAQ 102 題、常見錯誤 100 項、最佳實務 105 條、Prompt 範例 200 個、Case Study 20 篇。 ...

August 3, 2026 · 86 min · 18277 words · Eric Cheng

Spring Framework 7.x 教學手冊

Spring Framework 7.x 教學手冊 項目 說明 文件名稱 Spring Framework 7.x 教學手冊 文件版本 v1.2.0 版本說明 以 Spring Framework 7.0.10 GA(2026-10-22) 為基準;完整涵蓋 7.0.1~7.0.10 的增量變更與安全修補(附錄 F),並納入 7.1.0-RC1(2026-10-22) 前瞻(附錄 G,GA 前內容可能調整)。Spring Boot 對應:4.0.9 / 4.1.2(內嵌 Framework 7.0.10)與 4.2.0-RC1(內嵌 Framework 7.1.0-RC1);Spring Boot 4.1 增量更新見 21.13(4.1.0 於 2026-06-10 GA,現行 patch 為 4.1.2) 最後更新日期 2026-10-30 撰寫角色 Java Enterprise Architect / Cloud Native Architect / DevSecOps Architect / Framework Migration Consultant 目標對象 SA、SD、PG、Architect、Tech Lead、PM、新進工程師、Framework 維護人員、Legacy Modernization Team 前置知識 Java 17+ 語法、Maven 基礎、HTTP / REST 概念、關聯式資料庫基礎 適用場景 企業內部教育訓練、技術白皮書、架構設計參考、升版決策依據、開發規範文件 語言 繁體中文(技術名詞保留英文原文) 授權方式 內部使用 前言 為什麼需要這本手冊 Spring Framework 7.0 自 2025 年 11 月(7.0.0 於 2025-11-13 GA)起成為新世代生產線(production line)。它不是一次例行的小改版,而是繼 6.0(javax → jakarta 大遷移)之後,影響面最廣的一次世代交替: ...

July 31, 2026 · 1004 min · 213720 words · Eric Cheng

Spring Boot 4.x 教學手冊

Spring Boot 4.x 教學手冊 企業級教育訓練教材|實戰與維運導向|繁體中文 項目 說明 手冊名稱 Spring Boot 4.x 教學手冊 版本 v1.2 基準版本 Spring Boot 4.1.2(現行 GA)/向下相容說明涵蓋 4.0.x(維護版 4.0.9)/前瞻章節涵蓋 4.2.0-RC1 技術堆疊 Java 25(LTS)、Spring Framework 7.0.10、Spring Security 7.1.2、Spring Data 2026.0.2、Jakarta EE 11 世代規格、Maven 4/Gradle 9 目標對象 資深 Java 工程師、架構師、Tech Lead、SA/SD、Legacy 現代化團隊 前置知識 Java 基礎語法、物件導向、Maven 或 Gradle 基本操作、HTTP 與 SQL 概念 文件定位 內部教育訓練教材+開發規範參考+升版與導入指引 狀態 正式版 事實查證來源 Spring Boot 官方 GitHub Release Notes/spring.io 專案頁/官方參考文件 最後更新 2026-10-30 前言 為什麼需要這本手冊 Spring Boot 4.x 不是 3.x 的小改版,而是一次跨世代的基礎重整。它同時帶來三件事: ...

July 31, 2026 · 182 min · 38727 words · Eric Cheng

Maven 4.x 教學手冊

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。 ...

