AI開發

awesome-copilot 教學手冊 企業軟體開發團隊使用 awesome-copilot 建立 AI Agent Development Platform 的完整實戰教科書 Repository：github.com/github/awesome-copilot（owner：GitHub 官方 org，MIT License，38.5k+ Stars、4.9k+ Forks、494 位貢獻者，內容為社群貢獻） 官方網站：awesome-copilot.github.com（含 Learning Hub、llms.txt） 查證日期：2026-08-27（初版）／2026-08-28（第二版複查：Repository 現況、External Plugins 審查流程、Plugin 宣告式安裝、企業級 Plugin 標準、VS Code Agent／Skill 規格細節）／2026-08-28（第三版增修：VS Code 官方 Agent Harness／Session Target／Agent Host 定義釐清、Agent Sandboxing、Chat Customizations Evaluations 與 Waza 評測、Agent Customizations 編輯器、Copilot SDK、awesome-copilot AI 供應鏈治理資源盤點）／2026-08-31（第四版全面複查：Hooks 事件由 6 個擴充為 14 個並新增 Policy Hooks 與 Cloud Agent 執行環境、Agent Skills 官方 frontmatter 與五個探索路徑校正、managed-settings.json 完整鍵表與 Sandbox／Telemetry／RemoteControl、企業團隊 overridable 覆寫機制、Copilot CLI Skills／Plugin 指令、MCP Allowlist 治理） ...

ai-memory 教學手冊 ai-memory —— AI Coding Agent 跨 Session、跨 Agent 長期記憶系統企業導入完整指南 Version：v1.33.0（依 Cargo.toml 的 [workspace.package] version 查證，2026-08-28 查證時之最新版本；v1.33.0 於 2026-08-28 發布） Research Date：2026-08-26（初版）／2026-08-28（第二次全文複查與版本更新） 適用對象：Software Developer、Tech Lead、Software Architect、AI Architect、DevSecOps 工程師 目的：協助企業軟體開發團隊建立「AI Coding Agent Long-Term Memory + Cross-Agent Handoff + Project Knowledge Continuity」 Repository：github.com/akitaonrails/ai-memory（MIT License） 技術堆疊：Rust 2024 edition（最低 1.95）、rmcp（MCP transport）、axum（HTTP）、SQLite + FTS5、Git ⚠️ 重要聲明（請務必先讀） 本手冊是彙整、重組、補充企業導入實務，而不是官方文件的翻譯。 內容依官方 Repository（README.md、docs/*.md、AGENTS.md、CLAUDE.md、CHANGELOG.md、Cargo.toml、hooks/、docker/、packaging/、crates/）逐檔查證後，以繁體中文重新組織、延伸為企業教材，並大量補充 Scenario、AI Prompt 範例、比較表、Checklist 與企業導入建議。 ai-memory 不是一般的「Memory Database」，而是透過 MCP（Model Context Protocol）讓不同 AI Coding Agent（Claude Code、OpenAI Codex、GitHub Copilot 等）存取共同的、Git 版控的長期記憶系統。 本手冊會不斷強調這個核心觀念：Markdown Wiki 是唯一的 Source of Truth，SQLite／FTS5／Embedding 都只是為了加速檢索而衍生出來的索引層，而非相反。 ...

