AI開發

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：2.0.0 日期：2026-06-30 適用範圍：Claude Code / GitHub Copilot / Codex CLI / Gemini CLI / Cursor / Kiro / Windsurf / Cline 目標讀者：資深工程師、架構師、Tech Lead、AI 成本治理人員 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。」 本手冊整合了 RTK（Rust Token Killer）、Headroom（Context 壓縮層）、Understand-Anything（Knowledge Graph Builder）、GitNexus（Repository Intelligence）、Graphify（Code Knowledge Graph）、codebase-memory-mcp（Hybrid LSP Memory）、CodeGraph（Auto-Sync Graph）、Ponytail（YAGNI Agent Plugin）等 8 大工具的設計理念，結合 SSDLC Agent Team 協作模式與企業實戰經驗，系統性地提供從個人開發到企業治理的完整 Token 節省策略。 ...

Everything Claude Code (ECC) 教學手冊 版本：v2.0.0（2026 年 6 月） 適用對象：軟體工程師（初階～資深）、架構師、DevOps / SRE、AI 工程師 授權：MIT License 官方 GitHub：https://github.com/affaan-m/ECC 官方網站：https://ecc.tools GitHub Marketplace：https://github.com/marketplace/ecc-tools Discord 社群：https://discord.gg/36yGMHGFbR 社群統計：224K+ Stars ∣ 34.3K+ Forks ∣ 289+ Contributors ∣ 12+ 語言生態系 官方指南： — Shorthand Guide（入門首選） — Longform Guide（進階深入） — Security Guide（安全防護） 📑 目錄 第一章：Everything Claude Code 架構總覽 1.1 ECC 是什麼 1.2 與傳統 Prompt Engineering 差異 1.3 Context Engineering 與 Harness Engineering 1.4 ECC 整體架構圖 1.5 Agent / Skills / Hooks / Commands 關係圖 1.6 版本演進歷程 第二章：ECC 核心組件解析 2.1 Agents（代理） 2.2 Skills（技能） 2.3 Commands & Hooks 2.4 Rules（規則） 2.5 記憶與上下文管理 2.6 Contexts（動態上下文注入） 2.7 MCP Server 配置 第三章：安裝與環境建置 3.1 前置需求 3.2 Plugin 安裝（推薦） 3.3 手動安裝 3.4 Windows PowerShell 安裝 3.5 跨 Harness 整合（Cursor / Codex / Copilot / Zed / OpenCode） 3.6 環境變數設定 3.7 Dashboard GUI 3.8 套件管理器偵測 3.9 故障復原與診斷 第四章：企業級 Web 系統架構設計（搭配 ECC） 4.1 企業系統架構背景 4.2 ECC Agent 分工架構 4.3 Orchestrator 家族（v2.0.0） 4.4 系統架構圖 4.5 Agent 協作流程 第五章：開發流程（AI 驅動） 5.1 AI 驅動開發總覽 5.2 /plan — 需求規劃 5.3 /design — 架構設計 5.4 /implement（TDD）— 實作 5.5 /test — 測試 5.6 /code-review — 程式碼審查 5.7 /deploy — 部署 5.8 /verify — 驗證迴圈 第六章：測試與品質控管 6.1 TDD Skill 實作 6.2 自動 Code Review 6.3 Plankton 程式碼品質 6.4 AgentShield 安全掃描 6.5 CI/CD 整合測試流程 6.6 驗證迴圈與評估框架 第七章：安全（SSDLC） 7.1 ECC 安全架構 7.2 安全檢查自動化 7.3 OWASP Top 10 防護 7.4 Secret Detection 7.5 GateGuard 安全閘門 第八章：部署與維運（DevOps） 8.1 CI/CD 整合 8.2 監控與日誌 8.3 AI Agent 監控 第九章：系統維護與升級 9.1 ECC 版本升級策略 9.2 Skills / Agents 管理 9.3 相容性與故障排除 第十章：最佳實踐（Best Practices） 10.1 避免上下文污染 10.2 Agent 設計原則 10.3 Skill 設計模式 10.4 Token 最佳化 10.5 平行化策略 第十一章：常見問題與排錯 第十二章：進階應用 12.1 多 Agent 協作（Multi-Agent System） 12.2 與其他 AI 工具整合 12.3 自訂 Agent 12.4 ECC 2.0 Control-Pane Substrate 12.5 NanoClaw v2 12.6 GAN 風格產生器-評估器框架 12.7 Operator Status Snapshots 12.8 Cross-Harness Architecture 附錄 A. 常用指令 Cheat Sheet B. Skills 範例模板 C. Agent 設計模板 D. 跨工具功能對照表 E. 檢查清單（Checklist） F. 生態系工具與社群資源 G. 版本變更摘要 第一章：Everything Claude Code 架構總覽 1.1 ECC 是什麼 Everything Claude Code（ECC）是一個開源的 Agent Harness Operating System（代理控制操作系統），由 Anthropic 黑客松冠軍 Affaan Mustafa 建立。 ...

