AI開發

使用 VS Code 與 GitHub Copilot 開發 Java Web 應用程式教學手冊(1) 版本：2025 年最新版　|　適用對象：初中階 Java 開發人員　|　維護單位：資深架構師團隊 目錄 前言與環境概述 安裝與環境設定 2.1 安裝 Java JDK 2.2 安裝 VS Code 2.3 安裝必要擴充套件 2.4 啟用 GitHub Copilot 專案建立與初始化 3.1 使用 Spring Initializr 建立專案 3.2 VS Code 開啟與結構說明 GitHub Copilot 核心功能使用 4.1 程式碼自動補全 4.2 Copilot Chat 對話式開發 4.3 Copilot Edits 多檔案編輯 4.4 使用 Inline Chat Java Web 開發實戰 5.1 建立 REST API Controller 5.2 Service 層與 Repository 層 5.3 連接資料庫（JPA + MySQL） 5.4 安全性設定（Spring Security） 除錯與測試 6.1 VS Code 除錯設定 6.2 單元測試與 Copilot 輔助 6.3 整合測試 系統維護與升級 7.1 相依套件版本管理 7.2 VS Code 與擴充套件升級 7.3 Java 版本升級指引 最佳實踐與團隊建議 常見問題 FAQ 附錄：Prompt 參考範本 1. 前言與環境概述 1.1 為什麼選擇 VS Code + GitHub Copilot？ VS Code 是目前全球使用率最高的輕量級 IDE，搭配 GitHub Copilot（AI 程式助理），可大幅提升 Java Web 開發效率。根據 GitHub 官方統計，使用 Copilot 的開發者平均可節省約 55% 的編碼時間。 ...

oh-my-openagent（Oh My OpenCode, OMO）教學手冊 版本：v4.0｜最後更新：2026-05-14 對應 OMO 版本：v4.1.2（177 releases） 適用對象：資深工程師、架構師、技術主管 定位：企業級 AI Agent Harness 教學手冊 GitHub：https://github.com/code-yeongyu/oh-my-openagent 官網：https://ohmyopenagent.com/ 📑 目錄 第 1 章：總覽（Overview） 第 2 章：系統架構設計（Architecture） 第 3 章：安裝與環境建置（Installation） 第 4 章：設定與專案初始化（Configuration） 第 5 章：Agent 系統詳解（Discipline Agents） 第 6 章：開發流程（ultrawork / Plan / Build） 第 7 章：Team Mode（v4.0 新增） 第 8 章：Boulder 追蹤系統（v4.1 新增） 第 9 章：Web Application 實戰 第 10 章：測試與品質（Testing & Quality） 第 11 章：維運與除錯（Maintenance） 第 12 章：升級與版本管理（Upgrade） 第 13 章：安全（SSDLC） 第 14 章：團隊導入策略（Enterprise Adoption） 第 15 章：最佳實務（Best Practices） 第 16 章：常見問題（FAQ） 第 17 章：遙測與隱私（Telemetry & Privacy） 第 18 章：附錄（Appendix） 檢查清單（Checklist） 第 1 章：總覽（Overview） 1.1 什麼是 oh-my-openagent（OMO） oh-my-openagent（簡稱 OMO，又稱 Oh My OpenCode）是由 code-yeongyu 開發的 OpenCode 增強插件（Plugin），以 TypeScript 編寫（94.2%），專為將 OpenCode（開源終端 AI 編碼代理）升級為一個具備**紀律型多代理協作（Discipline Agents）**能力的 AI 開發團隊。 ...

