Claude Code 一條龍 AI 交付力
不分職稱、不分前後端，讓每個人都能用 AI 一條龍獨立交付需求
需求分析 → 設計 → 開發 → QA → 交付，全生命週期一個人扛，AI 當你的團隊
為什麼開這門課
在企業第一線推動 AI 開發導入，最深的體會是：把工具發下去，不等於有人會用。真正的落差不在工具，而在四件事——對 AI 開發的意識、跑得起來的反饋迴圈、保障學習的時間動機，以及管理層的支持。缺一件，工具就只是桌面上多一個圖示。
這門課就是為了補上這四件事而設計：手把手實機降低環境與心理門檻、貫穿專案建立每堂課的反饋迴圈、每週一堂＋課間作業維持節奏，讓「規格驅動 × 測試驗證」變成肌肉記憶。北極星只有一句：上完課，每個人都能用 Claude Code 一條龍獨立完成需求交付——需求分析 → 設計 → 開發 → QA → 上線。
一套 9 堂、每堂約 60 分鐘、線上遠距、全程實機的企業內訓課程設計， 把「規格驅動 × 測試驗證」的開發方式，變成每個人都做得到的肌肉記憶。 這一頁完整公開它的課綱與教學法。
三條貫穿主軸
九堂課的每一堂，都回到這三件事。
判斷力是你最大的槓桿
Claude Code 解決「怎麼寫」，但「寫什麼」是你的判斷。課程練的是拆解需求、設定驗收條件的能力。
工具會變、心法不變
LLM 與工具進展很快，重心放可長期複利的心法——工具一律「示範→試過→自選」，不綁單一工具鏈。
一條龍 E2E 交付
人人能獨立走完需求分析到上線的全生命週期，AI 當你的團隊，你當指揮。
9 堂 × 一條龍交付鏈
每堂一個實機演練，九堂連起來，就是一次完整的「需求 → 上線」。
心態＋環境→第一次 E2E→工作法→設計（SD）→需求分析→開發加速→規模化開發→QA・驗測→交付・上線
| # | 課名 | 一條龍階段 | 當堂演練（在你的專案上） | 你會帶走 |
|---|---|---|---|---|
| L1 | 為什麼是 Claude Code＋10 分鐘上手 | 心態＋環境 | 環境驗收＋第一句對話＋定下你的專案題目 | 環境就緒、你的貫穿專案題目 |
| L2 | 你的第一個專案：對話式編程實戰 | 第一次 E2E | 用對話式編程做出能跑的 v0 | 一個能跑的 v0 |
| L3 | 核心工作流：五個拉開效率的模式 | 工作法 | Plan 模式 → 自動執行 → commit／PR 全流程 | Plan／Auto／Git／會話管理上手 |
| L4 | CLAUDE.md：給專案寫一張地圖 | 設計（SD） | 為自己的專案寫一份精簡 CLAUDE.md | 你專案的 CLAUDE.md |
| L5 | 進階對話技巧：需求分析與規格 | 需求分析 | 用採訪／Example Mapping 把需求寫成 SPEC | 一份可驗證的 SPEC |
| L6 | 擴展能力：Skills／Hooks／MCP | 開發加速 | 幫自己的專案寫一個 Skill | 你專案的第一個 Skill |
| L7 | 多 Agent 協作：一人指揮 AI 團隊 | 規模化開發 | 用 worktree＋subagent 並行推進一塊功能 | 並行開發＋subagent review 經驗 |
| L8 | Example Mapping × TDD 驗測閉環 | QA・驗測 | 對一個需求跑「先寫測試→實作到綠→gate 收斂」 | 一個需求的測試＋驗證 gate |
| L9 | 從零構建完整產品（Capstone）＋心智模型 | 交付・上線 | 部署上線＋量測 before／after 指標 | 上線的專案＋你的 ROI 數據 |
課程形式
- 9 堂 × 每堂約 60 分鐘，每週一堂
- 線上遠距・全個人制・全程實機
- 課間 20–40 分鐘作業，持續推進專案
- 每人一條貫穿專案，9 堂逐堂加一塊
- 小班制（約 16–20 人），講師＋助教雙支援
適合對象
- 想拉開效率差距的工程師（不分前後端）
- 想自己做出 MVP 的 PM／企劃
- 想導入 AI 開發、提升交付力的團隊
教學法：線上遠距・全個人制・全程實機
不是聽課，是每個人在自己的機器上，把自己的專案做出來。
| 每堂 60 分 | 節奏 |
|---|---|
