生成式 AI 很擅長回答問題、產生程式碼、規劃系統架構與整理技術文件。
但若 AI 只能停留在聊天視窗中，它多半只能告訴你：
- 指令應該怎麼下
- 程式應該怎麼寫
- 系統應該怎麼部署
- 錯誤可能發生在哪裡
真正要讓 AI 參與開發、測試、部署與維運，就需要搭配 CLI 工具。
CLI 是 Command-Line Interface，命令列介面。透過終端機、PowerShell、Git、Docker、Python、Node.js，以及各種雲端 CLI，AI 才能把「建議」轉換為「可執行的工作流程」。
簡單來說：
聊天介面讓 AI 提供答案，CLI 則讓 AI 有機會把答案轉換成實際操作。
當開發環境準備完成後，AI 可以協助：
- 建立專案
- 建立資料夾與程式檔案
- 安裝開發套件
- 執行程式
- 執行測試
- 分析錯誤
- 修改程式
- 操作 Git
- 建立 Docker 容器
- 部署雲端服務
- 操作 Firebase
- 查詢資料庫
- 建立 CI/CD
- 撰寫 PowerShell 自動化腳本
- 分析系統 Log
- 重複執行、修正與驗證
這也是 AI Coding Agent、AI CLI、Vibe Coding 與 Agentic Development 的核心基礎。
一、什麼是 CLI？
CLI 是透過文字指令操作電腦、開發工具與雲端平台的介面。
例如，使用 Git 下載專案：
git clone https://github.com/example/project.git
使用 Docker 啟動服務：
docker compose up -d
登入 Azure：
az login
部署 Google Cloud Run：
gcloud run deploy
當 AI 開發工具具備 CLI 操作能力後，通常可以依照以下流程工作：
- 理解使用者需求。
- 檢查本機開發環境。
- 建立專案與資料夾。
- 安裝必要套件。
- 產生程式碼與設定檔。
- 執行建置。
- 執行測試。
- 分析錯誤訊息。
- 修改程式。
- 再次執行與驗證。
- 建立 Git Commit。
- 部署到測試或雲端環境。
因此，CLI 不只是工程師輸入指令的工具，也是 AI 與作業系統、開發工具及雲端平台之間的重要橋梁。
二、Windows 本機建議安裝的基礎工具
若要在 Windows 電腦上使用 AI 搭配 CLI，建議先安裝以下工具。
1. Windows Terminal
Windows Terminal 是 Windows 上的現代化終端機工具。
官方安裝說明：
https://learn.microsoft.com/zh-tw/windows/terminal/install
Windows Terminal 可以同時操作：
- PowerShell
- Command Prompt
- WSL
- SSH
- Azure Cloud Shell
- 各種 CLI 工具
Windows Terminal 可視為整個 CLI 開發環境的主要入口。
安裝完成後，可以從開始功能表開啟 Windows Terminal，並在不同分頁中分別執行：
- PowerShell
- Git
- Docker
- Node.js
- Python
- Azure CLI
- Google Cloud CLI
2. PowerShell 7
PowerShell 是 Windows 上非常重要的命令列與自動化腳本工具。
官方安裝說明：
PowerShell 可以用來：
- 管理檔案與資料夾
- 安裝軟體
- 呼叫 REST API
- 控制 Windows Service
- 控制 IIS
- 建立部署腳本
- 建立備份腳本
- 建立排程工作
- 檢查網站健康狀態
- 分析 Log
- 操作 Git
- 操作 Docker
- 操作雲端 CLI
- 建立 CI/CD 腳本
確認 PowerShell 版本：
pwsh --version
啟動 PowerShell 7：
pwsh
PowerShell 特別適合以下環境：
- Windows Server
- IIS
- .NET
- SQL Server
- Active Directory
- 企業內部系統
- 自動部署
- 自動更新
- 系統維運
例如，AI 可以協助建立一支 PowerShell 腳本，自動完成：
- 下載 GitHub 最新 Release。
- 解壓縮檔案。
- 停止 IIS。
- 備份現有網站。
- 保留
appsettings.json。 - 更新程式。
- 啟動 IIS。
- 驗證網站狀態。
- 失敗時自動還原。
3. Git
Git 是目前最重要的分散式版本控制工具之一。
官方網站：
Windows 使用者通常可以從 Git 官方網站下載 Git for Windows。
Git 可以用來管理：
- 程式碼版本
- 修改紀錄
- 分支
- Commit
- Tag
- Merge
- 衝突處理
- 程式碼還原
- 遠端 Repository
- 團隊協作
- CI/CD 觸發
- Release 版本
確認 Git 是否安裝完成：
git --version
查看目前 Git 設定：
git config --list
設定使用者名稱：
git config --global user.name "Your Name"
設定電子郵件：
git config --global user.email "you@example.com"
查看設定結果：
git config --global user.name
git config --global user.email
Git 的基本工作流程
Git 最常見的操作流程如下：
工作目錄
→ 暫存區
→ 本機 Repository
→ 遠端 Repository
查看目前修改狀態：
git status
將修改加入暫存區：
git add .