July 28, 2026 · 163 min · 34568 words · Eric Cheng

Paperclip 教學手冊

Paperclip 教學手冊 Paperclip — 開源 AI Agent 公司作業系統(企業標準技術白皮書) 項目 內容 手冊版本 v2.0(2026-10-23) 產品基準 Paperclip v2026.1012.0(2026-10-12 發行,paperclipai/paperclip,MIT) 文件基準 paperclipai/paperclip-docs(同步至 v2026.1012.0)、docs.paperclip.ing 型錄基準 paperclipai/companies(16 家預建公司) 適用對象 平台工程、架構師、Tech Lead、資安與稽核、DevOps/SRE、AI 導入 PMO 前一版 v1.0(2026-07-25,以 2026-03 開源初期為基準,28 章) 閱讀前須知 本手冊的定位 這是一份可驗證的白皮書,不是翻譯稿。 內容依官方原始碼(v2026.1012.0 tag)、官方文件 repo 與 companies 型錄重新理解後撰寫;每一個指令、環境變數、API 路徑都用本書附錄 F 的檢核器對原始碼白名單比對過。 事實與建議分開標示。 未加標記的敘述是官方已確認的行為;作者依金融業與大型企業導入經驗補充的做法一律標示 📘 建議實務;只在特定版本出現的問題標示 ⚠️ 已知問題;預設關閉、需要在 Settings → Experimental 開啟的功能標示 🧪 實驗功能。 每章最後都有「審查與驗證清單」。 AI 依本書指引產出設定、腳本或公司套件後,審查者可以照清單逐項驗證,不需要先成為 Paperclip 專家。 Paperclip 迭代很快(每週數個 release)。 本書的行為描述以 v2026.1012.0 為準;升級前請先讀該版的 release notes,並重跑附錄 F 的檢核器。 標記說明 標記 意義 讀者該怎麼做 (無標記) 官方原始碼或文件已確認的行為 可直接引用 📘 建議實務 作者的企業導入建議,非官方保證 依貴單位政策調整 ⚠️ 已知問題 v2026.1012.0 的已知缺陷或文件錯誤 升級後重新確認 🧪 實驗功能 預設關閉,需在 Settings → Experimental 開啟 正式環境先評估再開 環境假設 指令以 Linux/macOS 的 bash 寫法呈現;Windows 使用者請在 WSL2(Ubuntu)中執行,原因見 4.4 作業系統注意事項。 paperclipai 指令若尚未安裝,前面加上 npx 即可(npx paperclipai <command>)。 範例中的 <company-id>、<agent-id> 等角括號是佔位符,請換成實際值。 目錄 閱讀前須知 本手冊的定位 標記說明 環境假設 第1章 Paperclip 是什麼 1.1 一句話定義 1.2 它解決什麼問題 1.3 四大支柱 1.4 Paperclip 不是什麼 1.5 版本、發行頻道與授權 1.6 生態與成熟度現況 1.7 適合與不適合的情境 1.8 Roadmap 狀態 1.9 本章重點與審查清單 第2章 核心概念 2.1 七個核心概念總覽 2.2 Company:多公司隔離的邊界 2.3 Agent 與 Board Operator 2.4 Goal、Project、Issue 的階層 2.5 Heartbeat:Agent 不是常駐程式 2.6 Adapter:同一個組織、不同的插頭 2.7 Budget 與 Approval 2.8 延伸概念 2.9 概念關係圖 2.10 常見誤解對照 2.11 本章重點與審查清單 第3章 系統架構 3.1 架構總覽 3.2 控制平面的 12 個子系統 3.3 技術堆疊 3.4 一次 heartbeat 的執行管線 3.5 資料與檔案放在哪裡 3.6 請求身分的解析順序 3.7 部署拓撲 3.8 本章重點與審查清單 第4章 安裝與啟動 4.1 系統需求 4.2 最快路徑:npx onboard 4.3 test-drive:一次性的試用環境 4.4 作業系統注意事項 4.5 Managed install、更新與背景服務 4.6 從原始碼啟動(開發者) 4.7 