GitHub Copilot 逆向工程教學手冊（Java Web） 版本：3.0 最後更新：2026-09-01 適用對象：資深工程師、架構師、技術主管 技術棧：Java 21 LTS（既有系統延續）／25 LTS（新專案建議）｜Spring Boot 4.1.x（現行建議，最新 patch 4.1.1）／4.0.x（維護中；3.x 系列已於 2026-06-30 全面 EOL）｜VS Code 1.135＋GitHub Copilot（Chat／Agents／Plan／Cloud Agent／CLI／MCP／Agent Plugins） 本版重點：全面對齊 2026-09-01 現況——收錄 VS Code 1.135 Agents 視窗、Agent Plugins 1.0、Copilot Code Review 能力擴充；修正 MCP、Agent Skills、Hooks 三處已變更的設定路徑（舊寫法照抄會失效）；更新 2026-09-01 生效的模型下架清單與計費政策。逐條佐證見 附錄 E。 📑 目錄 第 1 章 概論 1.1 什麼是逆向工程（Reverse Engineering） 1.2 Legacy System 現代化挑戰 1.3 GitHub Copilot 在逆向工程的角色 Copilot 2026 核心功能對逆向工程的價值 1.4 適用情境 銀行/金融業 製造業 政府機關 適用判斷矩陣 第 2 章 三種逆向工程策略 2.1 黑箱逆向（Black-box Reverse Engineering） 黑箱逆向的定義 黑箱適用情境 操作方式 Copilot 如何協助 黑箱優缺點 黑箱實務案例 2.2 白箱逆向（White-box Reverse Engineering） 白箱逆向的定義 白箱適用情境 Copilot 如何理解 Legacy Code 如何產出架構圖 如何產出 API 文件 如何產出資料模型 白箱優缺點 白箱實務案例 2.3 灰箱逆向（Gray-box / Hybrid） 灰箱逆向的定義 灰箱適用情境 Strangler Fig Pattern 灰箱逆向操作流程 Copilot 在灰箱逆向的角色 灰箱優缺點 灰箱實務案例 2.4 三種策略比較總覽 第 3 章 SDLC 對應逆向工程流程 3.1 需求分析（Requirement Analysis） 從程式碼推導需求的方法論 Copilot 推導需求的實作範例 從程式碼推 SRS 的標準流程 3.2 系統設計（System Design） 架構重建（Architecture Reconstruction） Clean Architecture 映射圖 3.3 開發（Implementation） 使用 Spring Boot 開發新系統 3.4 測試（Testing） 自動生成測試案例 逆向工程測試策略 3.5 部署（Deployment） CI/CD Pipeline 設計 Docker 容器化 GitHub Actions CI/CD 範例 第 4 章 GitHub Copilot 實戰流程 4.1 Step 1：分析舊系統 Step 1 目標 Step 1 操作指引 4.2 Step 2：建立理解模型（Domain Model） Step 2 目標 Step 2 操作指引 4.3 Step 3：產出文件（AI 自動生成） Step 3 目標 文件清單與 Copilot 指令 4.4 Step 4：建立新專案（Spring Boot） Step 4 目標 Step 4 操作指引 4.5 Step 5：逐步重構 Step 5 目標 遷移順序建議 每個模組的遷移步驟 4.6 Step 6：驗證與測試 雙軌驗證（Parallel Run） 驗證清單 4.7 Agent Mode 加速逆向工程 使用 Agent Mode 自動化分析 使用 Plan 代理規劃遷移 使用 Cloud Agent 自動化遷移 以 Agents 視窗並行推進多模組 第 5 章 Copilot Prompt Engineering 5.1 Prompt 設計原則 高品質 Prompt 的 CRISP 原則 好 Prompt vs 壞 Prompt 5.2 程式碼分析類 Prompt Prompt #1：模組功能分析 Prompt #2：呼叫鏈追蹤 Prompt #3：資料流分析 5.3 語言轉換類 Prompt Prompt #4：VB → Java 完整轉換 Prompt #5：Stored Procedure → Java Service 轉換 Prompt #6：C# → Java 轉換 5.4 文件產出類 Prompt Prompt #7：自動產出 API 文件 Prompt #8：產出架構設計文件 5.5 測試生成類 Prompt Prompt #9：生成特徵測試（Characterization Test） Prompt #10：生成整合測試 5.6 Prompt 模板庫 通用分析模板 批次轉換模板 5.7 Custom Instructions（專案級指令） 什麼是 Custom Instructions 目前支援的客製化檔案類型 