基本資料
| 項目 | 內容 |
|---|---|
| 課程名稱 | AI 數位素養與自動化應用 |
| 訓練類別 | 數位能力 — 人工智慧應用 |
| 總時數 | 12 小時（2 天 x 6 小時） |
| 每班人數 | 30 人 |
| 講師 | 戴豪廷 |
| 補助管道 | 勞動部勞動力發展署 — 產業人才投資方案 |
| 上課時間 | 09:00-16:00（含午休 1 小時，不計入時數） |
P (Plan) — 訓練計畫
一、訓練需求分析
1. 產業趨勢與政策背景
- 國發會「2030 數位國家」政策：明確將 AI 應用普及列為國家數位轉型重點，要求各產業提升數位素養與 AI 運用能力。
- 經濟部中小企業署調查（2025）：台灣中小企業約 163 萬家，佔全體企業 98%，但僅約 12% 已導入 AI 工具於日常營運，超過 70% 的中小企業主表示「想用但不知道怎麼開始」。
- 勞動部「產業人才投資方案」政策目標：提升在職勞工數位技能，因應 AI 時代的職場轉型需求。
- 生成式 AI 爆發（2023-2026）：ChatGPT、Claude 等工具使非技術人員也能透過自然語言操作 AI，但多數使用者仍停留在「聊天問答」層級，未能發揮 AI 的自動化與系統整合潛力。
2. 目標對象的訓練缺口
| 面向 | 現況（缺口） | 訓練後預期能力 |
|---|---|---|
| AI 認知 | 僅會用 ChatGPT 聊天，不懂 AI 能做什麼 | 理解 AI 五感框架，能判斷哪些工作可用 AI 處理 |
| 電腦基礎 | 只會操作 GUI 介面，不懂底層運作 | 能分辨 GUI/CLI/DB 三層結構，理解「工具背後的邏輯」 |
| 網路概念 | 不懂 Domain、路由、Webhook、API | 能畫出公司業務的「人肉 API 地圖」，辨識可自動化的環節 |
| AI 實作 | 無法將 AI 應用於實際業務產出 | 能用 AI 工具做出公司網站，並理解後續迭代方式 |
| 成本意識 | 不知道 AI 工具的費用結構 | 能自行試算 AI 工具月費 vs 人力成本，做出導入決策 |
3. 與組織/產業目標的連結
本課程直接對應以下政策目標：
- 勞動部產業人才投資方案：提升在職勞工數位能力，增進就業競爭力
- 經濟部數位轉型推動計畫：協助中小企業導入 AI 工具，提升營運效率
- 國發會數位國家方案：培養國民數位素養，縮小城鄉數位落差
二、訓練目標
學員結訓後能達成以下具體能力：
- 學員結訓後能分辨電腦的 GUI（圖形介面）、CLI（命令列）、DB（資料庫）三層結構，理解「人看的」和「電腦看的」差異
- 學員結訓後能說明 Domain、路由、Webhook、Web UI 等網路基本概念，畫出業務流程的網路架構圖
- 學員結訓後能使用 Markdown 語法撰寫結構化文件，操作 Obsidian 建立知識管理系統
- 學員結訓後能撰寫有效的 AI 指令（CLAUDE.md），區分好指令與壞指令的差異
- 學員結訓後能獨立使用 Claude Desktop Code tab 產出一個公司形象網站
- 學員結訓後能畫出公司業務的「人肉 API 地圖」，標記「可寫死自動化 / 需 AI 判斷 / 維持手動」三類工作
- 學員結訓後能試算 AI 工具月費與人力成本的損益，評估是否導入 AI 自動化
三、教學哲學
核心理念：「寫死的寫死，用腦的才叫 AI。」
駕訓班比喻：先學開車到目的地，不是學賽車調校。先讓學員用 AI 做出東西，再談架構優化。Skills、MCP、slash command 等進階功能只帶過，不深入。
底層邏輯：任何有 Web UI 的工具（LINE OA、ERP、電商平台、LLM 工具），只要登入後拿到 Cookie + Token，都能做成全自動化。這是整個課程的核心概念基礎。
駕訓班比喻：先學開車到目的地，不是學賽車調校。先讓學員用 AI 做出東西，再談架構優化。Skills、MCP、slash command 等進階功能只帶過，不深入。
底層邏輯：任何有 Web UI 的工具（LINE OA、ERP、電商平台、LLM 工具），只要登入後拿到 Cookie + Token，都能做成全自動化。這是整個課程的核心概念基礎。
