AI開發

Everything Claude Code (ECC) 教學手冊 版本：v1.10.0（2026 年 4 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/everything-claude-code 官方網站：https://ecc.tools GitHub Marketplace：https://github.com/marketplace/ecc-tools 社群統計：154K+ Stars ∣ 23.8K+ Forks ∣ 160+ 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 與 VS Code / Cursor / Codex / OpenCode 整合 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 系統架構圖 4.4 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 Alpha 12.5 NanoClaw v2 12.6 GAN 風格產生器-評估器框架 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 Performance Optimization System（代理控制效能最佳化系統），由 Anthropic 黑客松冠軍 Affaan Mustafa 建立。 ...

Playwright 教學手冊（企業級完整版） 版本：基於 Playwright v1.59.1（2026 年 4 月） 適用對象：資深工程師、SDET、QA Lead、DevOps 工程師 授權：Apache 2.0（Playwright 開源授權） 最後更新：2026-04-12 目錄 第 1 章：Playwright 總覽 1.1 什麼是 Playwright 1.2 Playwright 核心架構 1.3 Playwright vs. Selenium vs. Cypress 比較 1.4 適用場景 1.5 系統需求 第 2 章：系統架構設計（企業級） 2.1 測試架構總覽 2.2 分層設計 2.3 測試資料管理策略 2.4 多環境配置 2.5 與微服務架構整合 第 3 章：安裝與環境建置 3.1 Node.js 安裝 3.2 Python 安裝 3.3 Java 安裝 3.4 專案目錄結構 3.5 VS Code 設定 3.6 Playwright MCP Server 設定 3.7 Playwright CLI 安裝 3.8 Playwright Agents 設定（v1.56+） 3.9 企業環境安裝注意事項 第 4 章：基礎使用教學 4.1 第一個測試案例 4.2 Locator 使用策略 4.3 Auto-wait 機制 4.4 Assertions（Web-First 驗證） 4.5 Headless / Headed 模式 第 5 章：進階功能 5.1 Codegen（錄製測試） 5.2 Playwright Inspector 5.3 Trace Viewer 5.4 Network 攔截（Mock API） 5.5 多分頁 / iframe 操作 5.6 檔案上傳與下載 5.7 視覺測試（Screenshot Comparison） 5.8 認證狀態重用（Auth State） 5.9 Screencast API（v1.59+） 5.10 Browser Interoperability（v1.59+） 5.11 Observability Dashboard（v1.59+） 5.12 CLI Debugger for Agents（v1.59+） 5.13 CLI Trace 分析（v1.59+） 5.14 Async Disposables — await using（v1.59+） 第 6 章：測試設計最佳實踐 6.1 Page Object Model（POM）完整實作 6.2 減少 Flaky Test 策略 6.3 測試命名規範 6.4 自訂 Fixtures 第 7 章：CI/CD 整合（企業級重點） 7.1 GitHub Actions 7.2 GitLab CI 7.3 Jenkins Pipeline 7.4 測試報告整合 7.5 測試失敗通知 7.6 Docker 化測試執行 7.7 WebServer Wait 功能（v1.57+） 7.8 testConfig.tag — 全域標籤（v1.57+） 第 8 章：測試報告與監控 8.1 Playwright HTML Report 8.2 Trace 分析 8.3 自訂 Reporter 8.4 測試結果 Dashboard 第 9 章：系統維運與管理 9.1 測試環境管理 9.2 測試資料清理 9.3 測試排程 9.4 平行測試（Parallel Execution） 9.5 測試資源最佳化 第 10 章：升級與版本管理策略 10.1 Playwright 版本升級策略 10.2 Breaking Changes 處理 10.3 瀏覽器版本管理 10.4 回滾策略 第 11 章：安全與合規（銀行級） 11.1 敏感資料處理 11.2 測試帳號管理 11.3 存取控制（RBAC） 11.4 稽核與日誌（Audit Log） 第 12 章：團隊導入指南 12.1 Playwright 導入 Roadmap 12.2 導入里程碑 12.3 團隊角色分工 12.4 Code Review 規範 12.5 教育訓練計畫 第 13 章：完整專案範本 13.1 專案結構 13.2 完整 playwright.config.ts 範本 13.3 完整 package.json 範本 13.4 .gitignore 範本 13.5 Tag 使用策略 附錄 A：新進成員檢查清單（Checklist） 附錄 B：常用指令速查表 附錄 C：參考資源 第 1 章：Playwright 總覽 1.1 什麼是 Playwright Playwright 是由 Microsoft 開發並開源的瀏覽器自動化與端對端（E2E）測試框架，採用 Apache 2.0 授權。它透過單一 API 驅動 Chromium、Firefox 與 WebKit 三大瀏覽器引擎，支援 Windows、Linux、macOS 跨平台執行。 ...

