課程介紹
企業開發團隊導入 AI 工具後,需求、程式、測試與交接仍需要不同角色共同完成。當規格散落在對話中、專案知識只留在個人手上,接手者便難以確認修改範圍、設計依據與完成標準。要讓 AI 開發方式進入團隊日常,培訓就需要涵蓋任務定義、共同規範、版本管理與成果審查。
《Claude Code 全端專案開發實作》以已有基礎的企業開發團隊為對象,從 Plan Mode 的需求規劃出發,以 CLAUDE.md 與 .claude/rules/ 建立專案規範,整理 Auto memory 中可驗證的知識,再以 SKILL.md 與 YAML frontmatter 將交接、審查步驟製作成可共用的 Skills。課程同步檢查 Permissions 與 .claude/settings.json,連結工具授權、資料使用及人工審查。
實作採預先準備的全端教學專案,以「企業案件管理系統新增優先級與篩選」為任務。小組分別負責 API、前端、測試與知識整合,在既有程式上進行增量開發,核對前後端契約與資料行為,再透過 Diff view 檢視差異,以 PR 提交變更、測試結果及交接文件。主管與學員可從同一份驗收清單,檢視功能是否符合需求,以及下一位成員能否接續工作。
標準課程為 6 小時,可依企業既有 Git 平台、開發環境與參訓角色調整案例。課前先確認帳號、網路、執行環境與資料權限,課堂使用模擬資料及隔離的教學專案。完成練習後,團隊可帶回需求拆解、共用知識、Skills 與審查交接的參考範例,作為內部試行 AI 輔助開發流程的起點。實際授課形式與安排由培訓專員依需求確認。
Claude Code 全端專案開發實作
第一章 AI 開發流程與協作分工
- 以 Plan Mode 拆解需求與驗收條件
- 以 @mention 盤點前端、API 與資料流程
- 複製專案並以 Git Branch 進行角色分工
- 檢查 .claude/settings.json 權限,確認資料規則
第二章 專案知識與 Memory 協作
- 以 CLAUDE.md 與 .claude/rules/ 整理規範
- 整理 ADR 架構決策與交接紀錄
- 核對 Auto memory/MEMORY.md 的來源與版本
- 整理專案 Context 與知識草稿,完成同儕審查
第三章 Skills 製作、驗證與共享
- 以 SKILL.md 與 YAML frontmatter 定義任務
- 以 .claude/skills/ 建立交接與審查流程
- 驗證 Skill 呼叫與正常、缺漏、過期情境
- 核對共用版本與 Permissions 設定
第四章 全端功能實作與團隊交付
- 用 Claude Code 開發案件優先級與篩選
- 以 Git Branch/Worktree 分工 API、介面與測試
- 檢視 Diff view,完成 PR 審查與回復演練
- 展示成果並以 Handoff 核對交接與驗收
楊傑年|泛亞數位科技執行長
現任泛亞數位科技執行長,並擔任 Yisun Capital 等多家公司總經理,長期投入 AI 技術應用、數位轉型、企業經營與品牌策略,近年聚焦於企業 AI 導入、流程優化與組織 AI 能力建構。具備生成式 AI、機器學習(ML)、深度學習(DL)、LLM API、RAG、AI Agent、多模態 AI 與流程自動化等實務經驗,協助企業將 AI 從單點工具使用,進一步導入行政、營運、行銷、業務、客服、人資、知識管理與數據分析等實際工作流程。
長期參與 AI 軟體開發、企業應用設計、POC 驗證與數位轉型專案並持續探索 AI Agent、企業知識庫、工作流程自動化、資料分析與智慧決策等應用。實務上以企業需求為起點,從問題盤點、流程拆解、應用場景設計、技術驗證到導入規劃,協助企業建立可落地、可驗證並能持續優化的 AI 應用模式。