使用github copilot下的Prompt Engineering vs Context Engineering vs Harness Engineering教學手冊 版本：2.0.0 最後更新：2026-03-18 適用對象：資深工程師、技術主管、AI 輔助開發導入團隊 技術情境：Java / Spring Boot / GitHub Copilot / 銀行級 Web Application 文件等級：企業標準技術白皮書 目錄 第一章：核心概念說明 1.1 三者定義 1.2 演進關係 1.3 一句話理解 1.4 歷史脈絡與業界趨勢 1.5 三者的互補與協同關係 第二章：詳細比較表 2.1 七大面向比較 2.2 成熟度模型 2.3 投入與回報分析 2.4 學習曲線與導入難度 2.5 適用場景矩陣 第三章：實務案例（Web Application） 3.1 案例一：REST API 開發 3.2 案例二：Batch Job 資料處理 3.3 案例三：前端 UI 開發 3.4 案例四：除錯（Debug） 3.5 案例五：微服務通訊設計 3.6 案例六：安全性漏洞修復 3.7 案例總結比較 第四章：GitHub Copilot 實戰應用 4.1 Prompt Engineering 在 Copilot 中的實踐 4.2 Context Engineering 在 Copilot 中的實踐 4.3 Harness Engineering 在 Copilot 中的實踐 4.4 三者整合實戰工作流 第五章：工具與技術建議 5.1 各層級對應工具 5.2 工具選型決策矩陣 5.3 2026 年最新工具生態 5.4 工具整合架構 第六章：架構設計觀點 6.1 三層演進模型 6.2 大型系統 AI 能力分層設計 6.3 Anti-pattern 架構分析 6.4 企業級 AI 能力成熟度評估框架 6.5 多系統 AI 策略設計 第七章：最佳實務（Best Practices） 7.1 團隊開發規範 7.2 文件設計方式 7.3 Prompt Template 設計 7.4 AI 使用治理（Governance） 7.5 KPI 與成效衡量 第八章：常見錯誤（Anti-pattern） 8.1 Prompt 層 Anti-pattern 8.2 Context 層 Anti-pattern 8.3 Harness 層 Anti-pattern 8.4 跨層 Anti-pattern 8.5 Anti-pattern 速查表 第九章：結論與展望 9.1 架構思維總結 9.2 團隊落地路徑 9.3 ROI 量化框架 9.4 未來展望（2026-2028） 附錄 A：檢查清單（Checklist） 附錄 B：詞彙表 附錄 C：參考資源 附錄 D：Prompt Engineering 進階技巧手冊 附錄 E：Context Engineering 設計模式 第一章：核心概念說明 章節摘要：本章定義 Prompt Engineering、Context Engineering 與 Harness Engineering 三者的核心概念，並說明它們從「單次對話」到「系統化 AI 能力」的演進脈絡。 ...

SuperClaude Framework 生態系教學手冊 版本：基於 SuperClaude Framework v4.3.0 撰寫 最後更新：2026-04-30 適用對象：資深工程師、技術主管、全端開發團隊 文件性質：企業標準技術白皮書 / 實戰教學手冊 目錄 第一章：SuperClaude Framework 概覽 第二章：系統需求與安裝 第三章：系統設定與配置 第四章：30 個 Slash 指令完整指南 第五章：20 個 AI 代理人使用指南 第六章：7 種行為模式 第七章：Deep Research 深度研究功能 第八章：Web Application 開發實戰工作流 第九章：Flags 旗標使用指南 第十章：系統維護與管理 第十一章：系統升級 第十二章：團隊協作最佳實踐 附錄 第一章：SuperClaude Framework 概覽 章節摘要：本章介紹 SuperClaude Framework 的核心定位、設計理念與生態系架構。讀者將瞭解它如何將原生 Claude Code CLI 轉化為具備完整軟體工程流程的自動化開發平台，以及其 30 個指令、20 個代理人、7 種模式與 8 個 MCP Server 的整體佈局。 1.1 什麼是 SuperClaude Framework？ 定義與定位 SuperClaude Framework 是一個 Context Framework（上下文框架），專為 Anthropic Claude Code 命令列工具設計。其本質是一套 行為指令配置文件（.md 檔案），安裝後部署至 ~/.claude/ 目錄，Claude Code 在啟動時自動讀取這些檔案來增強其能力。換言之，.md 檔案本身就是框架——它們是 Claude Code 在運行時主動參考的行為指令集。 ...

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。 ...