Multica 教學手冊（企業級實戰版） 版本： v0.1.26（2026-04-12） 適用對象： 資深工程師、架構師、DevOps 工程師、技術主管 技術棧： Go Backend + Next.js Frontend + PostgreSQL + Agent Daemon 授權： Multica Source Available License（非 SaaS/轉售可自由使用） 文件等級： 企業標準技術白皮書 目錄 第 1 章：Multica 概述 1.1 什麼是 Multica？ 1.2 核心設計理念 1.3 與傳統工具的差異比較 1.4 適用場景 1.5 專案基本資訊 1.6 授權模式說明 第 2 章：系統架構設計（Enterprise Architecture） 2.1 整體架構概覽 2.2 技術棧詳解 2.3 元件說明 2.4 企業整合架構 2.5 資料流向與通訊模型 第 3 章：安裝與部署（Installation & Setup） 3.1 部署模式選擇 3.2 Self-Hosted 快速部署（推薦） 3.3 Self-Hosted 手動部署（Step-by-Step） 3.4 環境變數設定 3.5 Production 部署（反向代理） 3.6 不使用 Docker 的手動部署 3.7 停止服務 3.8 切換至 Multica Cloud 第 4 章：核心運作機制（Core Workflow） 4.1 任務生命週期（Issue Lifecycle） 4.2 Agent 自主執行流程 4.3 任務排程與佇列機制 4.4 WebSocket 通訊流程 4.5 Execution History 查詢 第 5 章：AI Agent 整合（Claude Code / Codex） 5.1 支援的 AI Agent 5.2 Agent CLI 安裝 5.3 CLI 自動偵測機制 5.4 Agent 建立與設定 5.5 Prompt 設計策略（Agent 專用） 5.6 多 Agent 協作模式 第 6 章：開發流程（Development Workflow） 6.1 完整開發流程 6.2 Issue 管理 6.3 範例：Spring Boot API 開發流程 6.4 範例：Vue 前端功能開發流程 6.5 與 Git Flow 整合 第 7 章：Skill（技能）機制設計 7.1 Skill 概念 7.2 Skill 類型 7.3 Skill 定義與儲存 7.4 範例：自動部署 Skill 7.5 範例：Code Review Skill 7.6 範例：DB Migration Skill 7.7 建立企業級 Skill Library 第 8 章：多工作空間（Workspace）設計 8.1 Workspace 概念 8.2 Workspace CLI 管理 8.3 團隊隔離策略 8.4 權限控管（RBAC） 8.5 多 Daemon Profile 第 9 章：系統維運（Operations） 9.1 Log 管理 9.2 Agent 狀態監控 9.3 監控架構 9.4 建議監控指標 9.5 錯誤處理與復原 9.6 效能優化 第 10 章：系統升級與擴展（Upgrade & Scaling） 10.1 Multica 升級策略 10.2 版本管理策略 10.3 Agent 水平擴展 10.4 高可用架構（HA） 10.5 切換至 Multica Cloud 第 11 章：安全設計（Security） 11.1 認證與授權 11.2 Agent 權限隔離 11.3 憑證管理 11.4 網路安全 11.5 SSDLC 整合 第 12 章：最佳實務（Best Practices） 12.1 團隊導入策略 12.2 Prompt Engineering 原則 12.3 Agent 使用規範 12.4 常見錯誤與避免方式 12.5 開發環境最佳實務 第 13 章：實戰案例（Case Study） 13.1 案例：建立企業 Web 系統 13.2 案例總結 附錄 A：檢查清單（Checklist） 附錄 B：CLI 快速參考卡 附錄 C：術語表（Glossary） 第 1 章：Multica 概述 1.1 什麼是 Multica？ Multica 是一個開源的 AI Agent 管理平台，核心理念是將 AI 編碼代理（如 Claude Code、Codex、OpenClaw、OpenCode）轉化為團隊中的「虛擬同事」。 ...

