Agency Agents教學手冊

agency-agents 教學手冊(企業標準技術白皮書) 版本:v4.0 | 最後更新:2026-11-13 上游基準:msitarzewski/agency-agents main@8ae6164(2026-11-08):283 個 Agent、18 個部門、17 種工具 適用對象:資深工程師、架構師、技術主管、資安與品質負責人 授權:內部教育訓練使用(上游專案為 MIT License) 目錄 0. 文件資訊與閱讀指南 0.1 本手冊的目標 0.2 版本基準與查核方式 0.3 符號說明 0.4 建議閱讀路線 0.5 本章審查與驗證清單 1. 總覽(Overview) 1.1 agency-agents 是什麼 1.2 核心設計理念 與泛用 Prompt、Prompt 庫、封閉工具的差異 1.3 與傳統開發模式的差異 1.4 適用與不適用場景 適用場景 不適用或需特別小心的場景 1.5 部門總覽 1.6 社群生態 官方管道 社群翻譯版本 1.7 發展歷程與路線圖 發展歷程 路線圖(上游 README,2026-11) 1.8 本章審查與驗證清單 2. 系統架構設計(Architecture) 2.1 整體架構圖 2.2 四份「單一真實來源」合約檔 tools.json 實際結構 2.3 轉換與安裝管線 轉換產物不提交 2.4 Agent 檔的兩個語意群組 2.5 NEXUS 協作層 2.6 多 Agent 協作模型 2.7 與企業系統的整合邊界 2.8 本章審查與驗證清單 3. 安裝與環境建置(Installation & Setup) 3.1 前置需求 3.2 取得專案 3.3 目錄結構 3.4 方式一:桌面 App(最簡單) 3.5 方式二:CLI 安裝(install.sh 完整參考) 參數總表(取自 install.sh 的 usage 區塊) 各工具安裝範例 3.6 選擇性安裝 依 NEXUS runbook 安裝整個團隊 3.7 以環境變數覆寫安裝路徑 3.8 複製(預設)與符號連結(–link) 3.9 Windows 環境 3.10 平行轉換與安裝 3.11 驗證安裝 3.12 本章審查與驗證清單 4. Agent 結構解析(Agent Design) 4.1 Agent 檔案的完整結構 4.2 Frontmatter 規格(以 lint-agents.sh 為準) 4.2.1 services 欄位 4.3 color 規則 4.4 章節標題與轉換的關係 4.5 程式碼區塊的巢狀規則 4.6 Qwen Code 保留的 placeholder 4.7 Persona 設計原則 ✅ 好的 Persona ❌ 不良 Persona 4.8 Workflow 與交付物設計 任務輸入格式(給 Agent 的 prompt) 4.9 完整範例:企業版 API Reviewer 4.10 離線驗證工具:check_agent.py 驗證結果 4.11 本章審查與驗證清單 5. 與 AI Coding 工具整合(Integration) 5.1 整合方式總覽 5.2 Claude Code 5.2.1 安裝 5.2.2 呼叫方式 5.2.3 Claude Code 如何解讀 agency-agents 的欄位 5.2.4 企業做法:專案層副本加上工具白名單 5.2.5 組織層統一派發 5.3 GitHub Copilot 5.4 Codex 5.5 Gemini CLI 與 Antigravity 5.6 Qwen Code、ZCode 5.7 Cursor 5.8 OpenCode 5.9 Osaurus、DeepSeek Harness(skill-md 家族) 5.10 Kimi Code 5.11 OpenClaw 5.12 Aider 與 Windsurf(roster 類) 5.13 Hermes(延遲載入 router plugin) 5.14 Mistral Vibe 5.15 工具選擇建議 5.16 MCP Memory 整合(跨 session 記憶) 設定步驟 記憶治理 5.17 本章審查與驗證清單 6. 實戰:AI 開發流程(End-to-End Workflow) 6.1 案例說明:企業客戶管理系統(CRM) 系統需求 技術棧(2026-11 基準) 6.2 Agent 協作流程 交接規則 6.3 Phase 1:需求分析(Product Manager) Prompt Phase 1 預期產出(節錄) 🔍 Phase 1 人工驗收 6.4 Phase 2:架構設計(Backend Architect、UX Architect) Prompt(Backend Architect) Phase 2 預期產出(節錄) 🔍 Phase 2 人工驗收 6.5 Phase 3:實作(Backend Architect 實作模式、Frontend