GSD Core（Get-Shit-Done）企業級教學手冊 版本：4.0 GSD Core 版本：v1.6.0（2026-06-23 — 新 repo）／v1.42.3（2026-05-18 — 舊 repo 最終版） 適用對象：資深工程師、技術主管、架構師 最後更新：2026-06-30 定位：實戰與維運導向的內部開發規範文件 官方資源：GitHub（GSD Core） ｜ 舊 GitHub（已歸檔） ｜ 官方網站 ｜ 文件站 ｜ Discord 重要通知：GSD 專案已於 2026 年 5 月遷移至 open-gsd/gsd-core，舊 repo gsd-build/get-shit-done 已於 2026-06-26 正式歸檔（Archive），設為唯讀狀態。npm 套件名稱統一為 @opengsd/gsd-core。所有新的開發、Issues 與 Releases 均在新 repo 進行。 目錄 第一章：GSD 概述 1.1 GSD 是什麼 1.2 支援的 AI Runtime 1.3 與傳統開發的差異 1.4 與 Agile / DevOps / AI Coding 的關係 1.5 GSD 版本演進 第二章：核心概念 2.1 Meta Prompting 2.2 Context Engineering 2.3 Spec-Driven Development 2.4 Multi-Agent Orchestration 2.5 Context Rot 問題與解法 2.6 XML Prompt Formatting 2.7 Atomic Git Commits 2.8 Capability System（v1.4.0+） 2.9 Edge & Prohibition Coverage（v1.3.0+） 2.10 Decision Coverage Gates（v1.4.0+） 2.11 MemPalace 記憶整合（v1.4.0+） 第三章：系統架構設計（企業級） 3.1 GSD + AI Agent 架構圖 3.2 與 Web Application（前後端）整合方式 3.3 微服務 / Clean Architecture / Hexagonal Architecture 3.4 與資料庫整合 3.5 與 MQ / Cache / API Gateway 整合 第四章：安裝與環境建置 4.1 GSD 安裝步驟 4.2 Claude Code 設定 4.3 Gemini CLI 設定 4.4 Kimi CLI 設定（v1.4.0+） 4.5 其他 Runtime 設定 4.6 VS Code 開發環境配置 4.7 Windows / Linux 環境差異 第五章：GSD 開發流程（核心） 5.0 流程總覽 5.1 /gsd-new-project 5.2 /gsd-discuss-phase 5.3 /gsd-spec-phase — Socratic 規格釐清（v1.3.0+） 5.4 /gsd-plan-phase 5.5 /gsd-execute-phase 5.6 /gsd-verify-work 5.7 /gsd-ship 5.8 /gsd-quick — 快速任務模式 5.9 /gsd-fast — 即時內嵌任務 5.10 /gsd-progress — 狀態與流程推進 5.11 /gsd-autonomous — 全自動推進 5.12 里程碑管理 5.13 Workstreams — 並行工作流 5.14 /gsd-capture — 統一捕獲命令 5.15 Session 管理 5.16 /gsd-workspace — 工作區管理 5.17 /gsd-phase — ROADMAP 管理（v1.3.0+） 5.18 /gsd-mvp-phase — MVP 導向規劃（v1.3.0+） 5.19 /gsd-plan-review-convergence — 跨 AI 計畫收斂（v1.3.0+） 