累積輔導百餘家企業與品牌之顧問經驗,提供 AI 導入、數位轉型、品牌策略、流程改善與人才培育等服務。亦擔任經濟部中小企業相關計畫及數位發展部數位產業署相關 AI 業師,並長期投入企業 AI 教學、講座與人才培訓,協助企業從「會使用 AI」進一步走向「能以 AI 改善工作、重構流程並創造營運價值」。目前持續推動 Enterprise AI Transformation,致力於協助企業建立 AI 應用能力、提升營運效率,並發展可持續的數位競爭力。
課程資訊
一、課程型態:授課形式
- 企業內訓專班。
- 實體、線上直播或混合式授課,依企業需求確認。
- 課程費用依需求報價;提出需求無須先行付款。
二、課程長度:標準時數
標準 6 小時,可依企業需求調整;實際日期與授課安排由雙方確認。
三、適合對象
- SA 系統分析師、PG 程式設計師
- BA 商業分析師、QA 測試人員
- IT、軟體研發主管及技術團隊負責人
負責程式修改的學員需具備基本程式閱讀、專案啟動與 Git 概念;其他角色依需求、測試與交接任務參與。
四、適用課程內容方向
把需求變成可執行任務
練習用 Plan Mode 寫出修改範圍、角色分工與可驗收條件,讓開發與測試有共同依據。
成果證據:需求卡、變更計畫與驗收清單。
讓專案知識可以接續
以 CLAUDE.md 與 .claude/rules/ 整理專案規範,核對 Auto memory 知識的來源、狀態與適用版本。
成果證據:CLAUDE.md、架構決策與交接範例。
將重複工作製作成 Skills
以 SKILL.md 與 YAML frontmatter 製作交接及審查 Skills,驗證正常、缺漏與過期資料情境。
成果證據:SKILL.md、輸出範例與情境測試紀錄。
完成可審查的全端功能變更
在既有教學專案中新增優先級與篩選,串接介面、API 與資料行為,透過 Diff view 核對修改。
成果證據:功能分支、程式差異與測試結果。
留下團隊可判讀的交付證據
以 PR、審查紀錄、交接摘要與 Git 回復步驟,說明完成程度及下一步。
成果證據:PR 與交接驗收紀錄。
五、課程執行方式
以預先準備的企業案件管理教學專案,演練「新增任務優先級與篩選」。小組分工處理 API、前端介面、測試驗收與知識整合,共同完成一項功能變更,留下可檢查的程式差異、測試結果與交接文件。
全端指案例涵蓋前端、API、後端與資料層,並以模擬服務呈現外部系統邊界。課堂採既有專案的增量開發,成果深度依學員基礎與課前環境確認。
六、參訓人數
依團隊角色、分組及教學支援需求確認;參訓規模與授課安排由培訓專員依需求規劃。
七、授課型態
實體、線上直播或混合式,依企業需求確認。日期與地點得依需求協調安排。
課前準備
- 負責程式修改者具備基本程式閱讀、專案啟動與 Git 概念。
- 非開發角色能閱讀需求、理解前後端資料流程,並依分工參與驗收。
- 實作者備妥可操作教學專案的電腦與企業核准的工具存取方式。
- 課前完成教學專案啟動及最小功能測試,確認權限、網路與執行環境。
八、延伸學習與使用範圍
課堂可帶回需求拆解、共用知識、Skills 與審查交接的參考範例,作為內部試行 AI 輔助開發流程的起點。教材、錄影及範例的使用範圍依專案約定;若需錄影、跨梯次使用或內部轉訓,請於課前提出需求。
九、客製化需求
可依企業既有 Git 平台、開發環境與參訓角色調整案例。企業案例客製、正式系統整合、課後陪跑與部署服務,另行確認工作範圍。
請提供參訓角色、預計人數、希望改善的開發任務、既有工具環境與預計培訓時間,由培訓專員協助確認課程內容及授課安排。
提出需求無須先行付款;意向日期須經雙方確認。
延伸服務:企業內訓服務、企業 AI 導入與陪跑。
十、企業內訓注意事項
- 本課為企業內訓方案。實際內容、授課形式、時數、人數、地點與費用,依企業需求及確認的專案安排為準。
- 標準實作使用教學專案與模擬資料。企業案例客製、正式系統整合、課後陪跑與部署服務,另行確認工作範圍。
- 參訓者須依課前通知備妥電腦、可使用 Claude Code 的帳號或企業核准方案、Git 與教學專案執行環境,並完成連線及啟動檢查。