建立 Commit：
git commit -m "feat: add login feature"
推送到遠端：
git push
建立新的 Git Repository
在目前資料夾初始化 Git：
git init
加入所有檔案：
git add .
建立第一個 Commit：
git commit -m "Initial commit"
設定遠端 Repository：
git remote add origin https://github.com/owner/repository.git
推送至遠端：
git branch -M main
git push -u origin main
下載既有專案
Clone Git Repository：
git clone https://github.com/owner/repository.git
進入專案：
cd repository
查看目前分支：
git branch
取得最新版本：
git pull
建立功能分支
建立並切換到新分支：
git switch -c feature/add-login
較舊的寫法：
git checkout -b feature/add-login
完成修改後：
git add .
git commit -m "feat: add login feature"
git push -u origin feature/add-login
常見 Git 指令
查看 Commit 紀錄：
git log
以精簡格式查看：
git log --oneline
查看程式修改內容：
git diff
查看已暫存的修改：
git diff --staged
查看遠端 Repository：
git remote -v
切換分支：
git switch main
合併分支：
git merge feature/add-login
建立標籤：
git tag v1.0.0
推送標籤：
git push origin v1.0.0
Git 在 AI 開發中的重要性
AI 可以快速修改大量程式碼，但修改範圍越大，風險也越高。
因此，在讓 AI 操作專案前，建議先建立 Git Commit：
git status
git add .
git commit -m "chore: backup before AI changes"
AI 修改完成後，可以透過以下指令檢查差異：
git diff
若修改錯誤，可以使用 Git 還原。
還原單一檔案：
git restore path/to/file
取消暫存：
git restore --staged path/to/file
回到上一個 Commit 前，必須先確認是否會影響尚未保存的修改。
Git 對 AI 開發最大的價值包括：
- 保留 AI 修改前的版本
- 比較 AI 修改內容
- 快速找出錯誤
- 分批提交修改
- 容易進行程式碼審查
- 發生問題時可以還原
- 可與 GitHub、GitLab、CI/CD 整合
4. Docker Desktop
Docker 可以將應用程式與其執行環境封裝成容器。
官方下載：
https://www.docker.com/products/docker-desktop/
Docker 適合用來建立：
- PostgreSQL
- MySQL
- Redis
- RabbitMQ
- Nginx
- Elasticsearch
- Qdrant
- Milvus
- AI API
- Python 執行環境
- .NET 執行環境
- React 前端
- 測試環境
- 微服務架構
確認 Docker 是否安裝：
docker --version
確認 Docker Compose：
docker compose version
查看執行中的容器：
docker ps
查看所有容器：
docker ps -a
例如，使用 Docker 建立 PostgreSQL：
docker run --name postgres-dev `
-e POSTGRES_USER=postgres `
-e POSTGRES_PASSWORD=YourPassword `
-e POSTGRES_DB=appdb `
-p 5432:5432 `
-d postgres
AI 可以協助產生：
Dockerfiledocker-compose.yml- Volume
- Network
- Health Check
- 環境變數
- 多階段建置
- 正式環境映像檔
- 容器啟動腳本
5. Node.js
Node.js 是 JavaScript 與 TypeScript 的執行環境。
官方網站：
Node.js 常用於：
- React
- Vue
- Angular
- Next.js
- Nuxt
- Vite
- Three.js
- Express
- NestJS
- MCP Server
- AI CLI
- 自動化工具
- 前端建置
確認 Node.js：
node --version
確認 npm：
npm --version