逆向工程專用 Custom Instructions 範例 搭配 Agent Skills 使用 5.8 Agent Mode 專用 Prompt 設計 Agent Mode vs Chat Mode Prompt 的差異 Agent Mode Prompt 範例：全模組逆向分析 Agent Mode Prompt 範例：自動化模組遷移 用 Custom Agents 建立逆向工程流水線 第 6 章 架構設計（企業級） 6.1 微服務 vs 單體架構決策 架構選擇比較表 6.2 分層架構設計 各層職責定義 實際範例：利息計算模組 6.3 資料庫遷移設計 遷移策略 DB Schema 遷移對照表 Flyway 資料遷移腳本範例 6.4 中介軟體整合 企業級系統架構圖 中介軟體選型建議 第 7 章 風險與最佳實務 7.1 常見錯誤 錯誤一：過度信任 AI 產出 錯誤二：Big Bang 全面重寫 錯誤三：忽略「隱藏功能」 7.2 逆向工程失敗案例分析 案例一：某銀行核心系統全面重寫失敗 案例二：忽略 Stored Procedure 遷移 7.3 資料遺失風險與對策 資料遷移風險矩陣 資料遷移安全方案 7.4 安全性考量 逆向工程中的安全重點 舊系統常見安全漏洞與修正 使用 Copilot 進行安全審查 7.5 AI 治理與企業合規 AI 治理框架 企業 AI 使用政策建議 Copilot 企業管理功能 AI 輔助開發的 Commit 規範 OWASP Top 10 2025 對照清單 第 8 章 完整案例（實戰） 8.1 案例背景：VB6 客戶管理系統 系統概述 舊系統架構 8.2 Copilot 分析過程 Step 1：匯入舊系統原始碼 Step 2：使用 Copilot 分析關鍵模組 Step 3：識別所有商業規則 8.3 新系統 Spring Boot 實作 轉換後的客戶查詢功能 新舊系統對照 8.4 案例二：舊 Java Servlet 轉 Spring Boot 原始 Servlet 程式碼 Copilot 分析與轉換 轉換後的 Spring Boot 程式碼 第 9 章 工具整合 9.1 VS Code 配置 必備 Extension VS Code 設定建議 工作區配置（多語言專案） 9.2 GitHub Copilot Chat 逆向工程專用命令 Copilot Chat 最佳實務 9.3 Copilot CLI 安裝與啟動 逆向工程情境下的實際用法 Copilot CLI 的關鍵能力（2026 現況） 9.4 SonarQube 整合 在逆向工程中使用 SonarQube 舊系統分析配置 新系統 Quality Gate Maven 整合 SonarQube 9.5 Swagger / OpenAPI 自動產出 API 文件 9.6 Copilot Agent Mode 與 Cloud Agent Agent Mode（本地代理）設定 Cloud Agent（雲端代理）設定 最新發展：統一的 Agents 體驗 9.7 MCP Server 整合 什麼是 MCP（Model Context Protocol） 逆向工程常用 MCP Server 設定 MCP 在逆向工程中的實際應用 9.8 Copilot Code Review Agentic Code Review 2026 年最新更新 9.9 Copilot Spaces 與 Memory Copilot Spaces — 組織逆向工程上下文 Copilot「記憶」機制 — 依介面而異，並非單一功能 Copilot App 的 Customize 分頁 9.10 Agent Plugins 1.0 打包逆向工程工具鏈 為什麼逆向工程需要 Agent Plugins 外掛結構 企業導入方式 9.11 工具鏈時效性的自我查證 為什麼這一節有必要 官方查證來源與檢查頻率 專案的季度複查清單 第 10 章 結論 10.1 三種逆向策略比較表 10.2 推薦最佳實務 逆向工程成功關鍵 Top 10 最佳實務（Best Practices） 推薦的團隊組成 附錄 A：逆向工程檢查清單（Checklist） 📋 Phase 0：專案啟動 📋 Phase 1：分析 📋 Phase 2：設計 📋 Phase 3：開發 📋 Phase 4：驗證 📋 Phase 5：上線 附錄 B：Prompt 快速參考卡 分析類 轉換類 文件類 測試類 附錄 C：常用工具版本對照 AI 模型版本對照（2026 年 Q3 現況） 2026-09-01 模型下架與替代對照 附錄 D：成本效益分析（ROI 評估） 逆向工程 ROI 計算框架 典型 ROI 估算 GitHub Copilot 授權成本 附錄 E：參考資料與官方來源 VS Code 官方文件 GitHub Copilot Changelog GitHub Docs 與其他 文件維護與版本紀錄 更新時機 版本紀錄 第 1 章 概論 1.1 什麼是逆向工程（Reverse Engineering） 逆向工程是指從「已存在的系統產出物（程式碼、執行檔、資料庫）」出發，反向推導出系統的： ...