5.20 /gsd-manager — 多 Phase 指揮中心（v1.3.0+） 5.21 /gsd-surface — Skill 叢集切換（v1.2.0+） 第六章：實戰案例（Web Application） 6.1 案例背景 6.2 Phase 1：需求 → Spec 6.3 Phase 2：Spec → Plan 6.4 Phase 3：Plan → Code 6.5 Phase 4：Code → 驗證 第七章：AI 協作最佳實踐 7.1 如何避免 AI 幻覺 7.2 如何控制上下文 7.3 Prompt 設計技巧 7.4 多 Agent 協作模式 第八章：系統維運與監控 8.1 Logging 最佳實踐 8.2 Monitoring 架構 8.3 錯誤追蹤 8.4 效能調校 8.5 成本控制（AI Token） 第九章：系統升級與擴展 9.1 GSD 升級策略 9.2 Prompt Versioning 9.3 Spec Versioning 9.4 與 CI/CD 整合 第十章：安全強化機制 10.1 GSD 內建安全防護 10.2 Package Legitimacy Gate 10.3 敏感檔案保護 10.4 企業安全合規整合 10.5 Prompt Injection Guard（v1.4.0+） 10.6 Read-Injection Scanner（v1.4.0+） 10.7 OWASP ASVS Level 整合（v1.5.0+） 第十一章：企業導入策略 11.1 團隊導入流程 11.2 開發規範制定 11.3 Governance（治理） 11.4 安全與權限控管 第十二章：GSD 完整命令參考 12.1 核心工作流命令 12.2 推進與導航命令 12.3 快速執行命令 12.4 品質與安全命令 12.5 專案分析命令 12.6 捕獲與構思命令 12.7 上下文管理命令 12.8 系統管理命令 12.9 版本控制命令 12.10 工作區與里程碑命令 12.11 進階規劃命令 12.12 使用者與審計命令 12.13 Namespace Meta-Skills（路由器） 12.14 Capability 管理命令（v1.4.0+） 12.15 模型與路由命令（v1.5.0+） 12.16 狀態與漂移檢測命令（v1.5.0-v1.6.0） 12.17 CLI 工具命令 第十三章：GSD 設定參考 13.1 config.json 完整 Schema 13.2 Model Profiles 13.3 Workflow Toggles 13.4 Git Branching 策略 13.5 Hook 設定 13.6 Install Profiles 13.7 Model Policy Presets（v1.5.0+） 13.8 Dynamic Routing 設定（v1.5.0+） 13.9 Effort Control（v1.5.0+） 13.10 State Rebuild 合約（v1.5.0+） 13.11 Observability 審計追蹤（v1.5.0+） 第十四章：常見問題（FAQ） 14.1 常見錯誤 14.2 Debug 方法 14.3 Anti-Patterns 第十五章：.planning/ 目錄結構參考 15.1 完整目錄樹狀圖 15.2 核心檔案說明 15.3 Context 目錄 15.4 Specs 與 Plans 目錄 15.5 Checkpoints 與 Reports 目錄 15.6 .gitignore 建議 附錄：檢查清單（Checklist） 第一章：GSD 概述 1.1 GSD 是什麼 GSD（Get-Shit-Done）是一套輕量級 Meta-Prompting 系統，適用於 Claude Code 及其他主流 AI Coding Runtime，透過結構化的 Slash Commands 驅動 AI Agent 完成高品質的軟體交付。 ...