gstack 企業級教學手冊 參考版本：v0.15.2.1 ｜ 更新日期：2026-04-03 GitHub 星數：62,900+ ⭐ ｜ 貢獻者：26 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 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） 安裝與環境建置 3.1 必備環境 3.2 安裝 Claude Code 3.3 安裝 gstack（機器本機） 3.4 加入專案供團隊共用（選用） 3.5 多平台安裝支援 3.6 語音輸入支援 3.7 設定 CLAUDE.md 3.8 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（33 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） 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 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 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 附錄：快速上手 Checklist 1. gstack 概述 1.1 什麼是 gstack gstack 是由 Y Combinator CEO Garry Tan 開源的 Claude Code 虛擬工程團隊技能套件，開源於 github.com/garrytan/gstack，目前已累積超過 62,900 顆星、8,400 次 Fork，是目前最受矚目的 AI 輔助開發工具之一。 ...

Get-Shit-Done（GSD）企業級教學手冊 版本：2.0 GSD 版本：v1.31.0（2026-04-01 發布） 適用對象：資深工程師、技術主管、架構師 最後更新：2026-04-03 定位：實戰與維運導向的內部開發規範文件 官方資源：GitHub ｜ 文件站 ｜ Discord 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 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 其他 Runtime 設定 4.5 VS Code 開發環境配置 4.6 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:plan-phase 5.4 /gsd:execute-phase 5.5 /gsd:verify-work 5.6 /gsd:ship 5.7 /gsd:quick — 快速任務模式 5.8 /gsd:fast — 即時內嵌任務 5.9 /gsd:next — 自動流程推進 5.10 里程碑管理 5.11 Workstreams — 並行工作流 5.12 Backlog、Seeds 與 Threads 5.13 Session 管理 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 敏感檔案保護 10.3 企業安全合規整合 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 導航與 Session 命令 12.3 Phase 管理命令 12.4 程式碼品質命令 12.5 Backlog 與 Threads 命令 12.6 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 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 Copilot 逆向工程教學手冊（Java Web） 版本：2.0 最後更新：2026-04-02 適用對象：資深工程師、架構師、技術主管 技術棧：Java 21+ / Spring Boot 3.x～4.x / GitHub Copilot（Chat / Agent Mode / Cloud Agent / CLI / MCP） 📑 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 1.4 適用情境 第 2 章 三種逆向工程策略 2.1 黑箱逆向（Black-box Reverse Engineering） 2.2 白箱逆向（White-box Reverse Engineering） 2.3 灰箱逆向（Gray-box / Hybrid） 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） 3.2 系統設計（System Design） 3.3 開發（Implementation） 3.4 測試（Testing） 3.5 部署（Deployment） 第 4 章 GitHub Copilot 實戰流程 4.1 Step 1：分析舊系統 4.2 Step 2：建立理解模型（Domain Model） 4.3 Step 3：產出文件（AI 自動生成） 4.4 Step 4：建立新專案（Spring Boot） 4.5 Step 5：逐步重構 4.6 Step 6：驗證與測試 4.7 Agent Mode 加速逆向工程 第 5 章 Copilot Prompt Engineering 5.1 Prompt 設計原則 5.2 程式碼分析類 Prompt 5.3 語言轉換類 Prompt 5.4 文件產出類 Prompt 5.5 測試生成類 Prompt 5.6 Prompt 模板庫 5.7 Custom Instructions（專案級指令） 5.8 Agent Mode 專用 Prompt 設計 第 6 章 架構設計（企業級） 6.1 微服務 vs 單體架構決策 6.2 分層架構設計 6.3 資料庫遷移設計 6.4 中介軟體整合 第 7 章 風險與最佳實務 7.1 常見錯誤 7.2 逆向工程失敗案例分析 7.3 資料遺失風險與對策 7.4 安全性考量 7.5 AI 治理與企業合規 第 8 章 完整案例（實戰） 8.1 案例背景：VB6 客戶管理系統 8.2 Copilot 分析過程 8.3 新系統 Spring Boot 實作 8.4 案例二：舊 Java Servlet 轉 Spring Boot 第 9 章 工具整合 9.1 VS Code 配置 9.2 GitHub Copilot Chat 9.3 Copilot CLI 9.4 SonarQube 整合 9.5 Swagger / OpenAPI 9.6 Copilot Agent Mode 與 Cloud Agent 9.7 MCP Server 整合 9.8 Copilot Code Review 9.9 Copilot Spaces 與 Memory 第 10 章 結論 10.1 三種逆向策略比較表 10.2 推薦最佳實務 附錄 A：逆向工程檢查清單（Checklist） 附錄 B：Prompt 快速參考卡 附錄 C：常用工具版本對照 附錄 D：成本效益分析（ROI 評估） 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： ...