humanlayer/skills 教學手冊 humanlayer/skills —— HumanLayer 開源之 Claude Code Skills 企業導入完整指南 適用對象：資深 Software Architect、SA、Tech Lead、PM、SD/PG、DevOps、AI Engineer、Legacy Modernization Architect 文件性質：企業內部「humanlayer/skills」導入、開發與治理培訓教材，偏重實戰與維運 版本基準：humanlayer/skills（GitHub 官方 Repository，main 分支）+ docs.humanlayer.com 官方文件 查證日期：2026-08-24 技術堆疊：Claude Code、Node.js/npx（安裝工具鏈）、Git/GitHub、GitHub Actions（由 Skill 產生的下游範本） ⚠️ 重要聲明（請務必先讀） 本手冊是彙整、重組、補充企業導入實務，而不是官方文件的翻譯。 本書不逐字翻譯官方 README，而是依官方 Repository（README.md、.claude-plugin/marketplace.json、 plugins/*/skills/*/SKILL.md）與 docs.humanlayer.com 官方文件重新查證後，以繁體 中文重新組織、延伸為企業教材，並大量補充 Scenario、AI Prompt 範例、比較表、 Checklist 與企業導入建議。 humanlayer/skills 是一個以 GitHub Repository 形式散布的 Claude Code Skills 集合， 官方定位語句為「Claude Code skills from HumanLayer.」。 本手冊會不斷強調一個 核心觀念：Skill 不只是一段 Prompt，而是一個可被 AI Coding Agent 執行的工作能力與 工程流程封裝——包含觸發條件、指令腳本、參考範本、輸出格式與（部分 Skill）會 進一步產生 GitHub Actions workflow，讓 Agent 的執行流程可被重複觸發、可被治理、 可被審計。 ...

QM 教學手冊 QM —— Y Combinator Software 開源之 Multiplayer Agent Harness for Work 企業導入完整指南 適用對象：資深 Software Architect、SA、Backend/Frontend Engineer、DevOps/SRE、Cloud Architect、Cybersecurity Architect、AI Agent 平台團隊、Tech Lead、企業導入負責人 文件性質：企業內部「QM」導入、開發與維運培訓教材，偏重實戰與維運 版本基準：yc-software/qm（MIT License），研究基準為官方 GitHub main 分支，查證時（2026-08-21）約 14,000+ ★ / 1,600+ forks（會隨時間持續變動，數字僅供查證當下參考） 查證日期：2026-08-21 技術堆疊：Node.js（>=24.15.0）、TypeScript（type: module）、Fastify、PostgreSQL、Slack（Bolt）、Vite/Lit（Web UI）、MIT License ⚠️ 重要聲明（請務必先讀） QM 是一個 2026-07-29 才建立、目前仍高速迭代中的年輕開源專案。 查證時（2026-08-21）repository 尚有 101 則 open Issues、195 個 open PR，涵蓋 turn 結果記錄語意、cron 重試/退避、provider failover、admin 稽核日誌等尚在修正中的行為。任何 CLI 指令、環境變數、目錄結構、Security 行為，在正式導入前，務必以你實際安裝版本的官方 README.md／SECURITY.md／cli/README.md／docs/ 為準。 本手冊是彙整、重組、補充企業導入實務，而不是官方文件的翻譯。 本書不逐字翻譯官方 README，而是依官方 Repository（README、SECURITY.md、AGENTS.md、CLI 文件、部署文件、.env.example、package.json、原始碼目錄結構）與官方網站 qm.ycombinator.com 重新查證後，以繁體中文重新組織、延伸為企業教材，並大量補充 Scenario、AI Prompt 範例、比較表、Checklist 與企業導入建議。 ...