onboard 的兩條路徑與 bind 選項 4.8 診斷三件套:doctor、env、configure 4.9 多個 instance 與隔離目錄 4.10 本機安裝驗證腳本 4.11 本章重點與審查清單 第5章 第一間公司、第一位 Agent 與第一個 Heartbeat 5.1 整體流程 5.2 建立 organization 5.3 雇用 CEO 5.4 設定 Goal 5.5 開啟 heartbeat 並觀察第一次執行 5.6 審核 CEO 策略 5.7 看任務出現並跟進 5.8 讀懂 run transcript 5.9 前幾小時最常見的狀況 5.10 用 CLI 做同一件事 5.11 本章重點與審查清單 第6章 日常營運:Dashboard、Decisions 與 Inbox 6.1 每日營運節奏 6.2 Dashboard 判讀 6.3 Decisions:人類決策的單一入口 6.4 Inbox 與 Blocked 分頁 6.5 Command Palette 與快捷鍵 6.6 Work modes:要結果、要計畫、還是要答案 6.7 Artifacts 與 Feedback voting 6.8 本章重點與審查清單 第7章 Issues 與任務生命週期 7.1 Task 與 Issue 是同一件事 7.2 何時自己建任務 7.3 建立任務:UI、CLI、API 7.4 原子性 checkout 與執行鎖 7.5 狀態機 7.6 Blocked:阻擋與解除 7.7 留言、文件與附件 7.8 Recovery action 與 watchdog 7.9 給 Agent 開發者:五種工作模式 7.10 常見錯誤對照 7.11 本章重點與審查清單 第8章 Approvals 與審查關卡 8.1 三種治理關卡 8.2 核准類型 8.3 審核雇用申請 8.4 決定之後與董事會覆寫權 8.5 Execution Policy:多段審查 8.6 花錢前先核准:request_board_approval 8.7 範例:金融業 maker-checker 政策 8.8 用 CLI 處理核准 8.9 本章重點與審查清單 第9章 成本與預算 9.1 成本是怎麼記錄的 9.2 三種預算範圍 9.3 門檻行為 9.4 設定預算:UI、CLI、API 9.5 解除硬停 9.6 成本歸因與 billing code 9.7 預算通知與 FinOps 報表 9.8 驗證預算真的會停 9.9 降低成本的做法 9.10 本章重點與審查清單 第10章 稽核:Activity、Runs 與 Work Timeline 10.1 三種證據,回答三種問題 10.2 Runs:每一次 heartbeat 的完整證據 10.3 Activity:事件帳本 10.4 誰能看完整歸因、如何匯出 10.5 Work Timeline:看見交接與並行 10.6 用稽核紀錄除錯 10.7 對應內控要求 10.8 本章重點與審查清單 第11章 Agent 設定與 Instructions 11.1 Agent 詳情頁的結構 11.2 Instructions bundle 11.3 AGENTS/SOUL/HEARTBEAT/TOOLS 四檔慣例 11.4 Agent 自己的檔案如何保存 11.5 Harness / Runtime 與 Run Policy 11.6 Permissions/Trust 與新 Agent 的預設權限 11.7 Revisions:設定版本與還原 11.8 API Keys 與 run 時注入的變數 11.9 用 API 建立 Agent 11.10 常見操作 11.11 本章重點與審查清單 第12章 組織圖與委派 12.1 為什麼組織結構重要 12.2 三種常見結構 12.3 新增主管與 worker 12.4 自動委派如何運作 12.5 Agent 之間委派的防護 12.6 CEO 不分派時的排查 12.7 組織設計的企業實務 12.8 本章重點與審查清單 第13章 Adapters 與 BYOA 13.1 Adapter 做什麼 13.2 內建 adapter 一覽(v2026.1012.0) 13.3 選型決策 13.4 本機 CLI adapter 的關鍵設定 13.5 HTTP 與 process:自建 