GitHub CLI 教學手冊 版本：基於 GitHub CLI v2.74.0（2026-05 最新穩定版）／GitHub Copilot CLI v1.0.65（2026-06-24 最新穩定版） 適用對象：資深工程師 / DevOps 工程師 / 架構師 / SRE / AI 團隊 技術環境：企業級 Web Application（Spring Boot / Vue / 微服務架構） 最後更新：2026-06-30 目錄 第 1 章：GitHub CLI 概述 1.1 GitHub CLI 是什麼 1.2 為何企業要導入 GitHub CLI 1.3 GitHub CLI 架構 1.4 GitHub CLI 與 Git 的差異 1.5 GitHub CLI 與 GitHub API 的關係 1.6 GitHub CLI 使用情境 1.7 GitHub CLI 優缺點 第 2 章：GitHub CLI 安裝與環境建置 2.1 Windows 安裝 2.2 macOS 安裝 2.3 Linux 安裝 2.4 WSL 安裝 2.5 驗證安裝 2.6 Proxy 設定 2.7 公司內網設定 2.8 SSH Key 建立 2.9 GPG Key 建立 2.10 Git 設定 2.11 GitHub Login 2.12 Token 管理 2.13 PAT 管理 第 3 章：GitHub Authentication 與安全管理 3.1 gh auth login 3.2 gh auth status 3.3 gh auth refresh 3.4 gh auth logout 3.5 SSH Authentication 3.6 HTTPS Authentication 3.7 PAT Token 3.8 Fine-grained Token 3.9 SSO 3.10 Enterprise Authentication 3.11 最佳安全實務 3.12 Token Rotation 3.13 Secret 管理 3.14 Least Privilege 原則 第 4 章：GitHub Repo 管理 4.1 建立 Repo 4.2 Clone Repo 4.3 Fork Repo 4.4 Rename Repo 4.5 Delete Repo 4.6 Archive Repo 4.7 Template Repo 4.8 Monorepo 4.9 Polyrepo 4.10 Repo 命名規範 4.11 Repo Governance 4.12 Repo 權限管理 4.13 Team 管理 第 5 章：Source Code 上架與管理 5.1 Git 初始化 5.2 Push Source Code 5.3 Branch 管理 5.4 Git Flow 5.5 Trunk Based Development 5.6 Feature Branch 5.7 Release Branch 5.8 Hotfix Branch 5.9 Commit Convention 5.10 Pull Request Flow 5.11 Code Review Flow 第 6 章：文件管理策略 6.1 Markdown 文件管理 6.2 docs 結構 6.3 ADR 管理 6.4 Architecture 文件 6.5 API 文件 6.6 README 標準化 6.7 Wiki 管理 6.8 GitHub Pages 第 7 章：GitHub CLI 常用指令大全 7.1 gh repo 7.2 gh pr 7.3 gh issue 7.4 gh release 7.5 gh workflow 7.6 gh run 7.7 gh api 7.8 gh alias 7.9 gh extension 7.10 gh browse 7.11 gh codespace 7.12 gh gist 7.13 gh project 7.14 gh search 7.15 gh cache 7.16 gh attestation 7.17 gh ruleset 7.18 gh label 7.19 gh variable 7.20 gh secret 7.21 gh status 7.22 gh config 第 8 章：GitHub Actions 與 Workflow Automation 8.1 GitHub Actions 架構 8.2 Workflow 基礎 8.3 Runner 與 Self-hosted Runner 8.4 Matrix Build 8.5 Cache 與 Artifact 8.6 Secret 與 Environment 8.7 CI Workflow 範例 8.8 CD Workflow 範例 8.9 Release Workflow 範例 8.10 Security Scan Workflow 8.11 AI Workflow 第 9 章：SSDLC 與 Security 9.1 Secret Scanning 9.2 Dependabot 9.3 CodeQL 9.4 Security Policy 9.5 Branch Protection 