Developer) Prompt(後端) Phase 3 預期產出(節錄) 🔍 Phase 3 人工驗收 6.6 Phase 4:程式碼與 AI 產出安全審查 🔍 Phase 4 人工驗收(審查「審查報告」) 6.7 Phase 5:測試(API Tester、Evidence Collector) 🔍 Phase 5 人工驗收 6.8 Phase 6:放行審查(Reality Checker) 🔍 Phase 6 人工驗收 6.9 Phase 0 選配:全面產品探索 6.10 使用 NEXUS runbook 快速組隊 6.11 本章審查與驗證清單 7. SSDLC(安全開發流程) 7.1 agency-agents 在 SSDLC 中的定位 7.2 Security 部門角色對照(12 位) 7.3 需求與設計階段 安全需求 STRIDE 威脅建模 🔍 威脅模型人工驗收 7.4 開發階段:OWASP Top 10:2025 審查 🔍 OWASP 審查人工驗收 7.5 測試與發佈階段 DevSecOps 管線範本 7.6 資料分級:哪些東西不能進 prompt 7.7 Agent 檔的供應鏈安全 升級前掃描:scan_agent_risk.py 🔍 升級審查程序 7.8 本章審查與驗證清單 8. 系統維運(Maintenance) 8.1 日常維運工作一覽 8.2 修改 Agent 之後的標準流程 8.3 上游的 CI 合約(企業 Fork 應保留) 8.4 企業 Fork 的附加 CI 8.5 Prompt 優化循環 使用紀錄範本 8.6 版本資訊放哪裡 8.7 成本控制 8.8 疑難排解 8.9 本章審查與驗證清單 9. 系統升級(Upgrade Strategy) 9.1 升級流程 9.2 升級指令 9.3 客製化策略(避免衝突) 方案比較 9.3.1 方案 A:新增企業部門的完整步驟 9.3.2 方案 B:專案層覆蓋(Claude Code) 9.4 安裝紀錄(可重現性) 9.5 自動同步上游(GitHub Actions) 9.6 分支策略 9.7 本章審查與驗證清單 10. 最佳實踐(Best Practices) 10.1 Agent 設計原則 ✅ DO ❌ DON’T 10.2 審查 AI 產出的通用框架 幻覺偵測清單 10.3 什麼時候該用多 Agent 五種協作策略 常見組合速查 10.4 Prompt Engineering 技巧 結構化 Prompt 骨架 10.5 常見錯誤 10.6 本章審查與驗證清單 11. 企業導入建議(Enterprise Adoption) 11.1 導入路線圖 Phase 1:試點(約 9 週) Phase 2:擴展 Phase 3:優化(持續) 11.2 教育訓練 入門課大綱 11.3 治理(Governance) 最小代理權原則(Least Agency) 使用規範範本 角色與責任(RACI) 11.4 KPI 設計 成效指標 使用指標 月報範例 11.5 本章審查與驗證清單 12. 附錄(Appendix) 12.1 常用 Prompt 模板 模板 A:需求分析 模板 B:API 設計 模板 C:程式碼審查 模板 D:安全審查 模板 E:測試案例 模板 F:審查 AI 產出的「審查者」Prompt 12.2 新 Agent 模板 12.3 完整 Agent 名冊(2026-11-08,283 個) 12.4 FAQ Q1:需要付費嗎? Q2:支援哪些模型? Q3:可以修改 Agent 嗎? Q4:一次用幾個 Agent? Q5:Agent 的品質如何保證? Q6:Windows 可以用嗎? Q7:不同 Agent 的建議互相衝突怎麼辦? Q8:上游支援哪些工具? Q9:如何貢獻新 Agent? Q10:Healthcare 與 Research 是新部門嗎? Q11:如何回報安全問題? Q12:桌面 App 與 CLI 該選哪個? Q13:上游有版本號嗎? 13. 檢查清單(Checklist) 13.1 新進成員快速上手 環境(新進成員) 基本使用 安全意識 13.2 專案導入 前置 環境(專案) 規範 持續改善 13.3 上游升級 14. 參考資源與社群(Resources & Community) 14.1 官方資源 14.2 工具官方文件 14.3 延伸閱讀 14.4 社群管道 14.5 企業內部資源建議結構 附錄 A:v3.1 → v4.0 修正紀錄 A.1 事實更正 A.2 新增內容 附錄 B:驗證紀錄 B.1 驗證環境 B.2 名冊與工具計數 B.3 手冊工具表與 tools.json 比對 B.4 runbook 組隊工具 B.5 手冊本身的自動檢查 B.6 待驗證項目 0. 文件資訊與閱讀指南 0.1 本手冊的目標 本手冊不是上游 README 的翻譯。它是一份企業導入白皮書,目標有三個: ...