Agent 的兩條路 13.6 範例:遵守心跳協定的 process agent 13.7 Paperclip Runner 與沙箱供應商 13.8 External adapters 與自行開發 13.9 本章重點與審查清單 第14章 Skills 與 Team Catalog 14.1 Skill 是什麼 14.2 寫好 SKILL.md 14.3 技能從哪裡來與可信度 14.4 內建 skill 14.5 Skill Studio:撰寫與測試 14.6 Agent 自己建立與修改 skill 14.7 誰能改技能:company skill policy 14.8 掛載與同步 14.9 Team Catalog:一次安裝一個團隊 14.10 本章重點與審查清單 第15章 公司套件:匯出、匯入與 companies 型錄 15.1 什麼是公司套件 15.2 套件檔案結構 15.3 匯出 15.4 匯出前的機密與路徑審查 15.5 範例:金融業 SDLC 公司套件 15.6 用檢核器驗證 AI 產出的公司套件 15.7 匯入 15.8 paperclipai/companies 型錄 15.9 匯入後的上線檢查 15.10 本章重點與審查清單 第16章 Projects、Goals 與 Execution Workspaces 16.1 三者的分工 16.2 Project 的設定 16.3 Workspaces 是實驗功能 16.4 Execution Workspaces 16.5 git worktree 隔離的實際過程 16.6 Runtime services 與預覽 16.7 範例:為銀行專案設定隔離 workspace 16.8 本章重點與審查清單 第17章 Heartbeat 排程與 Routines 17.1 四種喚醒來源 17.2 為什麼排程預設關閉 17.3 Heartbeat 關閉 vs 暫停 17.4 Routines:週期工作的正確做法 17.5 並行與補跑政策 17.6 Webhook 觸發與簽章 17.7 範例:每日站立摘要與 CI 失敗分析 17.8 事故時暫停所有 routine 17.9 健康的配置長這樣 17.10 本章重點與審查清單 第18章 Connectors、Tool Gateway 與 MCP 18.1 三種連線 18.2 連線方式 18.3 動作權限:Allowed/Ask first/Off 18.4 工具連線的四道關卡 18.5 自訂 MCP server 18.6 MCP 的三個方向 18.7 連線使用說明(connection instructions) 18.8 本章重點與審查清單 第19章 Plugins 與 External Adapters 19.1 三種擴充方式 19.2 Plugin Manager 19.3 狀態與停用語意 19.4 權限閘門:capability 19.5 自動安裝的 plugin 19.6 撰寫自己的 plugin 19.7 第三方 plugin 審查 19.8 本章重點與審查清單 第20章 REST API 實戰 20.1 API 基礎 20.2 身分與認證 20.3 公司範圍 20.4 OpenAPI 規格 20.5 常用端點地圖 20.6 多語言範例 20.7 整合設計建議 20.8 本章重點與審查清單 第21章 CLI 實戰與自動化 21.1 兩層指令 21.2 CLI 怎麼決定連到哪裡、用誰的身分 21.3 取得憑證 21.4 指令家族總覽 21.5 寫腳本的三條紀律 21.6 CI 範例:夜間匯出與預算報表 21.7 讓 AI 操作 CLI 21.8 本章重點與審查清單 第22章 成員、角色、權限與 Trust 22.1 一套成員模型涵蓋人與 Agent 22.2 四種公司角色 22.3 權限鍵與預設授權 22.4 授權如何組合 22.5 Trust preset:standard 與 low_trust_review 22.6 目前限制與企業補強 22.7 成員到離職 22.8 本章重點與審查清單 第23章 Secrets 管理 23.1 機密模型的三個問題 23.2 預設 provider:local_encrypted 23.3 Secret reference:設定中只放指標 23.4 