AI開發

Github Copilot生態圈教學手冊 版本：3.0 最後更新：2026 年 3 月 11 日 適用對象：資深工程師 / Tech Lead / Architect 適用於：GitHub Copilot (Free / Pro / Pro+ / Business / Enterprise) VS Code 版本：1.111+ Created by：Eric Cheng 目錄 第一章 GitHub Copilot 生態圈全貌總覽 1.1 什麼是 GitHub Copilot 生態圈 1.2 生態圈各組件說明 1.3 Copilot 在企業開發流程中的定位 1.4 版本與授權模式 1.5 2025-2026 年新功能重點摘要 第二章 Copilot 與「資深工程師角色」的正確關係 2.1 思維轉換：從「工具」到「協作夥伴」 2.2 資深工程師的不可取代價值 2.3 正確的協作模式 2.4 效率提升的正確期待 第三章 Copilot 在實際開發流程中的使用時機 3.1 開發流程與 Copilot 介入點 3.2 各階段使用策略 3.3 不同類型任務的使用建議 3.4 與現有工具鏈整合 3.5 實務案例：一個完整的開發循環 第四章 Copilot Prompt Engineering（重點章節） 4.1 Prompt Engineering 核心觀念 4.2 Inline Completion Prompt 技巧 4.3 Copilot Chat Prompt 技巧 4.4 Bad Prompt vs Good Prompt 對照 4.5 進階 Prompt Pattern 4.6 Prompt Template 庫 4.7 Copilot Chat 快捷指令與互動方式 4.8 Custom Instructions 與自訂化框架 4.8.1 Custom Instructions 4.8.2 Prompt Files 4.8.3 Agent Skills 4.8.4 Custom Agents 4.8.5 Agent Hooks 4.8.6 Agent Plugins 4.8.7 Chat Customizations Editor 4.8.8 MCP 整合 第五章 Copilot + Code Review + Testing 最佳實務 5.1 Copilot 與 Code Review 的整合 5.2 Copilot 與 Testing 的整合 5.3 CI/CD 整合建議 5.4 實務案例：完整的測試策略 第六章 資安、法遵與風險控管 6.1 Copilot 的資安風險概覽 6.2 常見安全漏洞與防範 6.3 Copilot 生成程式碼的審查清單 6.4 法遵考量 6.5 企業級安全設定 6.6 Copilot 在 SSDLC 中的定位 6.7 稽核與追蹤 第七章 常見誤用與反模式 7.1 Anti-Pattern 總覽 7.2 Anti-Pattern 詳解 7.3 Copilot 不適合做的事情 7.4 常見錯誤案例分析 7.5 自我檢查清單 第八章 團隊導入與治理建議 8.1 導入成熟度模型 8.2 各階段導入建議 8.3 團隊使用規範範本 8.4 Code Review 要點（Copilot 輔助後） 8.5 效益衡量指標 8.6 組織架構建議 第九章 進階應用案例 9.1 案例一：Legacy Code 重構 9.2 案例二：API 設計與實作 9.3 案例三：Batch 程式開發 9.4 案例四：架構文件生成 9.5 案例五：使用 Copilot Coding Agent 自動化開發 9.6 最佳實務總結 第十章 總結：如何把 Copilot 變成「資深工程師的放大器」 10.1 核心心法 10.2 黃金法則 10.3 技能發展路徑 10.4 持續改善框架 10.5 未來展望 附錄 A. 日常使用檢查清單 B. Code Review 檢查清單（Copilot 輔助程式碼） C. 團隊導入檢查清單 D. Prompt 範本快速參考 參考資源 第一章 GitHub Copilot 生態圈全貌總覽 1.1 什麼是 GitHub Copilot 生態圈 GitHub Copilot 已從單純的「程式碼自動補全工具」演進為完整的 AI 輔助開發生態系統。截至 2026 年初，Copilot 生態圈涵蓋了從程式碼補全、對話式 AI、自主編碼代理到企業治理的全方位功能。對資深工程師而言，理解其全貌是有效運用的前提。 ...

OpenAI Codex生態系教學手冊 版本：1.1 文件等級：企業內訓 / 技術白皮書 / 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 3 月 8 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 IDE、CLI、API、雲端執行環境、AI Agent、程式碼審查與 DevOps 整合的工程能力平台。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的方式完成設計、實作、測試、審查、部署與維運。 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 IDE、CLI、API、Git 與 CI/CD 裡扮演什麼角色。 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。 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。 本次校訂依據 本版已依 2026 年 3 月可取得的 OpenAI 官方公開頁面重新校對，重點依據如下： OpenAI Codex 官方產品頁 GPT-5.3-Codex 發布頁 OpenAI 安全性頁面 OpenAI 資安與隱私頁面 本次修訂重點如下： ...