建立 Vite 專案：
npm create vite@latest
安裝套件：
npm install
啟動開發環境：
npm run dev
建立正式版本：
npm run build
AI 可以透過 Node.js CLI 協助：
- 建立 React 專案
- 安裝 UI 套件
- 建立 API
- 建立 Three.js 場景
- 執行 ESLint
- 執行測試
- 建立 Production Build
- 分析 npm 安裝錯誤
6. Python 或 Anaconda
Python 是 AI、機器學習、資料分析、自動化與後端 API 常用的程式語言。
Python 官方下載：
https://www.python.org/downloads/
Anaconda 下載：
https://www.anaconda.com/download
Python 常見用途包括：
- OpenAI API
- Azure OpenAI
- RAG
- Embedding
- 向量資料庫
- 機器學習
- 深度學習
- OCR
- Whisper
- YOLO
- 資料分析
- Excel 處理
- 網頁爬蟲
- FastAPI
- Flask
- 自動化腳本
確認 Python：
python --version
確認 pip：
pip --version
建立虛擬環境：
python -m venv .venv
啟用虛擬環境：
.\.venv\Scripts\Activate.ps1
安裝套件：
pip install fastapi uvicorn openai
輸出套件清單：
pip freeze > requirements.txt
安裝專案套件：
pip install -r requirements.txt
Anaconda 則特別適合：
- Jupyter Notebook
- 資料科學
- AI 模型研究
- 多 Python 環境管理
- 機器學習套件管理
- 教學與實驗環境
三、如果要建立雲端服務
若希望 AI 協助建立或部署雲端服務，應安裝對應平台的官方 CLI。
1. Google Cloud CLI
官方網站：
Google Cloud CLI 的主要指令為：
gcloud
可操作：
- Cloud Run
- Compute Engine
- Cloud Storage
- Cloud SQL
- Google Kubernetes Engine
- Artifact Registry
- Secret Manager
- Cloud Functions
- IAM
- Service Account
- VPC
- Load Balancer
登入 Google Cloud：
gcloud auth login
查看帳號：
gcloud auth list
查看專案：
gcloud projects list
設定預設專案：
gcloud config set project YOUR_PROJECT_ID
查看目前設定：
gcloud config list
設定預設區域：
gcloud config set run/region asia-east1
部署 Cloud Run：
gcloud run deploy
AI 可以根據需求協助：
- 建立 Google Cloud 專案。
- 啟用相關 API。
- 建立 Artifact Registry。
- 建立 Docker Image。
- 推送映像檔。
- 建立 Cloud Run。
- 設定 Secret Manager。
- 設定環境變數。
- 設定自訂網域。
- 建立自動部署腳本。
2. Firebase CLI
官方文件：
https://firebase.google.com/docs/cli?hl=zh-cn
Firebase CLI 通常透過 npm 安裝：
npm install -g firebase-tools
確認版本：
firebase --version
登入：
firebase login
查看專案：
firebase projects:list
初始化 Firebase：
firebase init
切換專案：
firebase use PROJECT_ID
部署：
firebase deploy
Firebase CLI 可管理：
- Firebase Hosting
- Firestore
- Authentication
- Cloud Functions
- Storage
- Emulator
- Remote Config
- App Hosting
- Security Rules
AI 可以協助建立：
firebase.json- Firestore Rules
- Storage Rules
- Functions 專案
- Hosting 設定
- Emulator 設定
- CI/CD 部署流程
3. Azure CLI
官方安裝說明：