Strict mode 23.5 Scope 與 binding 23.6 Instance 層級 LLM key 的限制 23.7 稽核:誰取用了機密 23.8 輪替 23.9 本章重點與審查清單 第24章 部署模式與自架 24.1 部署模式 24.2 關鍵環境變數 24.3 資料庫與儲存 24.4 Docker 與 Compose 24.5 對外部署:VPS、systemd、Nginx 24.6 私有網路:Tailscale 與 LAN 24.7 環境搬遷 24.8 在 Kubernetes 上部署的建議做法 24.9 本章重點與審查清單 第25章 安全與治理 25.1 威脅模型 25.2 OWASP Top 10 for LLM Applications(2025)對應 25.3 強化基準(hardening baseline) 25.4 上線前安全驗證 25.5 治理流程與職責 25.6 本章重點與審查清單 第26章 維運:升級、備份、監控與故障排除 26.1 升級前的必要步驟 26.2 備份與還原 26.3 健康檢查 26.4 監控與日誌整合 26.5 卡住的 heartbeat:症狀對照 26.6 災難復原 26.7 本章重點與審查清單 第27章 企業導入藍圖 27.1 三階段導入 27.2 試點專案怎麼挑 27.3 成熟度模型 27.4 角色與分工 27.5 人與 AI 的分工原則 27.6 ROI 評估框架 27.7 金融業導入要點 27.8 本章重點與審查清單 第28章 實戰案例 28.1 案例一:Spring Boot 微服務的受治理開發團隊 28.2 案例二:GitHub PR 審查 bot(處理不可信輸入) 28.3 案例三:Legacy 系統逆向工程 28.4 案例四:框架升級(例如 Spring Boot 主版本) 28.5 案例五:每週稽核與 FinOps 報表 28.6 案例六:大型企業的多公司治理 28.7 本章重點與審查清單 第29章 與其他工具的比較 29.1 先分層再比較 29.2 比較表 29.3 Paperclip 的強項與弱項 29.4 選型決策 29.5 本章重點與審查清單 第30章 FAQ 30.1 基礎與定位(Q1–Q12) 30.2 安裝與環境(Q13–Q26) 30.3 公司、組織與套件(Q27–Q38) 30.4 Agent 與 Adapter(Q39–Q54) 30.5 任務與工作流程(Q55–Q66) 30.6 成本與預算(Q67–Q78) 30.7 治理與安全(Q79–Q92) 30.8 API、CLI 與整合(Q93–Q102) 30.9 部署與維運(Q103–Q110) 第31章 Troubleshooting 31.1 安裝與啟動(T1–T14) 31.2 設定、認證與網路(T15–T30) 31.3 資料庫、儲存與 Docker(T31–T42) 31.4 Agent 與 Adapter(T43–T60) 31.5 任務、委派與 Heartbeat(T61–T76) 31.6 核准、預算與成本(T77–T86) 31.7 連線、Skill、Plugin 與 MCP(T87–T98) 31.8 升級、備份與 Routine(T99–T104) 附錄A 檢核清單 A.1 安裝完成檢核 A.2 上線前檢核(正式環境) A.3 每日營運檢核 A.4 升級檢核 A.5 AI 產出審查總表 附錄B CLI 速查 B.1 安裝與 instance B.2 身分與憑證 B.3 日常操作 B.4 套件、技能與擴充 附錄C API 速查 C.1 共通規則 C.2 Agent 心跳最小呼叫序列 C.3 治理與成本 C.4 其他 附錄D 術語表 附錄E 版本變更與章節對照 E.1 v1.0 → v2.0 變更速覽 E.2 章節對照 附錄F 查證紀錄 F.1 查證方法 F.2 v1.0 修正表 F.3 上游文件與原始碼不一致 F.4 待確認事項 F.5 檢核器原始碼與執行結果 F.6 本書格式與連結檢查 附錄G 參考資料 G.1 官方來源 G.2 規格與生態 G.3 社群 結語 第1章 Paperclip 是什麼 本章目標:用十分鐘建立正確的心智模型——Paperclip 管的是「公司」,不是「模型」;並知道目前版本的成熟度與邊界,作為是否導入的判斷依據。 ...