Everything Claude Code (ECC) 教學手冊 文件版本：v3.1（2026-08-31 深化與查證更新；新增 Agent 安全威脅情資、可觀測性與斷路器、企業治理章節） 對應 ECC 版本：v2.2.0（CHANGELOG 標記發行日 2026-08-25，主題為「Guided Setup、Antigravity 2.0 原生安裝、Unified Memory Vault」）；前一個大版本為 v2.1.0（2026-07-28，「Plan Canvas, Kimi Harness, and Self-Hosted Compute」）。2026-08-31 覆核：CHANGELOG.md 的 [Unreleased] 區塊為空，v2.2.0 仍是最新已標記版本 適用對象：軟體工程師（初階～資深）、系統架構師、DevOps / SRE、AI 平台工程師、技術主管（導入評估用） 授權：MIT License（開源永久免費；另有 ECC Tools Pro／Enterprise 為選配的託管 GitHub App 服務，詳見 3.2 與附錄 F） 官方 GitHub：https://github.com/affaan-m/ECC（原倉庫名 everything-claude-code 已重新命名為 ECC，舊網址會自動轉導） 官方網站：https://ecc.tools npm 套件：ecc-universal（安裝器與 CLI）、ecc-agentshield（安全稽核器） GitHub Marketplace（GitHub App）：https://github.com/marketplace/ecc-tools Discord 社群：https://discord.gg/36yGMHGFbR 繁體中文官方 README：https://github.com/affaan-m/ECC/blob/main/docs/zh-TW/README.md 社群統計（2026-08-31 以 GitHub REST API 實測）：244,733 Stars ∣ 36,989 Forks ∣ 1,253 Watchers ∣ 331 位貢獻者 ∣ 21+ 語言／框架 Rules 生態系 ∣ 120 個開放 Issue／PR（GitHub open_issues_count 為兩者合計，非純 Issue 數） ∣ 倉庫體積約 48.6 MB ∣ 最後推送 2026-08-30 核心元件規模：68 Agents ∣ 286 Skills ∣ 94 Command Shims（legacy，逐步遷移至 Skills） 程式語言組成：JavaScript 70.3% ∣ Rust 21.4%（ecc2/ 控制平面）∣ Python 4.6% ∣ Shell 2.4% ∣ TypeScript 1.2% 官方指南（現已收錄於 repo 中，非社群媒體貼文）： — The Shortform Guide（入門首選） — The Longform Guide（進階深入：Token 最佳化、記憶持久化、Eval、平行化） — The Security Guide（攻擊面、沙箱化、CVE、AgentShield） — Commands Quick Reference（94 個指令的完整索引與退役對照） — MCP Connector Policy（預設連接器准入規則） 獨立參考資料：Anthropic 官方《Claude Code Best Practices》 — ECC 是建構在 Claude Code 原生能力（Plan Mode、Hooks、Skills、Subagents、Checkpoints）之上的一層工程框架，而非取代品；本手冊會在各章節明確標示「Claude Code 原生功能」與「ECC 擴充功能」的分野。 ...