July 1, 2026 · 71 min · 14963 words · Eric Cheng

AutoResearch 驅動 SSDLC(安全軟體開發生命週期)教學手冊

AutoResearch 驅動 SSDLC(安全軟體開發生命週期)教學手冊 文件版本:v4.0(2026-10-23) 文件等級:企業標準技術白皮書 對齊基準: 上游 karpathy/autoresearch master@228791f(2026-03-26 最後一次推送) Claude Code 官方文件 code.claude.com/docs 與 Changelog 至 v2.1.309;CLI 旗標另以本機 v2.1.304 的 claude --help 核對;Claude Agent SDK(Python)0.2.173;anthropics/claude-code-action v1.0.259 GitHub Copilot 官方文件(github/docs 2026-10-23 版本);Copilot CLI 以本機 1.0.100 的 copilot --help 核對;GitHub Agentic Workflows gh aw v0.93.2 標準框架:NIST SSDF SP 800-218 v1.1(v1.2 仍為草案)、SP 800-218A、OWASP Top 10:2025、OWASP Top 10 for Agentic Applications 2026、SLSA v1.2 適用對象:資深工程師、DevSecOps/平台團隊、Security Champion、AI 導入負責人、技術主管與稽核人員 前置知識:Python、Git、CI/CD 基礎,以及至少用過一種 AI coding agent 驗證方式:手冊中的 evaluator、hook、設定檔、workflow、SDK 程式與檢查器全部在本機實際執行,執行結果直接嵌入內文;完整紀錄見附錄 F ...

July 1, 2026 · 79 min · 16764 words · Eric Cheng

Pi Code Agent 教學手冊

文件版本:v2.0(2026-10-24) 對齊基準:Pi v1.4.0(@earendil-works/pi-coding-agent,2026-10-21 發布)。官方文件以 earendil-works/pi 倉庫 v1.4.0 tag 的 packages/coding-agent/docs/ 全部 43 份文件為準;CLI 旗標以本機安裝的 v1.4.0 pi --help 與各子命令 --help 逐一比對;設定檔以套件內附的官方 JSON Schema(settings/models/keybindings/theme)驗證 適用對象:開發者、Tech Lead、架構師、DevOps/平台工程、資安與稽核人員、AI 導入負責人 驗證方式:手冊中的 Extension、SDK 程式、設定檔、Prompt Template、Skill、MCP 設定與 CLI 指令,都已在隔離環境中實際執行。執行時以本機的 mock LLM(OpenAI 相容)與 mock MCP server 取代雲端模型,讓 Pi 的真實程式碼路徑(上下文組裝、工具呼叫、權限閘門、Codemode、RPC、Session 落地)可重現地跑完。執行輸出直接嵌入內文,完整紀錄見附錄 F 授權:本手冊供內部教育訓練使用;Pi 本身為 MIT License,版權屬 Earendil Inc. 與貢獻者 修訂記錄 版本 日期 主要變更 v0.x 2026-07-01 ~ 2026-08-20 初版至 v0.84.2 核校版,18 章 v2.0 2026-10-24 對齊 Pi 1.4.0,全面重組為 24 章+附錄 A ~ F。新增 MCP、Codemode、Virtual Models、Classifier/Image 模型、Docker Sandboxes 等 1.x 功能章節;更正舊版 52 項錯誤與過時內容(附錄 E);每章新增「本章目標」與「本章審查與驗證清單」;所有範例都附實際執行結果,負向案例證明檢查有效(附錄 F) 摘要 Pi(Pi Coding Agent)是 Earendil Inc. 維護的開源終端 AI Agent 框架(MIT)。它的定位是「最小、可擴充、可以變成你自己的 agent harness」:核心只內建 4 個預設工具與一套透明的 agent loop,其餘能力透過 Extension、Skill、Prompt Template、Theme 與 Pi Package 由團隊自行組裝。2026 年 10 月 1 日發布的 Pi 1.0 是重要轉折:官方一改過去「不做 MCP」的立場,以 Codemode(QuickJS 沙箱中執行的 JavaScript)為核心內建 MCP 支援,並加入 Virtual Models、非 LLM 模型(分類器、影像生成)、預設全螢幕 TUI 等功能。 ...