- 工具授權、訂閱、模型用量及企業平台權限,依既有方案與專案約定確認。課程費用不預設包含所有第三方服務費用。
- 請使用經授權的模擬或適當處理資料。帳號密碼、API 金鑰、真實客戶資料與正式系統機密,不應放入教學專案或共用文件。
- 課堂成果以小組任務、測試及交接紀錄驗收;個別成果依學員基礎與環境條件而異。正式營運系統仍須依企業流程完成獨立驗收與部署核准。
- 教材、錄影及範例的使用範圍依專案約定。若需錄影、跨梯次使用或內部轉訓,請於課前提出需求。
圖片與素材說明
課程主視覺由 AI 協助製作,並依課程內容編排終端工作區示意;畫面為教學概念,並非產品介面截圖。資訊圖依課程內容編製。業師照片沿用天地人官網既有素材。Claude Code 為課程使用工具,本課由天地人學堂規劃與提供。
天地人文創
已通過數位發展部數位產業署「人工智慧技術服務機構能量登錄」,並獲核定為「人工智慧技術教育訓練」類別服務機構。
常見QA
適合希望把 Claude Code 納入開發流程的資訊、軟體、系統分析與測試團隊。主要參訓對象為 SA、PG、BA、QA 與技術主管,建議依實際職務混合分組,讓需求、開發、測試與交接能在同一個案例中共同練習。
負責程式修改的學員應具備基本程式閱讀、專案啟動與 Git 概念。BA、QA 或管理角色可依任務分工參與需求、測試與交接,但仍需理解基本系統流程。若全班沒有開發基礎,建議先安排前導課或調整為流程示範版本,並重新確認實作目標。
課堂以預先準備的案件管理教學專案為起點,練習新增優先級與篩選功能,整理專案規範及交接文件,製作與測試 Skills,並提交程式差異與測試結果。成果採小組共同完成,依環境與學員基礎調整深度,不包含從零建置及正式部署一套商用系統。
可依企業核准的 Claude Code 桌機版、終端機或編輯器安排。課程使用 Plan Mode、專案指令檔、Skills 與程式變更審查;桌機版可透過模式選單、@mention 檔案脈絡與 Diff view 參與。各介面的指令及功能有差異,課前會確認可用版本、操作入口與企業權限,完成示範及實作檢查。
需具備可使用課堂功能的 Claude Code 帳號、授權或企業核准存取方式。是否須採購帳號、模型用量或其他服務,取決於企業既有方案與選用環境,會在課前確認。培訓報價與工具授權、模型用量分別確認,不預設所有外部服務已包含於課程費用。
可先評估企業核准的連線、模型服務與工具政策,再決定可操作的範圍。若無法連線至所需模型服務,須調整為預錄示範、已準備的輸出檔與人工審查練習,不能以安裝桌機程式視為已具備完全離線的 AI 操作能力。可行的環境與教學成果需在課前確認。
可依企業既有 Git 平台、分支規範與程式審查方式調整。課前需確認教學儲存庫、帳號權限及 PR/合併請求流程,再選擇 Git Branch 或 Worktree 的分工方式;這些屬 Git 或平台協作流程。使用 Claude Code 桌機的 Worktree 時,會先確認已啟用並核對工作目錄。若採用 CODEOWNERS 或分支保護,會分別說明責任指派及合併門檻。
CLAUDE.md 與 .claude/rules/ 用於存放經審查的專案規範;Auto memory/MEMORY.md 提供個人操作中累積的知識來源,需核對來源、狀態與適用版本,再轉成共用內容。Skills 以 .claude/skills/<skill-name>/SKILL.md 納入專案管理,將輸入、步驟、輸出及例外處理寫清楚,再完成情境測試與權限檢查。team-handoff 與 team-review 為本課自訂模板名稱。
可於課前提出產業情境、現行流程與希望改善的任務。標準演練使用模擬資料及教學專案;若要使用既有系統,需先確認資料權限、程式可分享範圍、環境限制與客製工作量。正式系統導入、資安驗證及上線責任另行規劃。
請提供參訓角色、預計人數、希望改善的開發任務、既有工具環境及預計培訓時間。培訓專員會依需求確認課程內容、授課形式、地點與費用。需求表中的日期僅作安排參考,提交需求不代表場次已確認或已完成付款。