July 25, 2026 · 127 min · 26926 words · Eric Cheng

AI常用方法論比較教學手冊(2)

AI常用方法論比較教學手冊(2) 版本:v1.1|日期:2026-07-24|適用對象:AI Software Architect、Enterprise Architect、Tech Lead、資深前後端工程師、DevSecOps Architect、Solution Architect v1.1 更新重點:依 8 套方法論官方 Repository 最新狀態逐節查證修正(含 BMAD-METHOD 階段命名訂正、spec-kit/OpenSpec 新指令集、gstack 起源脈絡補充等);第六章 AI Coding Agent 現況更新(Windsurf 已更名 Devin Desktop、GitHub Copilot Coding Agent 更名 Copilot cloud agent 等);第七、八、九、十一章多節深度擴寫至與同章其他小節一致;第四章新增「生態系穩定性/維護風險」補充表;新增第十三章案例六、第十四章 3 份角色 Prompt;修正簡體字殘留、附錄目錄缺漏與數處章節交叉引用錯誤 定位:本手冊是《AI常用方法論比較教學手冊》(以下稱「v1」)的擴充版與企業教育訓練教材版。v1 的定位是「跨方法論比較與選型指南」(8 方法論 × 5 AI 工具 × 3 情境的濃縮比較),本手冊(v2/"(2)")的定位是完整的企業級 AI 軟體工程教學手冊:從發展史、方法論詳解、AI Coding Agent 架構、企業 AI SDLC、Framework Upgrade、逆向工程、企業導入、AI Agent 團隊建立,到產業最佳實務、完整實戰案例與角色化 Prompt Library,一次到位。兩份手冊互為表裡,建議搭配閱讀(見〈附錄 F〉對應關係表)。 涵蓋方法論/概念:spec-kit、OpenSpec、Superpowers、BMAD-METHOD、GSD(get-shit-done)、gsd-pi(GSD-2)、gstack、mattpocock/skills、Loop Engineering、Compound Engineering、Context Engineering、Memory Engineering、Skills Engineering、Prompt Engineering、Agentic Software Engineering、Spec-Driven Development、AI-Native Development 涵蓋 AI Coding Agent:Claude Code、OpenAI Codex CLI、GitHub Copilot、Gemini CLI、Grok、Cursor、Windsurf、Aider、OpenHands、Cline、Roo Code 涵蓋情境:企業 Web 開發、大型 Framework Upgrade(Spring Boot/Java/Vue)、Legacy 逆向工程(COBOL/VB/Oracle Forms/PowerBuilder/Delphi)、企業 AI SSDLC、銀行大型系統 適用產業:金融/銀行、政府、保險、製造、醫療,並適用一般企業 IT 團隊 資料誠信聲明:本手冊整理自本專案既有教學手冊語料庫、各方法論官方 Repository/文件、業界公開文章,並經重新消化歸納後撰寫。凡涉及 GitHub Star 數、安裝次數、營收/效能改善百分比等量化採用指標,若無法在撰寫當下查證來源,一律不予引用或明確標註「未經查證,僅供參考」,不將既有語料庫中的可疑數字(例如個別手冊出現的異常高 Star 數)當作事實延續。本手冊重心放在可驗證的設計理念、架構、工作流程、指令語法與企業實務模式上。 ...