四、AI 五感框架（貫穿全課的主線比喻）
只有 Chat = 只有嘴巴（會說，不會做）
+ CLI = 裝上手腳（能操作電腦）
+ Browser = 裝上眼睛（能看網頁、讀畫面）
+ Webhook = 裝上耳朵（有事發生會通知它）
+ DB = 裝上記憶（能記住、能查找）
教學提示
每教完一個概念，回白板打勾，讓學員看到 AI 逐步「長出五感」的進展。
D (Design) — 課程設計
一、課程大綱
Day 1：看懂電腦的世界（6 小時）
| 日期 | 授課時間 | 時數 | 課程主要進度或內容 | 學/術科 | 授課師資 | 教學方法 |
|---|---|---|---|---|---|---|
| 第一天 | 09:00-10:00 | 1 | 開場打臉 Demo：LINE OA 手動操作 2 小時 vs AI 腳本 30 秒，製造學習動機落差感；導入 AI 五感框架 | 學科 | 戴豪廷 | 講述法、示範教學 |
| 第一天 | 10:00-11:30 | 1.5 | GUI / CLI / DB 三層結構：人看的介面 vs 電腦看的指令 vs 資料儲存；以蝦皮後台、Terminal、SQL 為例實際演示 | 學科 | 戴豪廷 | 講述法、示範教學、分組討論 |
| 第一天 | 11:30-12:00 | 0.5 | Markdown + Obsidian（前半）：Markdown 語法教學、安裝 Obsidian、建立第一份筆記 | 術科 | 戴豪廷 | 實作演練 |
| 第一天 | 12:00-13:00 | -- | 午休 | -- | -- | -- |
| 第一天 | 13:00-13:30 | 0.5 | Git 概念（後半）：commit / branch / push 三概念，以「存檔」比喻說明版本控制 | 學科 | 戴豪廷 | 講述法、比喻教學 |
| 第一天 | 13:30-15:30 | 2 | Domain / 路由 / Webhook / Web UI：網路串接原理；分組練習畫「自動回覆 LINE 訊息」的架構圖；畫「人肉 API 地圖」 | 學科+術科 | 戴豪廷 | 講述法、分組實作、討論發表 |
| 第一天 | 15:30-16:00 | 0.5 | Day 1 收尾：五感打勾回顧、回家作業說明 | 學科 | 戴豪廷 | 講述法 |
Day 1 小計
學科 5 小時 / 術科 1 小時 / 合計 6 小時
Day 2：當 AI 的好老闆（6 小時）
| 日期 | 授課時間 | 時數 | 課程主要進度或內容 | 學/術科 | 授課師資 | 教學方法 |
|---|---|---|---|---|---|---|
| 第二天 | 09:00-10:00 | 1 | 三層架構：探索 → 固化 → 記憶：「寫死的寫死」省 Token 哲學；將重複工作固化為規則，AI 只處理需判斷的部分 | 學科 | 戴豪廷 | 講述法、案例分析 |
| 第二天 | 10:00-11:00 | 1 | CLAUDE.md + 怎麼下指令：Bad vs Good prompt 對比練習；課堂填寫自己公司的 CLAUDE.md | 學科+術科 | 戴豪廷 | 講述法、實作演練 |
| 第二天 | 11:00-12:00 | 1 | Code tab Demo + 全班開機：講師 demo 用 Code tab 建網站全流程 → 全班開啟 Code tab 跟做 | 術科 | 戴豪廷 | 示範教學、實作演練 |
| 第二天 | 12:00-13:00 | -- | 午休 | -- | -- | -- |
| 第二天 | 13:00-14:30 | 1.5 | 學員做自己的網站：每人用 Code tab 做出自己公司的網站，講師巡場一對一指導 | 術科 | 戴豪廷 | 實作演練、個別指導 |
| 第二天 | 14:30-15:30 | 1 | 進階概念 + 費用試算 + 企業導入：Skills / MCP 帶過；AI 工具月費 vs 人力成本試算；企業 AI 導入產品線介紹 | 學科 | 戴豪廷 | 講述法、案例分析 |