July 1, 2026 · 96 min · 20269 words · Eric Cheng

Claude Howto 教學手冊

claude-howto 教學手冊(企業技術白皮書版) 文件版本:v3.0(2026-10-23) 對齊基準:官方文件 code.claude.com/docs(2026-10-23 下載全部 228 頁)與 Changelog 至 Claude Code v2.1.309(2026-10-22);CLI 旗標另以本機 v2.1.304 的 claude --help 核對;上游 claude-howto main@188f468(同步 v2.1.302,2026-10-20) 適用對象:開發者、Tech Lead、架構師、DevOps/平台團隊、資安與稽核人員、AI 導入負責人 驗證方式:手冊中的設定、hook、skill、agent、MCP、plugin、workflow 與 CI 範例,皆以第 22 章的檢查工具或 Claude Code 本身(claude plugin validate、claude plugin details)實際執行,結果直接嵌入內文;完整紀錄見附錄 F 授權:內部教育訓練使用;claude-howto 原始專案為 MIT License 修訂記錄 版本 日期 主要變更 v1.0 2026-04-24 初版,對應 claude-howto v2.1.112 v1.1 2026-05-02 補充 hook 事件、plugin 安全、permission modes v2.0 2026-07-01 同步 claude-howto v2.1.160;新增 workflow、微服務、合規、模型選用、術語表 v3.0 2026-10-23 依上游十模組學習順序全面重組為 22 章+附錄 A ~ F;同步 Claude Code v2.1.309 與上游 v2.1.302;更正 v2.0 的 47 項錯誤與過時內容(附錄 F.2);每章新增「本章目標」與「本章審查與驗證清單」;新增第 22 章 AI 產出驗證方法論與 6 個實測的檢查工具;所有範例附正反例驗證結果 摘要 claude-howto(GitHub:luongnv89/claude-howto,約 43.2k stars)是目前最完整的 Claude Code 社群實戰教材:10 個模組依學習順序排列,約 50 個可直接複製的範本,並內附自我評估工具。 ...

July 1, 2026 · 113 min · 24013 words · Eric Cheng

Free Claude Code 教學手冊

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: ...

July 1, 2026 · 50 min · 10450 words · Eric Cheng

Oh My Claudecode 教學手冊

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」。 ...

July 1, 2026 · 36 min · 7518 words · Eric Cheng

BMAD METHOD使用教學

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: ...

June 30, 2026 · 66 min · 13900 words · Eric Cheng

Compound Engineering 教學手冊

Compound Engineering 教學手冊 文件資訊 項目 內容 文件版本 2.0 最後更新 2026-10-02 版本基準 Compound Engineering Plugin v3.30.3(2026-10-01,tag compound-engineering-v3.30.3),共 36 個 Skills;完整矩陣見 1.7 本手冊的版本基準與閱讀方式 官方來源 https://github.com/EveryInc/compound-engineering-plugin(MIT License)、官方文件站 https://every.to/compound-engineering 文件定位 企業標準技術白皮書/內部標準教材:Compound Engineering 方法論、Plugin 安裝與組態、36 個 Skills 的用法、Compound Packs、跨模型協作、企業流程整合、治理與導入 適用對象 已在使用 AI coding agent(Claude Code、Codex、Cursor、GitHub Copilot 等)的開發人員、技術主管、架構師、平台/DevOps 工程師、資安與稽核人員 前置知識 Git 與 Pull Request 流程、至少一種 AI coding agent 的基本操作、CI/CD 基本概念 姊妹文件 《claude code cli 教學手冊》、《Claude Code生態圈教學手冊》、《Claude Code企業級軟體開發教學手冊》、《github copilot生態圈教學手冊》、《github使用教學》、《git使用教學》 前一版本 v3.16.0(2026-06-30;當時以 Plugin 版本號作為手冊版本號,對應 27 個 Skills) 📌 v2.0 改版重點:章節依上游 docs/guides 的分類重新編排為 18 章與 8 個附錄,全面對齊 Plugin v3.30.3。 ...

June 30, 2026 · 71 min · 14963 words · Eric Cheng

GitNexus教學手冊

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。 ...

June 30, 2026 · 40 min · 8485 words · Eric Cheng

Gstack教學手冊

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。 ...

June 30, 2026 · 40 min · 8481 words · Eric Cheng