OpenClaw 生態系教學手冊 版本: 2026.3.31 | 最後更新: 2026 年 4 月 1 日 適用對象: 企業開發團隊、DevOps 工程師、AI 架構師 授權: MIT License 官方資源: openclaw.ai · docs.openclaw.ai · GitHub · ClawHub · Discord · Trust 文件總覽 本手冊為企業級 OpenClaw 生態系完整教學指引，涵蓋從核心概念、系統架構設計、安裝部署、開發實戰、企業最佳實務、維運監控、升級策略、DevOps 整合、資安設計到實務案例等十大主題。所有內容均依據 OpenClaw 官方文件（v2026.3.31）撰寫，並以繁體中文呈現，程式碼範例以 Java 為主。 重要變更提示：OpenClaw 自 2025 年 11 月從 Clawdbot / Moltbot 正式更名為 OpenClaw，版本號採用 vYYYY.M.D 日期格式。截至 2026 年 4 月已發布 78 個正式版本。 目錄 第一章：OpenClaw 核心概念 1.1 什麼是 OpenClaw 1.2 核心理念與設計哲學 1.3 Gateway 架構總覽 1.4 Pi Agent 執行環境 1.5 Skills 技能系統 1.6 Tools 工具系統 1.7 Sessions 與對話管理 1.8 多頻道支援（Channels） 1.9 與傳統 LLM 聊天機器人的比較 1.10 OpenClaw 版本歷程 第二章：系統架構設計 2.1 整體架構圖 2.2 Gateway 核心元件 2.3 Agent Runtime 架構 2.4 訊息流程與通訊協議 2.5 Skills 載入與優先序 2.6 模型參考（Model References） 2.7 ClawHub 技能市集架構 2.8 Companion Apps 架構 2.9 高可用架構設計 2.10 企業部署拓撲 第三章：安裝與環境建置 3.1 系統需求 3.2 本地開發安裝（npm） 3.3 Docker Compose 部署 3.4 從原始碼建置 3.5 Podman 與 Nix 安裝 3.6 初始設定與 JSON5 組態 3.7 環境變數與密鑰管理 3.8 多環境組態管理 3.9 Hot Reload 與組態更新 3.10 CLI 指令參考 第四章：開發實戰教學 4.1 第一個 OpenClaw Agent 4.2 Java 整合 OpenClaw API 4.3 自訂 Skill 開發 4.4 自訂 Tool 開發 4.5 工作流程編排 4.6 記憶體與上下文管理 4.7 Webhook 與排程任務 4.8 多 Agent 協作開發 4.9 錯誤處理與重試機制 4.10 Java Spring Boot 整合範例 第五章：企業最佳實務 5.1 技能模組化設計 5.2 權限與存取控制 5.3 多 Agent 治理架構 5.4 安全強化策略 5.5 Prompt 工程最佳實務 5.6 可觀測性策略 5.7 效能調校指引 5.8 成本最佳化 5.9 合規與稽核 5.10 團隊協作規範 第六章：系統維運與監控 6.1 健康檢查機制 6.2 結構化日誌系統 6.3 OpenTelemetry 整合 6.4 Metrics 指標監控 6.5 分散式追蹤 6.6 告警策略設計 6.7 備份與災難復原 6.8 容量規劃 6.9 日誌聚合與分析 6.10 Grafana 儀表板範例 第七章：系統升級策略 7.1 版本命名規則 7.2 升級前評估 7.3 無停機升級（Rolling Upgrade） 7.4 回滾策略 7.5 組態遷移 7.6 多環境升級協調 7.7 破壞性變更處理 7.8 自動化升級管線 7.9 升級監控儀表板 7.10 版本鎖定與固定 第八章：DevOps 整合 8.1 CI/CD 管線設計 8.2 GitHub Actions 完整管線 8.3 測試策略 8.4 容器化最佳實務 8.5 Kubernetes 部署 8.6 Infrastructure as Code 8.7 GitOps 工作流程 8.8 藍綠部署 8.9 Canary 部署 8.10 監控即程式碼 第九章：安全設計 9.1 信任模型 9.2 API Key 管理 9.3 Agent 隔離策略 9.4 網路安全 9.5 資料加密 9.6 OWASP LLM Top 10 防護 9.7 Prompt Injection 防禦 9.8 稽核日誌 9.9 容器沙箱安全 9.10 零信任架構 第十章：實戰案例 10.1 案例一：自動化報表 Agent 10.2 案例二：智慧客服 Agent 10.3 案例三：任務自動化 Agent 10.4 案例四：DevOps 助手 Agent 10.5 案例五：知識庫搜尋 Agent 10.6 案例六：多 Agent 協作系統 10.7 案例七：企業通知中樞 10.8 案例八：資料分析管線 Agent 10.9 案例九：安全監控 Agent 10.10 案例十：完整企業部署案例 附錄 A：企業導入檢查清單 附錄 B：疑難排解常見問題 附錄 C：名詞解釋 附錄 D：參考資源 第一章：OpenClaw 核心概念 1.1 什麼是 OpenClaw OpenClaw（前稱 Clawdbot / Moltbot）是一個開源的個人 AI 助理框架，由 Peter Steinberger 建立，採用 MIT 授權發布。OpenClaw 的核心定位是作為一個 AI Gateway——一個連接多種即時通訊頻道與大型語言模型（LLM）的中繼平台，讓使用者能夠透過日常使用的通訊軟體（如 WhatsApp、Telegram、Slack、Discord 等）與 AI Agent 進行互動。 ...