9.6 CODEOWNERS 9.7 Signed Commit 9.8 Supply Chain Security 與 SBOM 9.9 OWASP 與 DevSecOps 9.10 SAST 與 DAST 第 10 章：GitHub CLI 自動化腳本 10.1 Bash Script 10.2 PowerShell Script 10.3 Windows Batch 10.4 Python Script 10.5 Repo 初始化自動化 10.6 Branch Protection 自動化 10.7 Release Automation 第 11 章：AI 整合與 Copilot CLI 11.1 GitHub Copilot CLI 概述 11.2 Copilot CLI 安裝與設定 11.3 核心操作模式 11.4 Slash Commands 指令大全 11.5 MCP Server 整合 11.6 自訂 Agent、Skills 與 Plugins 11.7 Session 管理與記憶 11.8 Fleet 模式與子代理人 11.9 LSP 整合 11.10 Hooks 系統 11.11 企業級 Copilot CLI 管理 11.12 觀測性與監控 11.13 gh copilot 擴充套件（Legacy） 11.14 Copilot 在 PR Review 中的應用 11.15 AI-Powered Workflow 11.16 Copilot CLI 最佳實務與 AI Agent 整合策略 第 12 章：企業級最佳實務 12.1 Organization 管理 12.2 Repository Governance 12.3 Inner Source 策略 12.4 合規與稽核 12.5 Token 與權限管理 12.6 GitHub Projects 管理 12.7 多帳戶與跨平台管理 第 13 章：維運與監控 13.1 API Rate Limit 監控 13.2 Workflow 執行監控 13.3 Repo 活躍度監控 13.4 Security Alert 監控 13.5 Billing 與用量 13.6 通知管理 第 14 章：實戰案例 14.1 案例一：微服務團隊快速啟動 14.2 案例二：Release 流程自動化 14.3 案例三：Security 合規自動化 14.4 案例四：PR Review 流程優化 14.5 案例五：跨 Repo 標準化 第 15 章：故障排除（Troubleshooting） 15.1 常見錯誤與解決方案 15.2 CLI 升級與相容性 15.3 Debug 模式 15.4 Copilot CLI 常見問題 第 16 章：最佳實務總覽 16.1 日常開發 16.2 團隊協作 16.3 安全 16.4 CI/CD 16.5 自動化 第 17 章：附錄 17.1 Cheat Sheet 17.2 環境變數 17.3 設定檔位置 17.4 常用 jq 語法 17.5 FAQ 檢查清單（Checklist） 第 1 章：GitHub CLI 概述 1.1 GitHub CLI 是什麼 GitHub CLI（指令為 gh）是 GitHub 官方開發的開源命令列工具，以 Go 語言撰寫，讓開發者直接在終端機中與 GitHub 平台互動。它將 Pull Request、Issue、GitHub Actions、Release 等 GitHub 核心功能帶入命令列，消除在瀏覽器與終端機之間頻繁切換的低效工作模式。 ...

Graphify 教學手冊 版本：v0.9.2（2026-06-30） 適用對象：資深工程師、架構師、DevOps 團隊 定位：企業級知識圖譜建置與維運實戰手冊 授權：MIT License Y Combinator：S26 批次 目錄 第 1 章：Graphify 概述 1.1 什麼是 Graphify 1.2 工具定位與比較 1.3 使用情境 1.4 與 AI Agent 的關係 1.5 核心特色摘要 1.6 多後端支援 1.7 Penpax 與生態系統發展 第 2 章：系統架構設計 2.1 整體架構圖 2.2 三階段處理 Pipeline 2.3 Pipeline 模組詳解 2.4 模組職責對照表 2.5 Graph 資料模型 2.6 Confidence Labels（信賴標籤） 2.7 實體去重 Pipeline 2.8 與企業系統整合架構 2.9 技術棧 第 3 章：安裝與環境建置 3.1 環境需求 3.2 安裝步驟（各平台） 3.3 多平台支援 3.4 選用安裝項目（Optional Extras） 3.5 Docker 部署方式（企業推薦） 3.6 安全性設定 3.7 常見安裝問題排除 第 4 章：基本使用教學 4.1 初始化專案 4.2 建立知識圖譜 4.3 指令完整說明 4.4 輸出內容說明 4.5 .graphifyignore 設定 4.6 Always-On 模式設定 4.7 查詢知識圖譜 第 5 章：進階使用（企業必備） 5.1 全域知識圖譜（Global Graph） 5.2 多 Repo 分析 5.3 增量更新與 Watch 模式 5.4 