Agent Skills 教學手冊（企業級 SSDLC + GitHub Copilot + Claude Code） 版本：v1.3.0 更新日期：2026-04-30 適用對象：資深工程師、架構師、Tech Lead、DevSecOps 工程師 技術棧：Agent Skills 開放標準、GitHub Copilot Skills、Claude Code Skills、VS Code、Spring Boot、Vue 3 規範參考：Agent Skills Specification（開放標準 v1.0） 目錄 第 1 章：Agent Skills 概念與架構 1.1 什麼是 Agent Skills 1.2 與傳統 Prompt Engineering 的差異 1.3 Skills vs Prompt vs Tool vs Agent 比較 1.4 漸進式揭露（Progressive Disclosure）設計原則 1.5 Skills 組成結構 第 2 章：Skills 平台深度解析（GitHub Copilot + Claude Code） 2.1 多平台 Skills 架構 2.2 Skills 運作流程 2.3 Skills Metadata 設計（Frontmatter 完整參考） 2.3.1 開放標準欄位（agentskills.io Specification） 2.3.2 Claude Code 擴展欄位 2.3.3 字串替換（String Substitutions） 2.3.4 動態上下文注入（Dynamic Context Injection） 2.4 Claude Code 內建 Skills（Bundled Skills） 2.5 Skills 與 Agent 整合方式 2.6 Skills Repository 設計（企業級） 2.7 gh skill CLI（GitHub CLI 整合） 2.8 Skill 內容生命週期與 Token 預算 第 3 章：SSDLC × Skills（核心章節） 3.1 Requirements（需求階段） 3.2 Design（設計階段） 3.3 Development（開發階段） 3.4 Testing（測試階段） 3.5 Security（安全） 3.6 Deployment（部署） 3.7 Maintenance（維運） 第 4 章：Skills 設計最佳實務 4.1 高可重用性設計 4.2 低 Token 消耗策略 4.3 命名規範 4.4 模組化與版本控管 4.5 安全性與權限控管 4.6 社群設計模式參考（Community Patterns） 第 5 章：Skills 實作教學（Hands-on） 5.1 範例 1：產生 API 設計文件 Skill 5.2 範例 2：程式碼審查 Skill 5.3 範例 3：Spring Boot 服務生成 Skill 第 6 章：企業級 Skills Repository 架構 6.1 建議 GitHub Repo 結構 6.2 Skills 分類策略 6.3 權限控管（RBAC） 6.4 與 CI/CD 整合 第 7 章：與開發工具整合 7.1 GitHub Copilot 整合 7.2 Claude Code 進階整合 7.3 VS Code 整合 7.4 CI/CD（GitHub Actions）整合 7.5 Issue / PR 流程整合 第 8 章：Skills 治理（Governance） 8.1 Skills 審核機制 8.2 品質控管（Quality Gate） 8.3 安全審查（Security Review） 8.4 使用追蹤與優化（Telemetry） 第 9 章：常見錯誤與反模式 9.1 過度設計 Skills 9.2 Token 爆炸問題 9.3 Skills 過於耦合 9.4 其他常見反模式 第 10 章：未來趨勢 10.1 Agentic Workflow 10.2 Multi-Agent Collaboration 10.3 Skills Marketplace 與開放生態 附錄 A：企業導入檢查清單 附錄 B：Prompt → Skill 轉換速查表 附錄 C：常用 Skills 清單 附錄 D：參考資源 第 1 章：Agent Skills 概念與架構 1.1 什麼是 Agent Skills 定義：Agent Skills 是一種基於 agentskills.io 開放標準的模組化、可重複使用「AI 能力包」（Capability Package），以資料夾形式存在，內含說明文件（SKILL.md）、腳本（Python / Bash / PowerShell）、範本（Templates）和參考資源（References）。 ...