OpenCode 生態系完整教學手冊 版本：基於 OpenCode v1.3.2（2026 年 3 月） 適用對象：資深工程師、架構師、DevOps 工程師、技術主管 文件等級：企業標準技術白皮書 維護單位：軟體架構組 最後更新：2026-03-25 涵蓋範圍：OpenCode 核心、Oh My OpenAgent（OmO）外掛、OpenWork 桌面協作平台 文件修訂紀錄 版本 日期 修訂者 修訂說明 1.0 2026-03-04 軟體架構組 初版建立 2.0 2026-03-08 軟體架構組 全面更新至 v1.2.21；新增 OmO、OpenWork 章節；擴充至企業白皮書等級 3.0 2026-03-25 軟體架構組 更新至 v1.3.2；OmO v3.13.1 新增 Multimodal Looker / Metis 代理與 Agent Orchestration；OpenWork v0.11.191 新增 Dev Mode、Templates、Cloud Worker 3.0 2026-03-25 軟體架構組 全面更新至 OpenCode v1.3.2、OmO v3.13.1、OpenWork v0.11.191；新增 Multimodal Looker、Metis、Agent Orchestration 分類路由、雲端 Worker 架構等新功能 目錄 第一章：OpenCode 生態系總覽 1.1 OpenCode 核心理念 1.2 生態系全景圖 1.3 與傳統 AI Coding Tool 差異 1.4 與 GitHub Copilot / Claude Code 等工具比較 1.5 適用場景分析 1.6 真實案例研究 1.7 版本演進與藍圖 第二章：系統架構設計 2.1 總體架構 2.2 Client/Server 架構 2.3 代理系統（Agent System） 2.3.1 主要代理（Primary Agents） 2.3.2 子代理（SubAgents） 2.3.3 隱藏系統代理 2.3.4 自訂代理 2.3.5 代理進階選項 2.3.6 Plan / Build 運作流程 2.4 工具系統（Tools） 2.5 MCP 伺服器整合架構 2.6 外掛系統（Plugins） 2.7 技能系統（Skills） 2.8 與前端框架整合方式 2.9 與後端框架整合方式 2.10 與 Git / CI/CD 整合架構 2.11 與本地模型 / 雲端模型整合架構 第三章：安裝與環境建置 3.1 系統需求 3.2 Windows 安裝步驟 3.3 macOS 安裝步驟 3.4 Linux 安裝步驟 3.5 Desktop App 安裝 3.6 終端機模式設定 3.7 IDE 擴充設定 3.8 模型設定（雲端 API / 本地模型） 3.9 環境變數與 Proxy 設定 3.10 企業網路限制處理方式 第四章：專案導入標準流程（SOP） 4.1 新專案導入流程 4.2 舊專案導入流程 4.3 Branch 管理策略 4.4 PR 與 Code Review 搭配方式 4.5 團隊協作模式 4.6 安全開發流程（SSDLC 整合方式） 第五章：實戰操作教學 5.1 使用 Plan 模式設計系統架構 5.2 使用 Build 模式產生程式碼 5.3 自動產生測試 5.4 重構（Refactor） 5.5 Debug 5.6 批次修改專案 5.7 生成文件（README / API 文件） 5.8 使用 Explore SubAgent 探索程式碼庫 5.9 使用自訂指令加速工作流程 5.10 網路搜尋與網頁擷取 5.11 LSP 整合操作 第六章：最佳實踐（Best Practices） 6.1 Prompt 撰寫策略 6.2 Token 控制策略 6.3 避免幻覺（Hallucination） 6.4 如何做 Code Validation 6.5 與 SonarQube / 測試工具整合 6.6 大型專案使用策略 6.7 多模組專案管理建議 6.8 格式化器整合 第七章：系統維護與治理 7.1 模型版本管理策略 7.2 OpenCode 版本管理 7.3 日誌管理 7.4 成本控制 7.5 權限管理 7.5.1 完整權限列表 7.5.2 細粒度權限控制 7.5.3 「ask」選項的三個選擇 7.5.4 代理專屬權限 7.6 技能系統（Skills） 7.6.1 SKILL.md 檔案格式 7.6.2 技能發現路徑 7.6.3 技能權限控制 7.7 自訂工具（Custom Tools） 7.7.1 工具定義 7.7.2 多工具匯出 7.7.3 覆蓋內建工具 7.8 規則系統（Rules） 7.9 風險控管 第八章：系統升級策略 8.1 升級前檢查清單 8.2 版本相容性測試 8.3 回滾策略 8.4 CI/CD 驗證流程 第九章：企業導入建議 9.1 導入階段規劃 9.2 教育訓練策略 9.3 試點專案規劃 9.4 成本效益分析 9.5 KPI 設計 9.6 企業版功能 第十章：Oh My OpenAgent（OmO）生態系 10.1 OmO 總覽與定位 10.2 核心概念：Discipline Agents 10.3 ultrawork / ulw 一鍵啟動 10.4 IntentGate 意圖閘道 10.5 Hash-Anchored Edit Tool 10.6 /init-deep 深度初始化 10.7 Prometheus 規劃器 10.8 背景代理（Background Agents） 10.9 Skill-Embedded MCPs 10.10 Ralph Loop 自我迴圈 10.11 Todo Enforcer 與 Comment Checker 10.12 內建 MCP 伺服器 10.13 LSP 與 AST-Grep 整合 10.14 Tmux 整合 10.15 Claude Code 完整相容性 10.16 Agent Orchestration 模型路由 10.17 