| 00–08 | 上堂回顧＋本堂在一條龍的位置 |
| 08–25 | 觀念講解＋講師主畫面 demo |
| 25–50 | 單一主線演練（個人實機）＋求救頻道支援 |
| 50–57 | 成果分享＋常見的坑＋軟工心法 |
| 57–60 | 課間作業＋下堂預告 |
學成帶得走的東西
結業標準不是出席率，是每個人自己走完一次 E2E 交付。
一次完整的 E2E 交付
每人獨立把貫穿專案從需求做到上線——不是看過，是自己走完一遍。
自己專案的 CLAUDE.md 與 Skill
課堂產出就是工程資產，回到工作直接沿用、持續累積。
一個 before／after 指標
用自己的數據回答「AI 到底快多少」——跟主管溝通有憑有據。
可長期複利的心法
判斷力是槓桿、工具會變心法不變、驗證比開發更重要。
| 能力 | 學成指標 | 對應堂 |
|---|---|---|
| 需求分析 | 能用採訪／Example Mapping 把需求寫成可驗證的 SPEC | L5 |
| 系統設計（SA／SD） | 能用 Plan 模式討論架構、用 CLAUDE.md 固化設計約束 | L3、L4 |
| 開發 | 能用對話式編程做出能跑的功能、用 Skill 自動化重複流程 | L2、L6 |
| 規模化 | 能用 worktree／subagent 並行推進、用 review 把關 | L7 |
| QA | 能對一個需求寫測試、用 gate 收斂（紅綠重構） | L8 |
| 交付 | 能部署上線、配 CI/CD、量 before／after | L9 |
| 心法 | 能說出「判斷力是槓桿」「工具會變心法不變」「驗證比開發重要」 | 全程 |
課程設計也包含課後機制：學員產出的 Skill／CLAUDE.md 收進團隊共享庫，搭配常駐 Q&A、定期 office hours 與種子成員（champions）——讓一次性課程變成持續能力。
講師
史旺基 Swanky Hsiao（蕭宇程）
師大資工博士・東吳大學兼任助理教授・台灣大哥大部經理・CSM 認證
在企業內部第一線推動 AI 開發導入的技術主管：帶團隊實際用 Claude Code 交付需求，把過程中的方法、坑與心法寫成 19+ 篇公開專欄（Agentic Engineering 系列）。東吳大學連續 8 年授課、企業內訓與研討會講者經驗，擅長把新技術拆解成「每個人都做得到」的步驟——這門課的每一堂，都來自第一線的真實導入經驗，而不是工具說明書。
延伸閱讀：方法的公開記錄
課程背後的方法論，都先在專欄裡公開寫過——先讀文章，再決定這門課適不適合你的團隊。
這 40 個實戰技巧，才是真正把 AI Coding 工具用到飛起來的方法
2026-03-23
40 個 Claude Code 最值得先學起來的最佳實踐，從基礎設定、工作流加速、上下文管理，到自動化驗證與平行多代理協作，幫你把 AI 開發工具從補字工具升級為完整的協作作業系統。
從組合語言到 Agentic AI Coding Agent：AI 時代，程式設計正在變成什麼？
2026-04-25
可維護、可稽核、可擴充——AI 寫得快，不代表它寫得對。探討 AI 時代程式設計的典範轉移，從手寫實作細節轉向定義行為、約束邊界、驗證結果。
Claude Code 時代，Kent Beck 為什麼提醒我們不要只看「80% 完成」
2026-03-19
從 Kent Beck 對 TDD 的觀點出發，探討在 Claude Code 與 AI coding 工具時代，為何測試與規格比以往更加重要，80% 完成的系統不等於可交付的系統。
Agentic Engineering 學得好的人，不是技術最強的人
2026-05-01
使用 Claude Code 的成功關鍵不在技術能力，而在系統性思維、軟體工程觀念與專案管理能力，需要培養完整的工作閉環與任務定義能力。
你不知道的 Claude Code：從聊天工具到工程代理，你真正該學的是治理
2026-03-22
Claude Code 不是聊天機器人，是一套可以治理的工程代理系統。深入解析六層架構、上下文工程、Skills/Hooks/Subagents 設計，以及 Prompt Caching 與驗證閉環。