Git Hooks 與合併驅動器 5.5 與 CI/CD 整合 5.6 與 AI 助手整合 5.7 MCP Server 模式 5.8 知識圖譜查詢應用（RAG 強化） 5.9 多格式匯出 5.10 Wiki 生成 5.11 記憶回饋迴圈（Memory Feedback Loop） 5.12 Callflow HTML 匯出 5.13 Docker MCP Toolkit 5.14 PR Dashboard（圖譜感知 PR 管理） 5.15 自訂 LLM Provider Registry 5.16 循環匯入偵測（Import Cycle Detection） 5.17 專案範圍安裝（Project-Scoped Install） 5.18 Azure OpenAI 後端 5.19 Terraform / HCL 支援 5.20 Salesforce Apex 支援 5.21 PostgreSQL Schema 內省 5.22 FalkorDB 圖資料庫整合 5.23 Cargo Workspace 映射 5.24 CUDA / Metal Shader 支援 5.25 WPF / XAML 支援 5.26 Graph Health Gate 5.27 Trigram Query 預過濾 5.28 新增平台支援 第 6 章：實戰案例 6.1 案例一：舊系統逆向工程（Java / Spring） 6.2 案例二：微服務架構知識盤點 6.3 案例三：新人 Onboarding 加速 6.4 案例四：影音知識庫建構 第 7 章：系統升級與版本管理 7.1 升級 Graphify 7.2 Graph Schema 版本控制 7.3 與 Git 版本同步策略 7.4 v0.9.0 破壞性變更遷移指南 第 8 章：安全與隱私設計（SSDLC） 8.1 安全模型總覽 8.2 本地運算優勢 8.3 威脅面與緩解措施 8.4 敏感資料處理 8.5 權限控管（RBAC） 8.6 稽核與追蹤 8.7 漏洞回報流程 8.8 支援版本政策 第 9 章：最佳實務（Best Practices） 9.1 大型專案使用建議 9.2 Token 最佳化策略 9.3 Graph 建模技巧 9.4 團隊導入策略 9.5 環境變數參考 第 10 章：常見問題（FAQ） 附錄 A：檢查清單（Checklist） 附錄 B：指令速查表 附錄 C：版本歷程摘要 附錄 D：官方基準測試結果（Worked Examples） 附錄 E：貢獻指南 第 1 章：Graphify 概述 1.1 什麼是 Graphify Graphify 是由 AI 工程師 Safi Shamsi 開發的開源工具（GitHub 星數 74.4k+、貢獻者 100+、Releases 148+、Y Combinator S26 批次），能將任何資料夾（程式碼、PDF、圖片、影片、音訊、Markdown、Office 文件、Google Workspace、MCP 設定、Terraform/HCL、Salesforce Apex、XAML）自動轉化為可查詢的知識圖譜（Knowledge Graph）。 ...

Hermes Agent 生態系教學手冊（Enterprise Edition） 版本：v0.17.0（v2026.6.19 — 涵蓋 The Foundation Release + The Velocity Release + The Surface Release + The Reach Release） 適用對象：資深工程師 / 架構師 / DevOps 團隊 授權：MIT License 官方網站：hermes-agent.nousresearch.com GitHub：github.com/NousResearch/hermes-agent 官方文件：hermes-agent.nousresearch.com/docs Desktop 下載：hermes-agent.nousresearch.com（macOS / Windows / Linux） Skills Hub：agentskills.io LLM 友善文件：llms.txt / llms-full.txt 最後更新：2026 年 6 月 30 日 📑 目錄 第一章：Hermes Agent 概述 1.1 技術背景與發展 1.2 與傳統 AI 的差異 1.3 Agent vs Workflow vs RPA 比較 1.4 核心設計理念 1.4.1 Learning Loop（學習迴圈） 1.4.2 Skill System（技能系統） 1.4.3 Persistent Memory（持久記憶） 1.4.4 Model Agnostic（模型無關） 1.4.5 Voice Mode（語音模式） 1.4.6 Web Dashboard（v0.9.0+） 1.4.7 Transport 架構（v0.11.0+） 1.4.8 Autonomous Curator（v0.12.0+） 1.4.9 Multi-agent Kanban（v0.13.0+） 1.4.10 Persistent Goals（v0.13.0+） 1.4.11 Post-write