安裝與設定 10.18 設定檔詳解 10.19 企業導入 OmO 建議 10.20 OmO 實戰教學：微服務拆分 10.21 OmO 與 OpenCode 功能對照表 10.22 OmO 效能調優指南 10.23 Multimodal Looker 代理（v3.12+ 新增） 10.24 Metis 代理——規劃顧問（v3.12+ 新增） 10.25 GPT-5.4 xhigh 路由與 ultrabrain 模式（v3.13+ 新增） 10.26 Session Tools——歷程分析（v3.13+ 新增） 10.27 Think Mode（v3.13+ 新增） 10.28 OmO v3.13 其他更新 第十一章：OpenWork 桌面應用與協作平台 11.1 OpenWork 總覽與定位 11.2 核心理念 11.3 功能架構 11.4 Host 模式與 Client 模式 11.5 技能管理器（Skill Manager） 11.6 OpenWork Orchestrator CLI 11.7 OpenCode Router（WhatsApp / Slack / Telegram） 11.8 OpenPackage 套件管理 11.9 安裝與設定 11.10 架構詳解 11.11 安全性設計 11.12 Dev Mode 隔離（v0.11.160+ 新增） 11.13 Templates 儲存與重播（v0.11.170+ 新增） 11.14 Execution Plan Timeline（v0.11.180+ 新增） 11.15 Cloud Worker 架構（v0.11.185+ 新增） 11.16 Workspace Switch 與 Starter Sessions（v0.11.190+ 新增） 11.17 OpenCode Plugins 管理（Skills Tab） 11.18 企業導入 OpenWork 建議 第十二章：生態系整合與進階工作流程 12.1 OpenCode + OmO + OpenWork 三層整合 12.2 多代理協作工作流程 12.3 企業級 AI 開發平台架構 12.4 跨團隊協作模式 12.5 從 Claude Code 遷移指南 12.6 GitHub / GitLab 深度整合 12.7 ACP（Agent Communication Protocol）支援 12.8 CI/CD 管線深度整合 12.9 多倉庫聯合開發模式 12.10 資料庫遷移自動化 12.11 監控與可觀察性整合 12.12 基礎架構即程式碼（IaC）整合 12.13 企業級日誌與稽核系統 12.14 企業災難復原與高可用方案 第十三章：常見問題與故障排除 13.1 安裝問題 13.2 API 連線失敗 13.3 模型回應不穩 13.4 權限問題 13.5 IDE 無法連線 13.6 效能問題 13.7 OmO 特定問題 13.8 OpenWork 特定問題 附錄 A：快速上手檢查清單（Checklist） 附錄 B：常見 OpenCode 指令速查表 附錄 C：OmO 指令速查表 附錄 D：設定檔完整範例 附錄 E：MCP 伺服器推薦清單 附錄 F：模型推薦與比較 附錄 G：重要參考資源 附錄 H：術語表 第一章：OpenCode 生態系總覽 1.1 OpenCode 核心理念 OpenCode 是一個 100% 開源 的 AI 編碼代理（AI Coding Agent），由 Anomaly 團隊開發維護。截至 2026 年 3 月，OpenCode 已達到以下里程碑： ...

Claude Agent Skills 使用教學手冊 版本：1.0 最後更新：2026 年 1 月 適用對象：新進軟體工程師、系統分析師、AI 導入成員 最後更新: 2026年1月8日 適用於: Claude Code Created by: Eric Cheng 目錄 前言 文件目的 適用對象 如何使用本手冊 第一章：Claude Agent 與 Agent Skills 基礎概念 1.1 什麼是 Claude Agent 1.2 什麼是 Agent Skills 1.3 Agent / Tool / Skill 的差異與關係 1.4 為什麼要使用 Agent Skills 第二章：Agent Skills 的設計理念 2.1 Skill 的責任邊界（Single Responsibility） 2.2 Skill 與 Prompt 的差異 2.3 Skill 是可重用、可組合的能力單元 2.4 官方 Skills Repo 的設計原則 第三章：官方 Skills Repository 結構說明 3.1 Skills GitHub 專案的目錄結構 3.2 Skill 的命名慣例 3.3 Skill 定義中的關鍵元素 第四章：Agent Skills 的使用方式 4.1 如何在 Agent 中呼叫 Skill 4.2 Skill 在任務流程中的角色 4.3 單一 Skill vs 多 Skill 組合 第五章：實務範例 5.1 需求文件產生 Skill 5.2 程式碼 Review / 重構 Skill 5.3 測試案例產生 Skill 第六章：新手常見錯誤與最佳實務 6.1 Skill 設計過大或過小的問題 6.2 把 Skill 當成一次性 Prompt 的錯誤用法 6.3 如何讓 Skill 更容易被重用 6.4 如何讓 Agent 行為更穩定 第七章：團隊導入建議 7.1 適合先從哪些類型的 Skill 開始 7.2 如何建立內部 Skill Library 7.3 與既有開發流程整合 7.4 導入成熟度階段建議 附錄：檢查清單（Checklist） Skill 建立前檢查 SKILL.md 撰寫檢查 Skill 發布前檢查 團隊導入檢查 參考資源 官方資源 延伸閱讀 前言 文件目的 本手冊旨在協助團隊成員快速理解並導入 Claude Agent Skills，透過系統化的教學內容，讓新進同仁能夠： ...