https://learn.microsoft.com/zh-tw/cli/azure/install-azure-cli?view=azure-cli-latest
Azure CLI 的主要指令為：
az
登入 Azure：
az login
查看訂閱：
az account list --output table
設定訂閱：
az account set --subscription "訂閱名稱或訂閱 ID"
建立 Resource Group：
az group create `
--name DemoResourceGroup `
--location eastasia
Azure CLI 可操作：
- App Service
- Azure Functions
- Container Apps
- Azure Kubernetes Service
- Azure SQL
- PostgreSQL Flexible Server
- Storage Account
- Key Vault
- Azure OpenAI
- Virtual Machine
- Azure Container Registry
- Application Insights
- Azure Monitor
- Service Bus
- Redis
AI 可以根據需求產生：
- 建立資源腳本
- 更新部署腳本
- 環境變數設定
- Key Vault 設定
- 網路安全設定
- Application Insights 監控
- 刪除測試環境腳本
四、資料庫工具
AI 應用通常需要儲存：
- 使用者資料
- 系統設定
- 對話紀錄
- 文件索引
- Embedding
- 分析結果
- 操作 Log
- 任務狀態
- 權限資料
- AI Agent 執行紀錄
因此，資料庫也是 AI CLI 開發環境的重要部分。
1. PostgreSQL
下載網址：
https://www.enterprisedb.com/downloads/postgres-postgresql-downloads
PostgreSQL 適合：
- 企業管理系統
- SaaS
- AI 應用
- RAG
- JSON 資料
- 全文檢索
- 地理資訊
- 向量搜尋
- 多租戶系統
搭配 pgvector 後，PostgreSQL 也可以儲存與搜尋 Embedding。
確認 PostgreSQL CLI：
psql --version
連線本機 PostgreSQL：
psql -h localhost -U postgres
指定資料庫：
psql -h localhost -U postgres -d appdb
建立資料庫：
CREATE DATABASE ai_demo;
查看資料庫：
\l
查看資料表：
\dt
離開：
\q
2. pgAdmin
官方網站：
pgAdmin 是 PostgreSQL 的圖形化管理工具，可用來：
- 建立資料庫
- 建立資料表
- 執行 SQL
- 管理帳號
- 管理權限
- 查看連線
- 備份
- 還原
- 查看效能
CLI 適合自動化，pgAdmin 適合視覺化管理，兩者可以搭配使用。
3. SQLite
官方網站：
SQLite 是輕量級嵌入式資料庫，不需要獨立資料庫伺服器。
適合：
- 桌面程式
- 手機 App
- 小型系統
- 單機工具
- PoC
- 快速雛型
- 開發測試
- 本機 AI 工具
- 小型 RAG
資料通常儲存在單一檔案中，例如：
app.db
開啟資料庫：
sqlite3 app.db
查看資料表：
.tables
查看資料表結構：
.schema users
離開 SQLite：
.quit
4. DB Browser for SQLite
官方網站：
DB Browser for SQLite 可以透過圖形化介面：
- 開啟 SQLite
- 查看資料表
- 編輯資料
- 執行 SQL
- 匯入 CSV
- 匯出 CSV
- 查看索引
- 修改資料表結構
當 AI 產生 SQLite 專案後，可以使用 DB Browser 驗證資料是否正確。
五、版本控制與遠端平台 CLI
Git、GitHub CLI 與 GitLab CLI 是不同層級的工具。
可以簡單理解為：
| 工具 | 主要用途 |
|---|---|
| Git | 管理本機與遠端程式碼版本 |
| GitHub CLI | 操作 GitHub 平台功能 |
| GitLab CLI | 操作 GitLab 平台功能 |
GitHub CLI 與 GitLab CLI 不能取代 Git。
一般情況下，應先安裝 Git，再安裝 GitHub CLI 或 GitLab CLI。
1. Git
官方網站：
Git 負責：
- Clone
- Add
- Commit
- Pull
- Push
- Branch
- Merge
- Tag
- Diff
- Restore
例如：
git clone https://github.com/owner/repository.git
git switch -c feature/new-page
git add .