Prime Agent 教學手冊（企業導入與實戰完整版） 版本：v0.7.4（2026 年 8 月 19 日發布；本手冊查證日期 2026 年 8 月 20 日） 適用對象：初學者、一般開發者、資深工程師、架構師、DevSecOps 工程師、PM／SA、AI Agent 導入負責人 技術棧示範：Java 25 / Spring Boot 4.x / Spring Framework 7.x / Maven 4.x / Vue 3 / TypeScript / Tailwind CSS / PrimeVue / Pinia / PostgreSQL / Oracle / DB2 / SQL Server / Redis / Kafka / MQ 授權：MIT License 開發／維護：Prime Intellect 專案性質：earendil-works/pi 的 Hard Fork（詳見第 1 章），npm 套件內部仍沿用 @earendil-works/pi-coding-agent 官方倉庫：github.com/PrimeIntellect-ai/prime-agent 文件用途：企業 AI Software Development／Agent Engineering 導入教材 文件作者：AI Software Architecture Team ...

Semantica 教學手冊 Semantica —— AI Agent 的 Context Graph、Knowledge Graph 與 Decision Intelligence 基礎設施層完整導入指南 適用對象：資深 Software Architect、SA、Backend/Frontend Engineer、AI Agent 平台團隊、DevSecOps、Tech Lead、企業導入負責人 文件性質：企業內部「AI Agent Context / Knowledge Graph / Decision Intelligence / Provenance」基礎設施導入、開發與維運培訓教材 版本基準：semantica-agi/semantica（MIT License），研究基準為官方 GitHub main 分支與 docs.getsemantica.ai 最新穩定版 v0.6.5（2026-08-11），研究/查證日期：2026-08-20 技術堆疊：Python ≥3.8、pip、可選 Neo4j/FalkorDB/Apache AGE/AWS Neptune（LPG）、內嵌 Oxigraph/Blazegraph/Jena/RDF4J/Anzo（RDF）、FAISS/Qdrant/Weaviate/Milvus/Pinecone/PgVector（Vector）、MIT License ⚠️ 重要聲明（請務必先讀） Semantica 是一個真實存在、仍在快速迭代中的開源專案。 本手冊撰寫時已透過官方 GitHub Repository（github.com/semantica-agi/semantica）、官方文件站（docs.getsemantica.ai）與 PyPI（pypi.org/project/semantica）逐項查證，並非虛構專案。但 Semantica 平均每 3-6 週釋出一次 minor 版本（v0.4.0 → v0.6.5 僅約 4 個月），CLI 指令、Python API 簽章、設定鍵、目錄結構都可能隨版本演進調整。任何指令、程式碼、路徑在正式導入前，務必以官方最新 README.md、docs.getsemantica.ai、CHANGELOG/Release Notes 與你實際安裝的版本為準（例如執行 semantica --help、python -c "import semantica; print(semantica.__version__)" 逐一核對）。 ...