使用 GitHub Copilot 進行逆向工程並產出需求規格書 版本：2.0 | 更新日期：2026-03-31 適用對象：資深工程師、系統分析師、架構師、PM 技術環境：VS Code + GitHub Copilot（含 Agent Mode、Coding Agent、MCP 整合） 產業適用：銀行、金融、保險等高合規性企業系統 AI 模型支援：GPT-5.4 / GPT-5.4 mini / GPT-5.3-Codex / Gemini 3.1 Pro / 自動模型選擇 目錄 第 1 章 逆向工程方法論 1.1 什麼是逆向工程 1.2 企業系統中的逆向工程應用場景 1.3 Code → Requirement 轉換模型 1.4 各層級程式碼的需求推導策略 1.5 逆向工程成熟度模型 第 2 章 GitHub Copilot 使用策略 2.1 Copilot 在逆向工程中的角色定位 2.1.1 GitHub Copilot 2026 功能架構全景 2.1.2 各功能在逆向工程中的定位 2.1.3 AI 模型選擇策略 2.2 Prompt Engineering 核心原則 2.2.1 角色設定（Role Setting） 2.2.2 結構化 Prompt 模板 2.2.3 五大 Prompt 策略 2.3 逐段分析程式碼的技巧 2.3.1 分段策略 2.3.2 VS Code 操作技巧 2.4 C# 程式碼解讀策略與 Prompt 範例 2.5 SQL / Stored Procedure 解讀策略與 Prompt 範例 2.6 Batch Job 解讀策略與 Prompt 範例 2.7 從技術描述轉換為商業需求描述 2.8 Before / After 完整範例 2.9 Agent Mode 與 Coding Agent 在逆向工程中的進階應用 2.9.1 使用 Agent Mode 進行跨檔案逆向分析 2.9.2 使用 Plan Agent 規劃逆向工程任務 2.9.3 使用 Copilot Coding Agent 進行自動化逆向分析 2.9.4 使用 MCP 擴展逆向工程能力 2.9.5 使用 Custom Agent 建立專用逆向工程分析師 2.9.6 使用 Copilot Memory 累積逆向工程知識 2.9.7 第三方 Coding Agent 與外部平台整合 2.9.8 使用背景代理進行非同步逆向分析 第 3 章 實戰流程（Step-by-Step） 3.1 Step 1 — 程式碼盤點 3.1.1 模組分類方法 3.1.2 使用 Copilot 快速摘要 3.1.3 自動化盤點腳本 3.2 Step 2 — 邏輯解析 3.2.1 API 邏輯分析 3.2.2 Batch Job 邏輯分析 3.2.3 DB 邏輯分析 3.3 Step 3 — 商業邏輯抽取 3.3.1 從技術邏輯到業務需求的轉換方法 3.3.2 商業規則分類框架 3.3.3 需求追溯矩陣 3.4 Step 4 — 文件產出 3.4.1 SRS 文件自動生成流程 3.4.2 文件品質檢查 3.5 端到端流程圖 第 4 章 SRS 文件標準格式 4.1 SRS 文件結構概覽 4.2 系統概述 4.3 Use Case 描述 4.4 功能需求（Functional Requirements） 4.5 非功能需求（Non-functional Requirements） 4.6 資料流程（DFD） 4.7 ER Model（資料結構） 4.8 Batch Flow 4.9 企業級 SRS 範本（完整） 第 5 章 完整實戰範例 5.1 範例一：C# API 控制器逆向分析 5.1.1 原始程式碼 5.1.2 Copilot 分析過程 5.1.3 推導出的需求 5.2 範例二：Stored Procedure 逆向分析 5.2.1 原始程式碼 5.2.2 Copilot 分析過程 5.2.3 推導出的需求 5.3 範例三：Batch Job 逆向分析 5.3.1 分析場景 5.3.2 Copilot 分析結果 5.4 最終 SRS 文件片段產出 第 6 章 企業最佳實務 6.1 避免誤判需求的策略 6.1.1 常見的誤判類型 6.1.2 防範策略 6.1.3 信心度評估框架 6.2 需求驗證流程 6.2.1 三層驗證機制 6.2.2 驗證會議範本 6.3 整合 SSDLC 6.4 搭配版本控制（Git） 6.4.1 SRS 文件的 Git 管理策略 6.4.2 Git Branching 策略 6.4.3 Commit 訊息規範 6.5 常見錯誤與修正策略 6.6 使用 Copilot Code Review 驗證 SRS 品質 6.6.1 設定 Copilot Code Review 規則 6.6.2 SRS Pull Request 審查流程 6.7 使用 Copilot Spaces 管理逆向工程上下文 第 7 章 架構延伸（進階） 7.1 從逆向結果到 Spring Boot API 設計 7.1.1 技術對照表 7.1.2 SRS → API 設計的轉換流程 7.1.3 範例：從 SRS 到 Spring Boot 7.2 微服務架構轉換 7.2.1 從單體到微服務的拆分策略 7.2.2 Stored Procedure 的遷移策略 7.3 Domain Modeling（DDD） 7.3.1 從逆向結果推導領域模型 