git commit -m "feat: add new page"
git push -u origin feature/new-page
2. GitHub CLI
官方網站：
GitHub CLI 的主要指令是：
gh
登入 GitHub：
gh auth login
查看登入狀態：
gh auth status
建立 Repository：
gh repo create
下載 Repository：
gh repo clone owner/repository
建立 Issue：
gh issue create
查看 Issue：
gh issue list
建立 Pull Request：
gh pr create
查看 Pull Request：
gh pr list
查看 GitHub Actions：
gh run list
查看執行結果：
gh run view
查看失敗 Log：
gh run view --log-failed
GitHub CLI 可讓 AI 協助：
- 建立 Repository
- 建立 Issue
- 建立 Pull Request
- 查看 Review
- 分析 GitHub Actions
- 下載 Release
- 建立 Release
- 管理 Workflow
- 管理 GitHub 專案
3. GitLab CLI
GitLab CLI 發布頁：
https://gitlab.com/gitlab-org/cli/-/releases
GitLab CLI 的主要指令為：
glab
登入 GitLab：
glab auth login
GitLab CLI 可以連線：
- GitLab.com
- 自建 GitLab Server
查看 Issue：
glab issue list
建立 Issue：
glab issue create
查看 Merge Request：
glab mr list
建立 Merge Request：
glab mr create
查看 Pipeline：
glab pipeline list
查看 CI 狀態：
glab ci status
GitLab CLI 可讓 AI 協助：
- 建立 Issue
- 建立 Merge Request
- 查看 Pipeline
- 建立 Release
- 分析 CI/CD
- 操作自建 GitLab
- 管理專案工作流程
需要注意：
GitLab CLI 負責管理 GitLab 平台，真正執行 CI/CD 工作的元件仍是 GitLab Runner。
六、AI 搭配 CLI 可以做哪些事情？
1. 建立網站專案
提示詞範例：
請使用 Vite 建立 React TypeScript 專案。
需求：
- 使用 React
- 使用 TypeScript
- 使用 Tailwind CSS
- 建立首頁
- 建立登入頁
- 建立後台 Dashboard
- 使用 React Router
- 安裝套件
- 執行 npm run build
- 修正所有建置錯誤
AI 可以協助執行：
npm create vite@latest
npm install
npm install react-router-dom
npm run build
並建立：
- React 元件
- 路由
- 表單
- Dashboard
- API Service
- CSS
- 環境變數
2. 建立 Python API
提示詞範例：
請建立一個 Python FastAPI 專案。
需求：
- 提供健康檢查 API
- 提供使用者登入 API
- 提供 AI 問答 API
- 使用 SQLite
- 使用 SQLAlchemy
- 建立 requirements.txt
- 建立單元測試
- 啟動後驗證 API
AI 可以建立：
app/
├─ main.py
├─ database.py
├─ models.py
├─ schemas.py
├─ services/
├─ routers/
├─ tests/
├─ requirements.txt
└─ README.md
並執行：
python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install fastapi uvicorn sqlalchemy pytest
uvicorn app.main:app --reload
pytest
3. 建立 Docker 環境
提示詞範例：
請將目前 FastAPI 專案容器化。
需求：
- 建立 Dockerfile
- 建立 docker-compose.yml
- 建立 PostgreSQL
- 建立 Redis
- 建立健康檢查
- 使用環境變數
- 啟動後測試 API
AI 可以執行：
docker compose up -d --build
查看容器：
docker compose ps
查看 Log：
docker compose logs -f
4. 部署 Google Cloud
提示詞範例：
我要在 Google Cloud 建立一個網頁服務。
請使用 gcloud CLI 協助規劃與部署。
需求：
- Python FastAPI
- 使用 Docker
- 部署至 Cloud Run
- 區域使用 asia-east1
- 使用 Artifact Registry
- 使用 Secret Manager 儲存 API Key
- 設定環境變數
- 提供部署與刪除腳本
- 建立付費資源前先列出資源清單
AI 可以依序協助：
- 檢查 gcloud。
- 登入帳號。
- 設定 Project。
- 啟用 API。
- 建立 Artifact Registry。
- 建立 Docker Image。
- 推送 Image。
- 建立 Secret。
- 部署 Cloud Run。
- 驗證服務網址。
5. 部署 Azure 服務
提示詞範例：
請使用 Azure CLI 部署一個 .NET Web API。
需求：
- 建立 Resource Group
- 建立 Linux App Service
- 建立 PostgreSQL Flexible Server
- 使用 Key Vault
- 使用 Application Insights
- 設定正式環境變數
- 提供建立、更新與刪除腳本
AI 可以產生與執行：
az group createaz appservice plan createaz webapp createaz postgres flexible-server createaz keyvault createaz monitor app-insights component create
6. 操作 Firebase
提示詞範例：
請使用 Firebase CLI 建立一個 React 網站。
需求：
- 使用 Firebase Hosting
- 使用 Firestore
- 使用 Authentication
- 建立 Security Rules
- 建立本機 Emulator
- 建立 GitHub Actions 自動部署
AI 可以協助執行：
firebase login
firebase init
firebase emulators:start
firebase deploy
7. 操作 Git 與 GitHub
提示詞範例：
請檢查目前專案修改內容。
接著：
1. 建立 feature/login 分支。
2. 將修改分成合理的 Commit。
3. 推送到 GitHub。
4. 使用 GitHub CLI 建立 Pull Request。
5. 在 Pull Request 說明中列出修改內容與測試結果。
AI 可能執行：
git status
git diff
git switch -c feature/login
git add .