版本: 1.0 最後更新: 2026年1月9日 適用於: Claude Code Created by: Eric Cheng Anthropic Model Context Protocol (MCP) 教學手冊 版本資訊：本手冊基於 MCP 規範版本 2025-11-25 最後更新：2026 年 1 月 適用對象：資深軟體開發工程師、系統架構師 目錄 第一章：MCP 概述與核心概念 1.1 什麼是 MCP？ 1.2 為什麼需要 MCP？ 1.3 MCP 架構概覽 第二章：MCP 技術架構深度解析 2.1 分層架構 2.2 資料層協議（Data Layer Protocol） 2.3 MCP 核心原語（Primitives） 2.4 通知機制（Notifications） 第三章：傳輸層深度解析 3.1 STDIO Transport 3.2 Streamable HTTP Transport 第四章：實戰開發指南 4.1 開發環境設置 4.2 開發 MCP Server 4.3 開發 MCP Client 4.4 整合到 AI 應用 第五章：完整實戰範例 5.1 範例一：檔案系統 MCP Server 5.2 範例二：資料庫查詢 MCP Server 5.3 範例三：API 整合 MCP Server 第六章：最佳實踐與設計模式 6.1 MCP Server 設計原則 6.2 效能優化 6.3 安全性考量 6.4 測試策略 第七章：進階主題 7.1 Tasks 實驗性功能 7.2 自訂傳輸層 7.3 多語言 SDK 比較 7.4 偵錯與監控 第八章：疑難排解 8.1 常見錯誤與解決方案 8.2 除錯技巧 8.3 錯誤訊息參考 第九章：實際案例研究 9.1 案例一：企業知識庫 MCP Server 9.2 案例二：DevOps 整合 MCP Server 第十章：資源與參考 10.1 官方資源 10.2 社群資源 10.3 開發環境建議 10.4 版本相容性 10.5 快速參考 附錄：檢查清單（Checklist） A. Server 開發檢查清單 B. 部署檢查清單 C. 程式碼審查檢查清單 D. 故障排除檢查清單 第一章：MCP 概述與核心概念 1.1 什麼是 MCP？ 1.1.1 MCP 的定義與核心價值 Model Context Protocol（MCP） 是由 Anthropic 開發的一個開放標準協議，旨在為 AI 應用程式提供一個統一的方式來連接各種資料來源、工具和服務。 ...

版本: 3.0 最後更新: 2026年3月26日 適用於: Claude Code v2.x (GA, 2025-2026) Created by: Eric Cheng Claude Code 生態圈教學手冊 📖 版本: v3.0 📅 最後更新: 2026年3月26日 👥 目標讀者: 資深軟體工程師、技術主管、架構師 📋 基於官方文件: Claude Code Documentation 🆕 本版新增: Desktop App、Channels & Dispatch、Agent Skills Open Standard、Cowork 協同開發章節、Output Styles、Scheduled Tasks、完整 Plugin Marketplace 體系 目錄 第一部分：基礎概念 (Foundation) 1.1 Claude Code 簡介 1.1.1 產品定位與核心價值 1.1.2 多平台支援總覽 1.1.3 適用場景與限制 1.1.4 安裝與環境配置 1.1.5 Claude Code 的運作原理 1.1.6 Desktop App 與 Web 介面 1.1.7 Channels 與 Dispatch 1.2 核心架構概覽 1.2.1 系統架構圖 1.2.2 各組件之間的關係 1.2.3 資料流與執行流程 1.2.4 記憶體與設定架構 1.2.5 權限與安全模型 1.2.6 工具系統詳解 1.2.7 Agentic Loop 深入解析 1.3 快速上手實戰 1.3.1 第一次對話 1.3.2 建立 CLAUDE.md 1.3.3 常見操作範例 1.3.4 效率提升技巧 第二部分：核心功能詳解 2.1 Subagents (子代理) 2.1.1 概念說明 2.1.2 內建子代理類型 2.1.3 自訂子代理 2.1.4 使用場景與實作範例 2.1.5 進階技巧 2.1.6 Subagent 完整實戰範例 2.2 Agent Teams（多代理協作） 2.2.1 Agent Teams 概述 2.2.2 啟動與使用 Agent Teams 2.2.3 Agent Teams 的協調機制 2.2.4 應用場景與最佳實踐 2.2.5 Agent Teams 進階模式 2.2.6 Agent Teams 搭配 Hooks 2.3 Skills（技能系統） 2.3.1 Skills 概述 2.3.2 內建 Skills（Slash Commands） 2.3.3 SKILL.md 檔案格式 2.3.4 Agent Skills（附加在 