| 第二天 | 15:30-16:00 | 0.5 | 總結：帶走清單確認、後續行動規劃、課後追蹤機制說明、滿意度問卷填寫 | 學科 | 戴豪廷 | 講述法、問卷調查 |
Day 2 小計
學科 3.5 小時 / 術科 2.5 小時 / 合計 6 小時
兩天合計
學科 8.5 小時 / 術科 3.5 小時 / 總計 12 小時
二、貫穿案例
多平台電商小老闆（蝦皮 + LINE OA + 官網），每天的人肉 API：
- 蝦皮有新訂單 → 手動抄到 Excel
- 客戶 LINE 問「還有貨嗎」→ 去蝦皮後台查庫存再回覆
- 每月底對帳 → 三個平台的數字手動加總
透過此案例貫穿兩天課程，讓學員從「看懂痛點」到「用 AI 解決」完整走過一遍。
- 蝦皮有新訂單 → 手動抄到 Excel
- 客戶 LINE 問「還有貨嗎」→ 去蝦皮後台查庫存再回覆
- 每月底對帳 → 三個平台的數字手動加總
透過此案例貫穿兩天課程，讓學員從「看懂痛點」到「用 AI 解決」完整走過一遍。
三、教學方法
| 教學方法 | 對應 Section | 說明 |
|---|---|---|
| 落差 Demo | Section 1 | 手動 2hr vs 腳本 30s，製造「我要學」的動機 |
| 比喻教學 | 全程 | AI 五感框架貫穿全課，每教一個概念就回白板打勾 |
| 講述法 | Section 2, 4, 5, 9 | 概念講解搭配投影片與白板繪圖 |
| 示範教學 | Section 1, 2, 7 | 講師現場 live demo 操作過程 |
| 分組討論 | Section 2, 4 | 3-5 人一組，畫架構圖、畫人肉 API 地圖 |
| 實作演練 | Section 3, 6, 7, 8 | 學員跟做 + 獨立產出 |
| 個別指導 | Section 8 | 講師巡場，針對各學員的公司情境一對一指導 |
| 案例分析 | Section 5, 9 | 多平台電商案例 + 費用試算 |
四、教材規劃
| 教材名稱 | 類型 | 來源 | 說明 |
|---|---|---|---|
| 課程教學網站 | 線上教材 | 自編 | https://claude-code-tutorial-one.vercel.app/ |
| Demo 網站範例 | 線上教材 | 自編 | https://demo-site-roan.vercel.app/ |
| Quick Start 安裝包 | 實作工具 | 自編 | https://github.com/lgscvb/claude-code-quickstart |
| 課程投影片 | 簡報 | 自編 | 12 小時完整投影片（含截圖、流程圖） |
| CLAUDE.md 模板 | 學習單 | 自編 | 學員課堂填寫的公司 AI 指令模板 |
| 人肉 API 地圖學習單 | 學習單 | 自編 | 三色標記（寫死/AI/手動）的業務流程圖模板 |
| 課後參考手冊 | 紙本/PDF | 自編 | 操作步驟、常見問題、費用試算表 |
五、師資遴選依據
講師：戴豪廷
| 項目 | 內容 |
|---|---|
| 最高學歷 | （依實際填寫） |
| 現職 | AI 自動化顧問 / 產投計畫資深講師 |
| 相關經歷 | 蝦皮官方講師、TTQS 評核講師、產投計畫資深講師 |
| 專長領域 | AI 自動化、Claude Code、電商系統整合、LINE OA 自動化 |
| 相關證照 | TTQS 評核講師資格 |
| 實務經驗 | 多年中小企業 AI 導入輔導經驗，協助企業從人工作業轉型為 AI 自動化流程；蝦皮官方認證講師，具備大型平台電商教學經驗 |
| 教學經驗 | 產投計畫多期授課經驗，熟悉成人學習特性與混合程度班級教學 |
遴選理由
- 同時具備 AI 技術實作能力與 TTQS 評核經驗，能兼顧課程品質與學員體驗
- 蝦皮官方講師資歷，對電商實務痛點有第一手理解，教學案例貼近學員日常
- 產投計畫資深講師，熟悉補助課程的行政要求與學員管理規範
D (Do) — 訓練實施
一、招生對象與遴選條件
招生對象
- 年滿 15 歲以上，具就業保險、勞工保險或農民健康保險被保險人身分之在職勞工
- 符合產業人才投資方案補助資格者
優先對象