git commit -m "feat: add login feature"
git push -u origin feature/login
gh pr create
8. 操作 Git 與 GitLab
提示詞範例：
請分析目前修改內容。
接著：
1. 建立 feature/report 分支。
2. 建立 Commit。
3. 推送到公司自建 GitLab。
4. 使用 glab 建立 Merge Request。
5. 檢查 GitLab Pipeline。
AI 可能執行：
git switch -c feature/report
git add .
git commit -m "feat: add report module"
git push -u origin feature/report
glab mr create
glab pipeline list
9. 自動管理 Windows 與 IIS
提示詞範例：
請使用 PowerShell 建立網站自動更新腳本。
流程：
1. 從 GitHub Release 取得最新版本。
2. 下載 ZIP。
3. 驗證檔案。
4. 解壓縮。
5. 停止 IIS App Pool。
6. 備份目前網站。
7. 保留 appsettings.json。
8. 更新其他程式檔案。
9. 啟動 IIS App Pool。
10. 呼叫健康檢查網址。
11. 失敗時還原。
12. 將完整過程寫入 Log。
AI 可以協助：
- 撰寫腳本
- 執行腳本
- 分析權限錯誤
- 驗證 IIS
- 驗證網址
- 建立失敗還原機制
七、如何撰寫適合 AI CLI 的提示詞？
不建議只寫：
幫我建立一個網站。
這類提示詞過於模糊，AI 很難判斷：
- 使用什麼程式語言
- 使用什麼框架
- 是否使用 Docker
- 是否需要資料庫
- 是否需要部署
- 可以操作哪些 CLI
- 是否可以安裝套件
- 是否可以修改現有檔案
建議至少包含以下內容：
- 目標。
- 技術架構。
- 執行環境。
- 可使用工具。
- 功能需求。
- 驗證方式。
- 權限限制。
- 安全限制。
- 部署平台。
- 最終交付內容。
建議提示詞模板
你是一位資深軟體架構師、AI 工程師與 DevOps 工程師。
請在目前目錄建立一個可執行的專案。
技術需求：
- 前端：React、TypeScript
- 後端：Python FastAPI
- 資料庫：PostgreSQL
- 快取：Redis
- 容器：Docker Compose
- 雲端：Google Cloud Run
- 版本控制：GitHub
可使用工具：
- PowerShell
- Git
- GitHub CLI
- Python CLI
- Node.js CLI
- Docker CLI
- gcloud CLI
執行要求：
1. 先檢查所有必要工具是否安裝。
2. 查看目前資料夾與既有檔案。
3. 不要直接覆蓋重要檔案。
4. 建立專案結構。
5. 安裝必要套件。
6. 建立資料庫設定。
7. 建立 Dockerfile 與 docker-compose.yml。
8. 建立健康檢查 API。
9. 建立單元測試。
10. 執行建置與測試。
11. 修正所有錯誤。
12. 建立 Git 分支與 Commit。
13. 提供 Cloud Run 部署腳本。
14. 涉及付費資源前，先列出資源與可能費用。
15. 不要將密碼、Token 或 API Key 寫入 Git。
八、網頁 3D 與程式 3D 工具選擇
網頁 3D：Three.js
Three.js 是基於 WebGL 的 JavaScript 3D 函式庫。
適合：
- 網頁 3D 展示
- 產品模型展示
- 3D 模型檢視器
- 互動式場景
- 數位孿生介面