Agent 上的 Skills） 2.3.5 開發自訂 Skills 2.3.6 Skills 最佳實踐 2.3.7 Skill 進階範例集 2.4 Plugins（插件系統） 2.4.1 Plugin 概述 2.4.2 Plugin 目錄結構 2.4.3 Plugin 的發現與安裝 2.4.4 開發自訂 Plugin 2.4.5 Plugin 安全與信任 2.4.6 Plugin 實戰範例 2.4.7 Plugin 與其他機制的關係 2.5 Hooks（鉤子機制） 2.5.1 Hooks 系統概述 2.5.2 Hook 事件類型（25+ 種） 2.5.3 Hook 類型（4 種） 2.5.4 Hook 配置詳解 2.5.5 實用 Hook 範例 2.5.6 Hook 執行規則與最佳實踐 2.5.7 進階 Hook 架構模式 2.6 MCP（Model Context Protocol） 2.6.1 MCP 概述 2.6.2 配置 MCP Server 2.6.3 工具搜尋（Tool Search） 2.6.4 MCP 認證 2.6.5 企業級 MCP 管理 2.6.6 常見 MCP Server 推薦 2.6.7 自行開發 MCP Server 2.6.8 MCP 除錯與疑難排解 2.7 Output Styles（輸出風格） 2.7.1 Output Styles 概述 2.7.2 配置 Output Styles 2.7.3 自訂輸出範本 2.7.4 場景化輸出風格 2.7.5 Output Styles 覆寫機制 2.7.6 與 Agent/Skill 結合 2.8 Scheduled Tasks（排程任務） 2.8.1 Scheduled Tasks 概述 2.8.2 配置排程任務 2.8.3 應用場景 2.8.4 排程任務搭配 Headless 模式 2.8.5 排程任務監控與通知 2.8.6 排程任務最佳實踐 第三部分：整合與最佳實踐 3.1 VS Code Extension 整合 3.1.1 安裝與啟用 3.1.2 核心功能 3.1.3 Checkpoints（檢查點） 3.1.4 Worktree 整合 3.1.5 第三方 AI Provider 3.1.6 VS Code 快捷鍵與命令總覽 3.1.7 Plan Mode（規劃模式）詳解 3.1.8 URI Handler 與 Plugin 管理 UI 3.1.9 VS Code 多實例與 Terminal 整合 3.2 Remote Control（遠端控制） 3.2.1 概述 3.2.2 啟動與連接 3.2.3 API 操作 3.2.4 應用場景 3.2.5 Remote Control 進階整合模式 3.3 Headless 模式與 SDK 3.3.1 Headless 模式 3.3.2 SDK 整合 3.3.3 應用場景 3.3.4 Headless 模式進階用法 3.4 整合工作流程 3.4.1 端到端開發流程 3.4.2 多元件協作實例 3.4.3 自動化配置組合範例 3.4.4 完整工作流程範例：從 Issue 到 PR 3.4.5 完整配置檔整合範例 3.5 團隊協作指南 3.5.1 共享配置管理 3.5.2 協作模式 3.5.3 知識共享 3.5.4 新人入職（Onboarding）工作流程 3.5.5 Code Review 工作流程 3.5.6 團隊開發標準化流程 3.6 效能優化 3.6.1 Token 使用優化 3.6.2 Context 管理優化 3.6.3 執行效率優化 3.6.4 成本控制策略 3.7 疑難排解 3.7.1 常見問題與解決方案 3.7.2 診斷方法 3.7.3 效能問題排查 3.7.4 取得幫助 3.8 Cowork 協同開發實戰 3.8.1 Cowork 概念與模式 3.8.2 團隊共享 CLAUDE.md 策略 3.8.3 多人協作工作流程 3.8.4 Agent Teams 協同開發 3.8.5 跨團隊 Plugin Marketplace 3.8.6 Remote Control 遠端協作 3.8.7 Channels 與 Dispatch 即時協作 3.8.8 Cowork 最佳實踐與防踩坑指南 第四部分：進階主題 4.1 企業級部署 4.1.1 企業管理架構 4.1.2 安全性配置 4.1.3 SSO 與認證整合 4.1.4 稽核日誌與合規性 4.1.5 企業部署架構模式 4.1.6 企業級配置管理策略 4.2 CI/CD 整合 4.2.1 GitHub Actions 整合 4.2.2 GitLab CI/CD 整合 4.2.3 通用 CI/CD 整合模式 4.2.4 CI/CD 最佳實踐 4.2.5 進階 CI/CD 場景 4.3 自訂開發 4.3.1 開發自訂 MCP Server 4.3.2 開發自訂 Skill 4.3.3 開發自訂 Plugin 4.3.4 自訂開發整合模式 4.4 Channels 與 Dispatch 深入解析 4.4.1 Channels 架構與協定 