7.3.2 統一語言表 7.4 Clean Architecture 對應 7.4.1 分層架構設計 7.4.2 Spring Boot 專案結構 7.5 使用 Copilot Coding Agent 自動化遷移工作 7.5.1 從 SRS 到 Spring Boot 骨架自動生成 7.5.2 SP 邏輯遷移自動化 7.5.3 Hooks 自動化品質檢查 第 8 章 Prompt 工程模板庫 8.1 程式碼摘要類 8.2 邏輯解析類 8.3 需求轉換類 8.4 文件產出類 8.5 驗證與審查類 第 9 章 自動化流程（AI + Script） 9.1 自動化盤點腳本 9.1.1 C# 專案自動盤點（PowerShell） 9.1.2 SQL Server Stored Procedure 盤點 9.2 批次分析流程 9.2.1 分析工作流程自動化 9.2.2 分析任務分配模板 9.3 SRS 自動組裝 9.3.1 SRS 組裝腳本（PowerShell） 9.3.2 SRS 品質檢查腳本 9.4 Copilot Coding Agent 端到端自動化流程 9.4.1 自動化流程架構 9.4.2 GitHub Actions 工作流配置 9.4.3 批次 Issue 建立腳本 9.4.4 追溯矩陣自動生成 附錄 A 檢查清單（Checklist） A.1 逆向工程啟動檢查清單 A.2 每日分析檢查清單 A.3 模組完成檢查清單 A.4 SRS 發佈前檢查清單 A.5 Copilot 使用安全檢查清單 A.6 Copilot Coding Agent 使用檢查清單 附錄 B 術語表 附錄 C 參考資源 C.1 工具 C.2 標準與規範 C.3 推薦閱讀 C.4 GitHub Copilot 相關資源 第 1 章 逆向工程方法論 1.1 什麼是逆向工程 逆向工程（Reverse Engineering） 是從既有系統的成品（程式碼、資料庫、設定檔等）出發，反推出系統的設計意圖、業務規則與需求規格的過程。 ...

企業級程式碼品質分析方法論教學手冊 版本：v2.0｜日期：2026-03-30｜適用對象：初階至資深工程師、Tech Lead、架構師 適用技術棧：Java / Spring Boot、Vue / TypeScript、微服務架構 適用產業：銀行、金融業、保險業等高穩定度 / 高安全系統 重要更新：OWASP Top 10: 2025 版、PMD 7.x、Checkstyle 13.x、SpotBugs 4.9.x、ESLint 9.x Flat Config 📋 目錄 第 1 章：程式碼品質概論 1.1 程式碼品質的定義 1.2 技術債（Technical Debt） 1.3 為什麼企業需要品質管理 1.4 品質管理全景圖 1.5 實務落地建議 第 2 章：程式碼品質模型（核心方法論） 2.1 品質模型總覽 2.2 可讀性（Readability） 2.3 可維護性（Maintainability） 2.4 可測試性（Testability） 2.5 效能（Performance） 2.6 安全性（Security） 2.7 可擴展性（Scalability） 2.8 實務落地建議 第 3 章：程式碼異味（Code Smells） 3.1 什麼是 Code Smell 3.2 常見 15+ 種 Code Smells 3.3 實務落地建議 第 4 章：靜態分析與工具 4.1 靜態分析概述 4.2 SonarQube 4.3 ESLint 4.4 PMD / Checkstyle 4.5 SpotBugs 4.6 工具功能比較 4.7 企業導入方式 4.8 實務落地建議 第 5 章：Code Review 方法論 5.1 Code Review 的價值 5.2 Review Checklist（企業版） 5.3 Pull Request 標準 5.4 Review 角色分工 5.5 常見錯誤 5.6 實務落地建議 第 6 章：CI/CD 與品質門檻（Quality Gate） 6.1 CI/CD 品質整合概述 6.2 Quality Gate 設計 6.3 Pipeline 品質檢查流程 6.4 Fail Pipeline 策略 6.5 實務落地建議 第 7 章：測試策略與品質關聯 7.1 測試金字塔 7.2 單元測試（Unit Test） 7.3 整合測試（Integration Test） 7.4 覆蓋率迷思 7.5 測試與品質的關係 7.6 實務落地建議 第 8 章：重構（Refactoring）策略 8.1 何時該重構 8.2 安全重構流程 8.3 常見重構技巧 8.4 實務落地建議 第 9 章：企業實務最佳實踐（Best Practices） 9.1 銀行 / 金融系統案例 9.2 微服務品質管理 9.3 DevSecOps 整合 9.4 實務落地建議 第 10 章：導入策略（企業落地） 10.1 推動步驟（Roadmap） 10.2 組織角色 10.3 KPI 指標 10.4 成熟度模型（Level 1～5） 10.5 實務落地建議 附錄 A：新進成員檢查清單（Checklist） 附錄 B：品質指標速查表 附錄 C：推薦學習資源 第 1 章：程式碼品質概論 1.1 程式碼品質的定義 程式碼品質不只是「能跑就好」，在企業級系統中，品質直接影響系統的穩定性、安全性與長期維護成本。 ...