RAGFlow 教學手冊 RAGFlow —— 企業級 AI Agent Context / Knowledge / RAG 基礎平台完整導入指南 適用對象：資深 Software Architect、SA、Backend/Frontend Engineer、AI Agent 平台團隊、DevSecOps、Tech Lead、PM/PG/QA、企業導入負責人 文件性質：企業內部「RAGFlow」導入、開發與維運培訓教材，重點放在 RAGFlow 作為 AI Agent Context Infrastructure，協助 AI Agent 進行 Web Application 開發、既有系統逆向工程、Software Framework 升級 版本基準：infiniflow/ragflow（Apache-2.0 License），最新穩定 Release v0.26.4（2026-07-07，commit cb93883f）；另存在 nightly 預發布頻道（查證當下對應 commit 9c81d9b，2026-08-17） 架構總覽（第3章）之目錄結構、Docker Compose 服務清單，查證基準為 main 分支 HEAD（查證當下最後 push 時間 2026-08-18T06:26:42Z）；指令、設定鍵等逐字內容之查證基準以 v0.26.4 tag 為主，兩者若有落差會於文中另行標註 查證日期：2026-08-18 技術堆疊：Python（核心 RAG／DeepDoc／Task Executor 邏輯）＋ Go（admin／cmd／internal 等新增之管理與閘道服務層）＋ TypeScript（web 前端），可插拔文件檢索引擎（Elasticsearch／Infinity／OpenSearch／OceanBase／SereneDB／SeekDB）與可插拔關聯式資料庫（MySQL／PostgreSQL／GaussDB／OceanBase） ⚠️ 重要聲明（請務必先讀） RAGFlow 是一個仍在高速迭代的開源專案，發版節奏非常快。 光是查證當下往前推兩個月，官方就發布了 v0.26.1（2026-06-17）、v0.26.2（2026-06-29）、v0.26.3（2026-07-02）、v0.26.4（2026-07-07）四個版本，平均每 1-2 週就有一次含功能異動的正式 Release（官方已實作，GitHub Releases）。這代表本手冊記錄的 CLI 指令、Docker Compose 服務、設定鍵、API 端點、Agent 功能，都只是查證當下（2026-08-18）的快照。任何指令、設定、路徑在正式導入前，務必以官方最新 README.md／docs/／docker/docker-compose*.yml／docker/.env／Release Notes 與你實際安裝的版本為準。 ...

DeepSeek Harness 教學手冊 DeepSeek Harness —— 企業級「一切皆插件」AI Agent Harness 完整導入指南 適用對象：資深 Software Architect、SA、Backend/Frontend Engineer、AI Agent 平台團隊、DevSecOps、Tech Lead、PM/PG/QA、企業導入負責人 文件性質：企業內部「DeepSeek Harness（dsh）+ Cordis Plugin Architecture」導入、開發與維運培訓教材 版本基準：deepseek-ai/deepseek-harness（MIT License），最新 Release dsh-v0.1.0-rc.7（2026-08-17，Developer Preview，GitHub 標示為 Pre-release；本次補強研究已再次確認查證當下無更新 Release） 官方文件基準：README.md／README.zh.md／AGENTS.md／CLAUDE.md／docs/architecture.md／docs/development.md／docs/cordis-primer.md／docs/cordis-tutorial/*／docs/config-catalog.md／docs/glossary.md／docs/agent-lifecycle.md／docs/capability-seams.md／packages/*/README.md（含 mcp/、acp/ 等互通性家族）／apps/cli/README.md 查證日期：2026-08-18（初版查證）；同日以 4 個並行研究單位完成補強研究，深化查證官方核心文件、新增子系統（mcp／acp／runtime-diagnostics 等）、Cordis／Cordis Paper 理論基礎、第三方市場評測與命名衝突現況，詳見 Appendix F 技術堆疊：Node.js（22.19+ 或 24+）＋ TypeScript Monorepo（pnpm workspaces）、Cordis Plugin Runtime（原始碼 vendor、釘住特定 commit）、YAML 設定檔（cordis.yml）、選用 Python SDK ⚠️ 重要聲明（請務必先讀） DeepSeek Harness 仍處於「開發者預覽（Developer Preview）」階段，且是極年輕的專案。 官方 Repository 於 2026-08-13 建立，本手冊查證當下（2026-08-18）距今僅 5 天，最新版本為 dsh-v0.1.0-rc.7（2026-08-17 發布，GitHub 標示 pre-release）。官方 README 原文明確聲明：「DeepSeek Harness is currently in developer preview and is iterating rapidly. THERE WILL BE COMPATIBILITY-BREAKING CHANGES.」（官方已實作）。這代表本手冊記錄的 CLI 指令、Package 清單、設定鍵、Plugin API，都只是查證當下的快照，實際導入前務必以當時的 github.com/deepseek-ai/deepseek-harness 原始碼與 Release Notes 為準。 ...