- WebXR
- 教學模擬
- 網頁小遊戲
- 工業設備視覺化
安裝 Three.js：
npm install three
建立 Vite 專案：
npm create vite@latest threejs-demo
cd threejs-demo
npm install
npm install three
npm run dev
Three.js 可以搭配：
- React Three Fiber
- Drei
- Vite
- Blender
- GLTF
- GLB
- WebXR
- Cannon.js
- Rapier
提示詞範例：
請使用 Vite、TypeScript 與 Three.js 建立 3D 網頁。
需求：
- 建立地板
- 建立環境光
- 建立方向光
- 載入 GLB 模型
- 支援滑鼠旋轉
- 支援模型縮放
- 支援物件點擊
- 顯示物件資訊
- 加入載入進度
- 加入效能統計
- 執行 npm run build 驗證
程式、遊戲與工業模擬：Unity
Unity 是跨平台 2D／3D 開發引擎，主要使用 C#。
適合：
- Windows 3D 程式
- 手機 App
- 3D 遊戲
- AR
- VR
- 工業模擬
- 教育訓練
- 數位孿生
- 物理模擬
- 互動式展示
Unity 適合需要以下能力的專案：
- 角色控制
- 動畫系統
- 物理引擎
- 碰撞偵測
- 多平台輸出
- VR／AR 裝置
- 複雜場景管理
- 手機感測器
- 工業設備模擬
工具選擇參考：
| 使用情境 | 建議工具 |
|---|---|
| 網頁顯示 3D 模型 | Three.js |
| 網頁互動 3D 場景 | Three.js |
| 網頁產品展示 | Three.js |
| 網頁輕量遊戲 | Three.js |
| Windows 3D 程式 | Unity |
| 手機 3D App | Unity |
| AR／VR 應用 | Unity |
| 完整 3D 遊戲 | Unity |
| 工業模擬 | Unity |
| 教育訓練模擬 | Unity |
九、安全與權限管理
AI 能操作 CLI，代表它也可能執行具有破壞性的指令。
因此，必須建立明確的安全界線。
1. 不要將密碼寫入提示詞或程式碼
避免直接提供：
- 密碼
- API Key
- Access Token
- GitHub Token
- GitLab Token
- 資料庫密碼
- SSH Private Key
- Service Account Key
- Azure Client Secret
建議使用：
- 環境變數
.env- User Secrets
- Azure Key Vault
- Google Secret Manager
- GitHub Secrets
- GitLab CI/CD Variables
.gitignore 建議包含：
.env
.env.*
*.key
*.pem
appsettings.Production.json
secrets.json
service-account.json
2. 執行刪除指令前必須確認
以下指令可能造成嚴重影響：
Remove-Item -Recurse -Force
rm -rf
docker system prune -a
az group delete
gcloud projects delete
git reset --hard
git clean -fd
執行前應先：
- 顯示操作目標
- 顯示實際路徑
- 顯示預計刪除內容
- 建立備份
- 建立 Git Commit
- 優先在測試環境操作
- 避免直接操作正式環境
3. 使用 Git 保護程式碼
AI 大量修改程式前，先執行：
git status
git add .