- 中小企業主或創業者（有明確業務場景可應用 AI）
- 企業內部數位轉型推動人員
- 電商經營者（蝦皮、LINE OA、官網經營者）
- 對 AI 工具有興趣但尚未入門的一般在職勞工
遴選條件
- 需自備筆記型電腦（Mac 或 Windows，建議 2020 年後機型）
- 需能於課前完成軟體安裝（Claude Desktop、Obsidian、Chrome）
- 需能於課前訂閱 Claude Pro（US$20/月）
- 無需程式設計基礎，無需英文能力
遴選方式
- 依報名順序錄取，額滿為止
- 優先錄取具明確業務應用場景者（報名表填寫「想用 AI 解決的工作問題」）
二、課前準備
課前一週通知學員
- 下載安裝 Claude Desktop（原生安裝檔，不需要 NPM/Node.js/Python/Git/Docker）
- 訂閱 Claude Pro（US$20/月）
- 下載安裝 Obsidian（免費）
- 確認已安裝 Chrome 瀏覽器
- 填寫課前問卷（了解學員背景、業務場景、期望學到什麼）
Day 1 課前一小時（不計入課程時數）
- 帶全班辦帳號：GitHub、Supabase
- 安裝 Quick Start 安裝包（github.com/lgscvb/claude-code-quickstart）
- 確認 Code tab 能開、Chrome 能用
- 環境統一測試，排除個別設備問題
三、訓練場地與設備
場地條件
| 項目 | 需求 |
|---|---|
| 教室面積 | 至少 60 平方公尺（30 人座位） |
| 座位安排 | 分組式（5-6 組，每組 5-6 人），方便分組討論 |
| 電源插座 | 每人一個（學員自備筆電需充電） |
| Wi-Fi | 穩定的無線網路，頻寬至少 100Mbps（30 人同時上網） |
| 備案網路 | 4G 行動熱點 x 2（Wi-Fi 故障時備用） |
| 投影設備 | 投影機或大螢幕 x 1，解析度至少 1080p |
| 白板 | 白板 x 1 + 白板筆（黑、紅、藍三色） |
| 麥克風 | 無線麥克風 x 1（30 人教室需擴音） |
學員設備
| 項目 | 說明 |
|---|---|
| 筆記型電腦 | 學員自備（Mac 或 Windows） |
| 軟體環境 | Claude Desktop + Obsidian + Chrome（統一使用 Claude Desktop Code tab，無需安裝開發工具） |
| 教材取得 | QR Code 掃描 → Google Drive 下載 |
四、學員出缺勤管理
| 項目 | 管理方式 |
|---|---|
| 簽到方式 | 每日上午、下午各簽到一次（紙本簽到表，學員親簽） |
| 出席要求 | 依產投計畫規定，缺課時數不得超過總時數三分之一（即不得缺課超過 4 小時），否則不予結訓 |
| 遲到/早退 | 遲到或早退超過 30 分鐘視為缺課該節次 |
| 請假程序 | 課前以 LINE 群組或電話向訓練單位請假，並於簽到表備註 |
| 補課機制 | 缺課學員可取得課程錄影或講義，但不列入出席時數 |
五、行政配合事項
- 開訓前一週：發送開訓通知（含軟體安裝指引、課前問卷連結）
- 開訓當日：學員身分確認、簽到、座位安排
- 每日：確認簽到表完整、拍照存檔
- 結訓當日：發放結訓證書、收回滿意度問卷
R (Review) — 訓練評量
一、柯氏四層級評鑑架構
L1 反應層（Reaction）— 學員滿意度
| 項目 | 說明 |
|---|---|
| 評鑑工具 | 課後滿意度問卷（紙本 + Google Forms 雙軌） |
| 評鑑時間 | 第二天課程結束前 15 分鐘 |
| 評鑑面向 | 課程內容實用性、講師教學品質、教材品質、場地設備、整體滿意度 |
| 評分方式 | 5 點量表（1=非常不滿意 ~ 5=非常滿意） |
| 目標分數 | 整體滿意度平均 4.0 以上 |
| 回收率目標 | 90% 以上 |
L2 學習層（Learning）— 知識與技能習得
| 評量項目 | 時間點 | 評量方式 | 通過標準 |
|---|---|---|---|