4.4.2 支援的通訊管道 4.4.3 Dispatch 行動端整合 4.4.4 自建 Channel MCP Server 4.4.5 企業級 Channel 部署 4.5 Agent Skills Open Standard 4.5.1 開放標準概述 4.5.2 agentskills.io 規範 4.5.3 跨工具互通性 4.5.4 社群生態與未來發展 第五部分：附錄 附錄 A：CLI 命令參考 A.1 啟動與基本操作 A.2 Slash Commands（互動式模式） A.3 Custom Slash Commands A.4 CLI 配置命令 A.5 進階 CLI 選項 A.6 CLI 環境變數 A.7 退出碼（Exit Codes） A.8 CLI 使用範例集 附錄 B：配置檔案參考 B.1 配置檔案一覽 B.2 settings.json 完整結構 B.3 .mcp.json 完整結構 B.4 CLAUDE.md 建議結構 B.5 managed-settings.json（企業管理員配置） B.6 managed-mcp.json（企業 MCP 管理） B.7 .claudeignore 語法 B.8 配置優先級完整圖 附錄 C：Hook Events 完整參考 C.1 所有事件 C.2 Hook 類型 C.3 環境變數 C.4 各事件詳細範例 C.5 常見 Hook 配方集 C.6 Hook 執行流程與錯誤處理 附錄 D：常見 MCP Servers 一覽 D.1 官方 MCP Servers D.2 社群熱門 MCP Servers D.3 依場景選擇 MCP Server D.4 MCP Server 配置範本 D.5 MCP Server 開發快速入門 D.6 MCP Server 除錯與監控 D.7 MCP Server 安全最佳實踐 附錄 E：術語表 附錄 F：常見問題 FAQ F.1 安裝與設定 F.2 使用技巧 F.3 企業使用 F.4 成本與效能 F.5 MCP 整合 F.6 Agent Teams 與協作 F.7 Skills 與 Plugins F.8 安全與隱私 結語 第一部分：基礎概念 (Foundation) 1.1 Claude Code 簡介 1.1.1 產品定位與核心價值 Claude Code 是 Anthropic 推出的 AI 輔助程式開發工具，定位為開發者的智慧協作夥伴，而非單純的程式碼生成器。 ...

版本: 1.0 最後更新: 2026年1月9日 適用於: Claude Code Created by: Eric Cheng Claude Code 使用教學手冊（資深同仁版） 版本：1.0 適用對象：資深工程師 / Tech Lead / 系統分析師 / 架構師 最後更新：2026 年 1 月 目錄 第一章：Claude Code 是什麼？（給資深工程師的視角） 1.1 Claude Code 與傳統 Copilot / ChatGPT Coding 的差異 1.2 適合用來做什麼？不適合做什麼？ 1.3 在企業環境中的合理定位 第二章：資深工程師使用 Claude Code 的正確心法 2.1 把 AI 當成「資深 Pair Programmer」而非新人工具 2.2 為什麼「規格比程式碼更重要」 2.3 Prompt 即設計文件的延伸 第三章：高品質 Prompt 設計原則 3.1 好 Prompt vs 壞 Prompt 對照 3.2 Prompt 必備元素 3.3 常見錯誤 Prompt 範例與改寫示範 第四章：Claude Code 在實務開發流程中的應用 4.1 需求釐清 / PRD 補強 4.2 架構設計與技術選型 4.3 程式碼生成與重構 4.4 測試案例補齊 4.5 技術文件與 README 生成 第五章：企業級實戰範例 5.1 範例一：協助重構 Legacy Code 5.2 範例二：根據規格產生模組骨架 5.3 範例三：產生測試與安全檢查建議 第六章：風險、限制與最佳實踐 6.1 AI 可能產生的風險 6.2 如何做 Code Review 與 AI Output Review 6.3 在銀行 / 企業內部的安全使用原則 第七章：團隊導入建議 7.1 適合哪些角色優先使用 7.2 與現有開發流程的整合方式 7.3 建議的內部使用規範 第八章：進階技巧與模式 8.1 Prompt Chain 設計模式 8.2 多輪對話策略 8.3 與 Spec-Driven Development 整合 附錄：檢查清單（Checklist） A. 使用前準備清單 B. Prompt 撰寫清單 C. 程式碼審查清單 D. 整合上線清單 E. 團隊導入清單 版本紀錄 參考資源 第一章：Claude Code 是什麼？（給資深工程師的視角） 1.1 Claude Code 與傳統 Copilot / ChatGPT Coding 的差異 作為資深工程師，您可能已經使用過多種 AI 編程輔助工具。以下是 Claude Code 與其他工具的核心差異： ...