VS Code + GitHub Copilot 開發 Java Web 應用程式教學手冊(2) 版本：v2.0（2026-03-27） 前版：v1.0（2026-03-27） 適用對象：初學者 / 中階工程師 / 企業團隊 技術棧：VS Code 1.113（2026-03-25 發布）· GitHub Copilot（含 Chat、Agent Mode、CLI Agent、Cloud Agent）· Java 21+ · Spring Boot 3.4.x · Maven 定位：企業標準技術白皮書 — 可直接用於專案團隊內部開發規範文件 變更說明：根據 VS Code 1.113 Release Notes 及 GitHub Copilot 最新文件全面更新 目錄 1. 總覽 1.1 VS Code 在 Java 開發的優勢 1.2 GitHub Copilot 在開發流程中的角色 1.3 VS Code 1.113 重要新功能摘要 1.4 VS Code vs IntelliJ 差異分析 2. 開發環境安裝與設定 2.1 必備工具 2.2 VS Code Extension 推薦 2.3 環境設定步驟 2.4 Copilot 自訂化設定 3. 建立第一個 Spring Boot 專案 3.1 使用 Spring Initializr 3.2 專案結構說明 3.3 執行與測試 API 3.4 使用整合式瀏覽器測試 Web 應用 4. GitHub Copilot 實戰應用 4.1 基本用法 — Inline Completion 與 Inline Chat 4.2 Copilot Chat 進階用法 4.3 Agent Mode 深度指南 4.4 Prompt Engineering 4.5 MCP Server 整合 4.6 Custom Instructions / Agent Skills / Custom Agents 5. 專案架構設計（企業級） 5.1 Clean Architecture / Hexagonal Architecture 5.2 分層設計 5.3 DTO / VO / Entity 分離 6. 安全性與最佳實務 6.1 Spring Security 基本設定 6.2 API 驗證（JWT） 6.3 Copilot 生成程式碼的安全檢查 7. 測試與除錯 7.1 單元測試（JUnit 5） 7.2 API 測試 7.3 VS Code Debug 技巧 7.4 使用 Copilot 協助除錯 7.5 整合式瀏覽器 Agent 測試（實驗性） 8. CI/CD 與版本控管 8.1 Git 基本流程 8.2 GitHub Actions 基本 CI/CD 8.3 Copilot 協助產生 Pipeline 8.4 Cloud Agent 與 PR 協作（Preview） 9. 系統維護與升級 9.1 VS Code 更新策略 9.2 Extension 管理 9.3 Copilot 模型更新與最佳化使用 10. 團隊導入建議（企業級） 10.1 開發規範 10.2 Copilot 使用規範 10.3 Code Review 流程 10.4 AI 輔助開發治理 11. 常見問題與最佳解法（FAQ） 12. 附錄 12.1 常用指令速查表 12.2 範例 Prompt 清單 13. 檢查清單（Checklist） 1. 總覽 1.1 VS Code 在 Java 開發的優勢 VS Code 從輕量級編輯器發展至今，已成為企業級 Java 開發的主流選擇之一。主要優勢： ...