| GUI/CLI/DB 概念理解 | Day 1 Section 2 | 分組討論觀察 + 口頭抽問 | 能正確說明三層結構的差異 |
| 網路架構認知 | Day 1 Section 4 | 分組畫架構圖（自動回覆 LINE 訊息） | 架構圖包含正確的 Domain、路由、Webhook 元素 |
| 人肉 API 地圖 | Day 1 Section 4 | 分組作業 | 完成三色標記（寫死/AI/手動）的業務流程圖 |
| Prompt 品質 | Day 2 Section 6 | Bad vs Good prompt 對比練習 | 能寫出結構化的 CLAUDE.md |
| CLAUDE.md 撰寫 | Day 2 Section 6 | 課堂填寫公司資訊 | 完成基礎版 CLAUDE.md（含公司名、業務、規則） |
| Code tab 操作 | Day 2 Section 8 | 每人做出公司網站並展示 | 成功產出可在瀏覽器預覽的網站 |
L2 結訓標準
完成以上 6 項中至少 5 項，且「Code tab 操作」為必過項目。
L3 行為層（Behavior）— 課後行為改變
| 追蹤項目 | 追蹤時間 | 追蹤方式 | 預期指標 |
|---|---|---|---|
| AI 工具使用頻率 | 課後 2 週 | LINE 群組問卷 | 70% 學員每週至少使用 AI 工具 1 次以上 |
| 工作流程改善 | 課後 2 週 | LINE 群組問卷 | 50% 學員已將至少 1 項手動工作改為 AI 輔助 |
| Obsidian 持續使用 | 課後 2 週 | LINE 群組問卷 | 40% 學員仍在使用 Obsidian 記錄工作筆記 |
| 網站迭代 | 課後 2 週 | LINE 群組回報 | 30% 學員已對課堂做的網站進行修改或更新 |
L4 成果層（Results）— 組織績效影響
| 追蹤項目 | 追蹤時間 | 追蹤方式 | 預期指標 |
|---|---|---|---|
| 人力成本節省 | 課後 1 個月 | 電話或 LINE 訪談 | 導入 AI 工具的學員平均每月節省 10 小時以上的重複性工作 |
| AI 工具導入決策 | 課後 1 個月 | 電話或 LINE 訪談 | 20% 學員已正式導入 AI 工具於公司營運（付費訂閱中） |
| 費用效益實現 | 課後 1 個月 | 電話或 LINE 訪談 | 導入學員的 AI 工具月費（約 NT$1,200）低於替代人力成本 |
二、過程評量明細
| Section | 評量項目 | 方式 | 占分 |
|---|---|---|---|
| 1 | 課前 AI 認知自評 | 課前問卷 | 不計分（基準線） |
| 2 | GUI/CLI/DB 概念 | 分組討論觀察 | 10% |
| 4 | 網路架構圖 | 分組作業繳交 | 15% |
| 4 | 人肉 API 地圖 | 分組作業繳交 | 15% |
| 6 | CLAUDE.md 撰寫 | 個人作業繳交 | 20% |
| 8 | 公司網站產出 | 個人成品展示 | 40% |
| -- | 合計 | -- | 100% |
結訓標準
總分 60 分以上且出席時數達 8 小時以上。
三、KPI 彙整
| 指標 | 目標值 | 衡量方式 |
|---|---|---|
| 結訓率 | ≥ 80% | 出席時數 / 總時數 |
| 滿意度 | ≥ 4.0/5.0 | 課後滿意度問卷 |
| 實作完成率 | ≥ 90% | 每人做出公司網站 |
| 課後 2 週 AI 使用率 | ≥ 70% | 追蹤問卷 |
| 課後 1 月 AI 導入率 | ≥ 20% | 追蹤訪談 |
| 課後 1 月人力成本節省 | ≥ 10 hr/月 | 追蹤訪談 |
O (Outcome) — 訓練成果
一、學員帶回家的產出物
| 項次 | 產出物 | 說明 |
|---|---|---|
| 1 | 自己公司的網站 | 桌面資料夾，可繼續用 Code tab 迭代更新 |
| 2 | Obsidian Vault 模板 | 已開始填入公司相關內容的知識管理工具 |
| 3 | CLAUDE.md 模板 | 已填寫公司基本資訊和 AI 規則的指令檔 |