git commit -m "chore: snapshot before AI changes"
修改完成後檢查：
git diff
git status
這樣可以：
- 查看 AI 改了什麼
- 找出不合理修改
- 分批審查
- 還原錯誤
- 保留歷史紀錄
4. 區分不同環境
建議至少區分：
Development
Testing
Staging
Production
AI 初期應優先操作：
- Development
- Testing
- 個人雲端專案
- 測試用 Resource Group
- 測試用 Git 分支
- 測試資料庫
避免一開始就讓 AI 取得 Production 最高權限。
5. 使用最小權限原則
AI 使用的帳號、Token 或 Service Account，只應取得必要權限。
例如：
- 部署 Cloud Run 不一定需要 Project Owner
- 建立 Pull Request 不需要 Repository Admin
- 查詢資料庫不一定需要 DROP 權限
- 讀取 Log 不需要系統管理員權限
- Firebase 部署不一定需要完整 Google Cloud 管理權限
十、安裝完成後的環境檢查
可以使用 PowerShell 快速檢查常用工具是否存在：
$commands = @(
"pwsh",
"git",
"docker",
"node",
"npm",
"python",
"pip",
"gcloud",
"firebase",
"az",
"gh",
"glab",
"psql",
"sqlite3"
)
foreach ($command in $commands) {
$result = Get-Command $command -ErrorAction SilentlyContinue
if ($result) {
Write-Host "[OK] $command" -ForegroundColor Green
}
else {
Write-Host "[Missing] $command" -ForegroundColor Yellow
}
}
也可以進一步檢查版本：
$versionCommands = @{
"PowerShell" = "pwsh --version"
"Git" = "git --version"
"Docker" = "docker --version"
"Node.js" = "node --version"
"npm" = "npm --version"
"Python" = "python --version"
"pip" = "pip --version"
"gcloud" = "gcloud version"
"Firebase" = "firebase --version"
"Azure CLI" = "az version"
"GitHub CLI" = "gh --version"
"GitLab CLI" = "glab --version"
"PostgreSQL" = "psql --version"
"SQLite" = "sqlite3 --version"
}
foreach ($item in $versionCommands.GetEnumerator()) {
Write-Host "`n=== $($item.Key) ===" -ForegroundColor Cyan
try {
Invoke-Expression $item.Value
}
catch {
Write-Host "未安裝或無法執行" -ForegroundColor Yellow
}
}
十一、建議的 AI CLI 基礎工具組合
初學者可先安裝：
Windows Terminal
+ PowerShell 7
+ Git
+ Node.js
+ Python
+ Docker Desktop
需要使用 GitHub 時，再安裝：
GitHub CLI
需要使用 GitLab 時，再安裝：
GitLab CLI
需要部署 Google Cloud 時，再安裝：
Google Cloud CLI
+ Firebase CLI
需要部署 Azure 時，再安裝：
Azure CLI
需要開發資料庫應用時，可安裝：
PostgreSQL
+ pgAdmin
+ SQLite
+ DB Browser for SQLite
十二、結論
AI 能不能真正參與軟體開發，不只取決於模型本身是否聰明，也取決於它能使用哪些工具。
只有聊天能力時，AI 通常可以：
- 提供建議
- 產生程式碼
- 解釋錯誤
- 規劃架構
- 撰寫指令
搭配 CLI 後，AI 則可以進一步協助：
- 建立專案
- 建立檔案
- 安裝套件
- 執行程式
- 執行測試
- 修正錯誤
- 操作 Git
- 建立分支與 Commit
- 建立 Pull Request
- 建立 Merge Request
- 建立 Docker 容器
- 操作資料庫
- 部署雲端
- 建立 CI/CD
- 執行系統維運
- 產生自動化腳本
- 驗證最終結果
其中，Git 是 AI 開發流程中非常重要的安全基礎。
Git 可以讓開發者清楚知道：
- AI 修改了哪些檔案
- AI 修改了哪些程式碼
- 哪一個版本發生問題
- 是否需要還原
- 是否可以進行程式碼審查
因此，建議至少準備以下環境：
Windows Terminal
+ PowerShell 7
+ Git
+ Node.js
+ Python
+ Docker
+ GitHub CLI 或 GitLab CLI
+ Azure CLI 或 Google Cloud CLI
完成安裝後，可以在提示詞中清楚告訴 AI：
你可以使用 PowerShell、Git、Python、Node.js、Docker 與雲端 CLI。
請先檢查目前環境與 Git 狀態，再開始修改。
執行過程中：
1. 不要直接覆蓋重要檔案。
2. 不要刪除未確認的檔案。
3. 修改前先建立 Git 分支。
4. 修改後執行建置與測試。
5. 顯示完整錯誤訊息。
6. 修正後再次驗證。
7. 不要將密碼與 Token 寫入 Git。
8. 涉及雲端付費資源前，先列出預計建立的資源。
當 AI、CLI、Git、Docker、程式語言與雲端平台整合後，AI 就不再只是回答技術問題的聊天工具，而是能夠參與規劃、開發、測試、版本控制、部署與維運的工程協作工具。
昨天分享了自己 3 天認真衝刺考上 IPAS AI 中級 的喜悅後，很多人私訊問：「到底怎麼準備的？」