July 24, 2026 · 45 min · 9538 words · Eric Cheng

AI常用方法論比較教學手冊

AI常用方法論比較教學手冊 版本:v1.1|日期:2026-07-24|適用對象:架構師、Tech Lead、AI 導入決策者、資深工程師 v1.1 更新重點:依 8 套方法論官方 Repository 最新狀態逐章查證修正,包含 GSD 生態系組織遷移沿革(見 2.5、2.6、附錄 C.2)、五工具整合覆蓋度多處更新(spec-kit/BMAD-METHOD/Superpowers/gstack)、gstack 技能規模與指令管線更新、mattpocock/skills 技能清單改版、AGENTS.md 創始會員名單補正,並新增附錄 D.4 版本快照表 涵蓋方法論:spec-kit、OpenSpec、Superpowers、BMAD-METHOD、GSD(get-shit-done)、gsd-pi(GSD-2)、gstack、mattpocock/skills 涵蓋 AI 工具:Claude Code、OpenAI Codex、GitHub Copilot、Gemini、Grok 涵蓋情境:Web Application 開發、逆向工程(Reverse Engineering)、軟體框架升級(Framework Upgrade) 適用產業:銀行、金融業、保險業等高治理需求產業,亦適用一般企業 IT 團隊 重要更新:本文件為跨方法論比較與企業選型指南,非取代任何單一方法論的完整教學;各方法論詳細操作請參閱本目錄下對應手冊(見各章節連結與附錄 D) 📋 目錄 前言 第 1 章:AI 輔助軟體開發方法論全景與參考座標 1.1 為何企業需要跨方法論比較 1.2 方法論分類框架(機制軸) 1.3 八大方法論定位圖 1.4 五大 AI 工具總覽 1.5 三大應用情境定義與成功標準 1.6 AGENTS.md:跨工具互通基礎設施 1.7 其他外部參考座標(非完整檔案,僅作校準用) 1.8 實務落地建議 第 2 章:八大方法論濃縮檔案 2.1 spec-kit 2.2 OpenSpec 2.3 Superpowers 2.4 BMAD-METHOD 2.5 GSD(get-shit-done) 2.6 gsd-pi(GSD-2) 2.7 gstack 2.8 mattpocock/skills 2.9 實務落地建議 第 3 章:跨方法論比較框架與矩陣 3.1 比較維度定義 3.2 總覽比較矩陣 3.3 安裝複雜度與五工具整合覆蓋度矩陣 3.4 團隊規模與組織適配 3.5 治理與維運負擔比較 3.6 學習曲線與導入時間比較 3.7 機制光譜圖 3.8 弱點與風險總表 3.9 實務落地建議 第 4 章:企業選型決策框架 4.1 選型決策樹 4.2 評分量表(可直接套用) 4.3 方法論導入成熟度模型(Level 1–5) 4.4 試點到擴大導入路線圖 4.5 決策情境範例 4.6 實務落地建議 第 5 章:混合與共存導入指南 5.1 為何要混合方法論 5.2 相容性矩陣 5.3 分層組合模型 5.4 安裝順序與設定合併建議 5.5 已知衝突與注意事項 5.6 實務落地建議 第 6 章:三大情境實戰案例(銀行業) 6.1 情境一:Web Application 開發 6.2 情境二:逆向工程 6.3 情境三:框架升級 6.4 三情境 × 八方法論適配打分表 6.5 實務落地建議 第 7 章:方法論組合的維護與升級治理 7.1 為何需要「方法論組合」層級的治理 7.2 日常維運:版本釘選與相容性檢查 7.3 Prompt/Spec 版本控制與變更追蹤 7.4 治理委員會結構與 RACI 7.5 何時該汰換或升級方法論 7.6 法規遵循與稽核追溯(銀行/金融特別考量) 7.7 監控指標與健康度儀表板 7.8 實務落地建議 第 8 章:AI Agent 跨方法論協作範例 8.1 為何需要跨方法論/跨工具協作範例 8.2 範例一:Claude Code + Codex 共用 AGENTS.md 8.3 範例二:Copilot + Gemini/Grok 以 OpenSpec 仲裁 8.4 協作失敗模式與修復 8.5 實務落地建議 第 9 章:方法論選型與整合 Prompt Library 9.1 團隊 AI 成熟度現況評估 Prompt 9.2 方法論選型建議 Prompt 9.3 兩方法論相容性檢查 Prompt 9.4 治理文件骨架生成 Prompt 9.5 情境對應方法論組合 Prompt 9.6 方法論汰換/遷移評估 Prompt 9.7 實務落地建議 第 10 章:常見問題(FAQ) 附錄 A:快速選型與導入檢查清單 附錄 B:八方法論/五工具/三情境速查表 附錄 C:名詞釋義與命名辨正 附錄 D:參考資源與延伸閱讀 附錄 E:八大方法論安裝教學速查 前言 為什麼需要這份手冊 過去兩年間,「用 AI 寫程式」已經從個人的 Prompt 技巧,演化成一整套可被治理、可被複製、可被稽核的方法論(Methodology)。截至本文件撰寫時,僅在本專案的 .github\教學\AI開發\ 目錄下,就已經累積了 spec-kit、OpenSpec、Superpowers、BMAD-METHOD、GSD、gsd-pi(GSD-2)、gstack、mattpocock/skills 等 8 套獨立、完整、動輒 2,500~7,300 行的教學手冊 —— 每一套都宣稱自己能提升 AI 協作品質,每一套都有各自的哲學、安裝方式與最佳實務。 ...

July 24, 2026 · 29 min · 6153 words · Eric Cheng