OpenClaw 生態系教學手冊 版本: 2026.5.4 | 最後更新: 2026 年 5 月 6 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 · DeepWiki 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（v2026.5.4）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 5 月已發布 136 個正式版本（含 beta）。自 v2026.5 起，專案引入完整的 Plugin SDK 架構，支援 bundled / community / external 三類插件，大幅擴展了通道與功能的可擴展性。 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 v1.14.50（2026 年 5 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：2026-05-14 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 4.0 2026-04-12 軟體架構組 全面更新至 OpenCode v1.4.3、OmO v3.17.0、OpenWork v0.11.206；OpenCode 新增 OpenCode Go 訂閱、40+ 提供商支援、Docker 安裝、Ollama Cloud；OmO 更名 oh-my-openagent、OpenCode v1.4.0 最低版本檢查、Doctor 診斷命令、Session Recovery、File Prompts；OpenWork 授權變更為 FSL-1.1-MIT、Ollama 支援、React Session Composer、i18n 五語系 5.0 2026-04-16 軟體架構組 更新至 OpenCode v1.4.6（762 releases、oxlint 整合、provider auth API）、OmO v3.17.3（164 releases、replace_plan 支援、CLA 與 Telemetry 機制）、OpenWork v0.11.207（1,057 releases、Catalan 語系、microsandbox 沙箱流程、Roadmap 分頁、Node 24 CI 準備）；新增 multiedit 工具、Sisyphus Labs 等待名單、提供商新增 40+ 項 6.0 2026-04-30 軟體架構組 全面更新至 OpenCode v1.14.30（781 releases、152k Stars、875 貢獻者、question 工具、agent create CLI、Desktop App BETA 正式化）、OmO v3.17.10（168 releases、55.1k Stars、199 貢獻者、GPT-5.5 native prompt drafts、npm OIDC CI 改進）、OpenWork v0.13.0（1,087 releases、14.5k Stars、Tauri→Electron 遷移、Cloud MCP OAuth Server、Welcome/Onboarding 畫面、microsandbox 功能旗標、pnpm workspace 重構）；新增 ACP 支援文件、SDK 文件、Server 文件、外掛文件、生態系統文件 7.0 2026-05-14 軟體架構組 全面更新至 OpenCode v1.14.50（800 releases、160k Stars、896 貢獻者、Scout SubAgent 新增、native LLM core foundation、TUI notifications、Electron Desktop CI 改進）、OmO v4.1.2（177 releases、57.7k Stars、219 貢獻者、Team Mode v4.0 多代理並行、hyperplan/security-research 技能、Kimi K2.6/GPT-5.5/GLM-5.1 模型支援、configurable agent ordering、CDP browser tools）、OpenWork v0.13.8（1,202 releases、15.2k Stars、61 貢獻者、shadcn/ui skills、Electron browser automation、Daytona/devcontainer、native main menu、10 語系支援、AI Providers 重構） 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 / Scout SubAgent 探索程式碼庫與外部文件 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 5.12 實戰範例：完整的 CRUD API 開發流程 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 6.9 多語言專案管理策略 6.10 程式碼審查最佳實踐 6.11 TDD/BDD 與 OpenCode 整合 6.12 安全編碼規範指南 6.13 效能優化策略 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 9.7 企業級安全治理架構 9.8 企業導入常見挑戰與解決方案 9.9 多團隊統一管理方案 9.10 成本分析與 ROI 模型 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 10.29 OmO v3.14-v3.17.10 更新摘要 10.30 OmO v4.0-v4.1.2 更新摘要（Team Mode 重大版本） 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 OpenWork v0.11.192-v0.13.0 更新摘要 11.19 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 5 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: 3.1 最後更新: 2026年4月10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: v3.1 📅 最後更新: 2026年4月10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 🆕 v3.1 更新: MCP 進階機制（list_changed、maxResultSizeChars、OAuth 固定回呼端口）、Hooks watchPaths 與 allowedEnvVars、--permission-mode Headless 權限模式、排程任務修正（7 天過期、50 任務上限、/loop 間隔語法）、managed-mcp.json 匹配類型（serverName/serverCommand/serverUrl） 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 進階機制 2.6.9 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。 ...