版本: 1.0 最後更新: 2026年1月9日 適用於: Claude Code Created by: Eric Cheng Claude Code 使用教學手冊（新進同仁版） 版本：1.0 最後更新：2026 年 1 月 適用對象：新進軟體工程師（PG / SA / Tech Lead 初階） 先決條件：具備基本程式設計能力 目錄 第 1 章：Claude Code 是什麼？ 1.1 Claude Code 的定位 1.2 與一般聊天式 AI 的差異 1.3 適合與不適合的使用情境 1.4 Claude Code 在企業開發流程中的角色 第 2 章：Claude Code 的基本操作觀念 2.1 Prompt ≠ 問問題 2.2 好 Prompt 的核心結構 2.3 單輪 vs 多輪對話策略 2.4 如何逐步收斂出可用結果 第 3 章：新進工程師必學的 Prompt 範本 3.1 程式碼解讀 Prompt 3.2 新功能開發 Prompt 3.3 舊系統重構 Prompt 3.4 Bug 分析 Prompt 3.5 單元測試產生 Prompt 3.6 Code Review Prompt 3.7 規格補齊 Prompt 第 4 章：Claude Code 在實務開發中的典型流程 4.1 從需求文字到程式碼 4.2 從舊程式碼到可維護設計 4.3 從「我看不懂」到「我能修改」 4.4 搭配 Git / PR / Review 的使用方式 第 5 章：常見錯誤與 Anti-Pattern 5.1 問太籠統 5.2 一次丟太多責任 5.3 沒有限制輸出格式 5.4 盲目相信 AI 結果 5.5 沒做人工驗證 第 6 章：Claude Code 使用最佳實務（Best Practices） 6.1 Prompt 模組化 6.2 對話紀錄如何保存 6.3 與團隊共用 Prompt 的方式 6.4 什麼情況不該用 Claude Code 第 7 章：企業內部使用注意事項 7.1 資安與機敏資料原則 7.2 原始碼與客戶資料保護 7.3 法遵與稽核觀點 7.4 AI 產出責任歸屬說明 第 8 章：進階應用（選讀） 8.1 Spec-Driven Development（SDD） 8.2 將 Claude Code 當成虛擬 Pair Programmer 8.3 長任務拆解技巧 8.4 Prompt Chain 與角色切換 附錄：新進同仁檢查清單（Checklist） 延伸閱讀與資源 前言：如何使用本手冊 本手冊專為「新進軟體工程師」設計，協助您快速掌握 Claude Code 的使用方式。 ...

OpenSpec 使用教學手冊 版本：3.1 更新日期：2026-03-23 適用版本：OpenSpec v1.2.0（含 Profiles、OPSX 工作流程、動態指令架構與語義規格同步） 適用對象：新進軟體工程師、系統分析師、尚未接觸過 SDD 或 OpenSpec 的同仁 官方網站：openspec.dev 目錄 前言 為什麼需要這份手冊？ 本手冊的目標 閱讀建議 第一章：OpenSpec 是什麼？ 1.1 為什麼會有 OpenSpec 1.2 與傳統 PRD / SRS / 設計文件的差異 1.3 OpenSpec 在 SDD 中扮演的角色 第二章：Spec-Driven Development（SDD）核心概念 2.1 規格優先（Spec First） 2.2 規格即合約（Spec as Contract） 2.3 規格可被 AI 理解與執行 第二章小結 第三章：OpenSpec 文件結構說明 3.1 常見 Spec 類型 3.2 每一種 Spec 的用途與撰寫原則 3.3 好的 Spec 與壞的 Spec 範例比較 第三章小結 第四章：使用 OpenSpec 的標準工作流程 4.1 從需求想法到 Spec 4.2 OPSX 工作流程與 Profiles 系統（v1.2.0） 三大架構革新（v1.0.0 起） 各 AI 工具的指令語法差異 4.3 與 AI 互動修正 Spec 的方式 4.4 Spec 如何驅動設計、程式碼與測試 第四章小結 第五章：新進同仁實作範例 5.1 案例說明：帳戶餘額查詢 API 5.2 從需求描述到 OpenSpec 文件 5.3 示範如何向 AI 詢問與優化 Spec 第五章小結 第六章：常見錯誤與反模式（Anti-Patterns） 6.1 規格寫得像程式碼 6.2 規格過於抽象或過度細節化 6.3 把 AI 當成自動寫 Code 工具 常見反模式總覽 第六章小結 第七章：導入 OpenSpec 的最佳實務 7.1 團隊協作方式 7.2 Spec Review 重點 7.3 如何版本控管 Spec 第七章小結 第八章：給新進同仁的學習建議 8.1 上手順序 8.2 常見卡關點 8.3 如何從「會寫」進階到「寫得好」 第八章小結 附錄：檢查清單（Checklist） A. OpenSpec 環境設定檢查清單 B. Spec 撰寫檢查清單 C. Spec Review 檢查清單 D. 變更完成檢查清單 E. 常用 CLI 指令速查 F. 與 AI 對話 Prompt 範本 G. 支援的 AI 工具清單 H. 疑難排解（Troubleshooting） 參考資源 官方資源 相關工具 延伸閱讀 文件資訊 前言 為什麼需要這份手冊？ 在 AI 輔助開發的時代，許多團隊開始使用 GitHub Copilot、Claude、ChatGPT 等工具來加速開發。然而，AI 助手在沒有明確規格的情況下，容易產生不符合需求的程式碼，或是理解偏差導致返工。 ...