Delta Lint（v0.13.0+） 1.4.12 i18n 多語言支援（v0.13.0+） 1.4.13 hermes proxy — OpenAI 相容本地代理（v0.14.0+） 1.4.14 PyPI 套件安裝（v0.14.0+） 1.4.15 /handoff 即時 Session 轉移（v0.14.0+） 1.4.16 Promptware 防禦（v0.15.0+） 1.4.17 Bitwarden Secrets Manager（v0.15.0+） 1.4.18 Skill Bundles（v0.15.0+） 1.4.19 Hermes Desktop App（v0.16.0+） 1.4.20 Background Subagents（v0.17.0+） 1.4.21 Image Editing（v0.17.0+） 1.4.22 Automation Blueprints（v0.17.0+） 1.4.23 Memory Atomic Batch Operations（v0.17.0+） 第二章：整體系統架構 2.1 架構設計概述 2.2 分層架構圖 2.3 各層級說明 2.4 多 Agent 協作架構 2.5 高可用與擴展性設計 第三章：Hermes Agent 核心機制解析 3.1 Learning Loop（學習迴圈） 3.2 Skill System（技能系統） 3.3 Memory System（記憶系統） 3.4 Planning / Execution Flow 3.5 Tool Calling 機制 3.6 Model Routing（多模型切換） 3.7 Autonomous Curator（自動技能維護） 3.8 Persistent Goals 與 Ralph Loop 3.9 Post-write Delta Lint（自動語法檢查） 3.10 Checkpoints v2（狀態持久化） 第四章：安裝與環境建置 4.1 系統需求 4.2 快速安裝（Linux / macOS / WSL2） 4.3 Native Windows 安裝 4.4 Docker / Podman 部署 4.5 Nix Flake 安裝 4.6 設定 API Key 4.7 設定檔說明 第五章：快速開始（Quick Start） 5.1 第一次對話 5.2 建立 AI Coding Agent 5.3 設定 Memory 5.4 設定 Tools 5.5 執行任務範例 第六章：進階開發（企業級） 6.1 自訂 Skill（技能封裝） 6.2 多 Agent 協作設計 6.3 Multi-agent Kanban 實戰 6.4 長期記憶設計（Vector DB） 6.5 任務拆解（Task Decomposition） 6.6 Workflow Orchestration 6.7 SOUL.md 與 Personality 系統 6.8 Context Files（專案上下文檔案） 6.9 Plugin 系統（v0.12.0+ / v0.13.0 擴充） 第七章：Voice Mode（語音模式） 7.1 語音模式概述 7.2 支援的 STT / TTS 提供者 7.3 CLI 語音互動 7.4 Telegram / Discord 語音互動 7.5 Discord Voice Channel 即時語音 7.6 企業語音整合建議 第八章：Web Application 整合 8.1 整合架構設計 8.2 FastAPI 後端整合 8.3 Spring Boot 後端整合 8.4 前端整合（Vue / React） 8.5 Agent-as-a-Service API 設計 第九章：企業級最佳實踐 9.1 安全性設計 9.1.4 安全強化（v0.5.0 — v0.13.0 持續強化） 9.2 成本控制 9.3 效能優化 9.4 Logging / Monitoring 9.5 錯誤處理與重試機制 9.6 Tips & Best Practices 第十章：部署與維運（DevOps） 10.1 Docker 部署 10.2 Kubernetes 部署 10.3 CI/CD 流程 10.4 滾動升級 10.5 災難復原（DR） 第十一章：升級與版本管理 11.1 升級策略 11.1.6 v0.13.0 升級特別注意事項 11.2 相容性管理 11.3 Migration 設計 第十二章：實戰案例 12.1 AI Coding Agent 12.2 智慧客服 Agent 12.3 銀行流程自動化 Agent 12.4 多媒體創作 Agent 第十三章：常見問題（FAQ） 第十四章：Hermes Desktop App（v0.16.0+） 附錄 A：檢查清單（Checklist） 附錄 B：指令速查表 附錄 C：環境變數參考 附錄 D：Provider 完整清單 第一章：Hermes Agent 概述 1.1 技術背景與發展 Hermes Agent 是由 Nous Research 開發的開源自我改進 AI Agent。Nous Research 是知名的 AI 研究實驗室，以訓練 Hermes、Nomos、Psyche 等開源模型聞名。 ...