| 4 | 人肉 API 地圖 | 紙本，三色標記（寫死/AI/手動）的業務流程圖 |
| 5 | Quick Start 安裝包 | 回家繼續使用的基礎開發套件 |
| 6 | 課程分身助手 Skill | 課後安裝，忘記內容可隨時問它 |
| 7 | 課後參考手冊 | 操作步驟、常見問題、費用試算表 |
二、費用效益分析
| 方案 | 月費 | 說明 |
|---|---|---|
| AI 工具月費 | NT$1,200/月 | Google AI Pro ($20) + Claude Pro ($20) |
| 替代人力成本 | NT$16,280/月 | 工讀生 4hr/天 x 時薪 $190 x 22 天 |
| 月省 | NT$15,080/月 | AI 工具取代重複性工作的淨效益 |
三、訓練成效追蹤機制
| 時間點 | 追蹤方式 | 追蹤內容 | 負責人 |
|---|---|---|---|
| 結訓當天 | 課後滿意度問卷 | L1 反應層評鑑 | 講師 |
| 課後 3 天 | LINE 群組訊息 | 確認學員回家後能正常開啟工具、使用課堂成品 | 講師 |
| 課後 2 週 | LINE 群組問卷（Google Forms） | L3 行為層追蹤（AI 使用頻率、工作流程改善） | 講師 |
| 課後 1 個月 | 電話或 LINE 個別訪談 | L4 成果層追蹤（人力成本節省、AI 導入決策） | 講師 |
| 課後 3 個月 | LINE 群組問卷 | 長期追蹤（AI 工具是否持續使用、是否需進階課程） | 訓練單位 |
四、訓練品質改善機制（PDCA）
每期結訓後的改善流程
1. 彙整本期數據
+-- 滿意度問卷分析（L1）
+-- 實作完成率統計（L2）
+-- 課後追蹤結果（L3、L4）
+-- 講師自我檢討
|
2. 找出改善點
+-- 滿意度低於 4.0 的項目 → 列入改善清單
+-- 實作卡關率高的環節 → 調整教材或時間配置
+-- 學員建議中出現 3 次以上的共同意見 → 列入優先改善
|
3. 修訂計畫
+-- 更新教材（新增常見問題、補充說明）
+-- 調整時間配置（若實作時間不足則壓縮講述時間）
+-- 更新 CLAUDE.md 模板（納入學員實際使用回饋）
|
4. 下期實施
+-- 下一期開課前完成所有修訂，確認改善措施到位
持續改善的資料來源
| 資料來源 | 收集頻率 | 用途 |
|---|---|---|
| 課後滿意度問卷 | 每期 | 即時改善教學品質 |
| 課後 2 週追蹤 | 每期 | 確認課程內容的實用性 |
| 課後 1 月訪談 | 每期 | 確認訓練成效是否轉化為實際績效 |
| LINE 學員群組互動 | 持續 | 收集常見問題、更新教材 |
| AI 工具版本更新 | 持續 | 確保教材與最新工具版本同步 |
五、後續延伸機制
| 機制 | 說明 |
|---|---|
| 課程分身助手 Skill | 安裝後可隨時問課堂教的內容，降低遺忘率 |
| LINE 學員群組 | 持續答疑、分享 AI 新工具資訊、學員交流 |
| 企業 AI 導入諮詢 | 進階服務（方案 A：知識庫建置 / 方案 B：多平台同步 / 方案 C：完整 AI 流程導入） |
| 進階課程銜接 | 針對有需求的學員開設進階班（AI 自動化實戰、LINE OA 串接、電商多平台整合） |
六、企業導入產品線（進階服務）
| 方案 | 內容 | 適用對象 |
|---|---|---|
| 方案 A | 知識庫建置（Obsidian + RAG） | 有大量內部文件需整理的企業 |
| 方案 B | 多平台同步（browser automation 處理不開 API 的平台） | 多通路電商經營者 |
| 方案 C | 完整 AI 流程導入（LINE OA 自動分類 + Gemini router + 知識庫 + 自動回覆） | 想全面導入 AI 的中小企業 |
教學資源連結
| 資源 | 連結 |
|---|---|
| 教學網站 | https://claude-code-tutorial-one.vercel.app/ |
| Demo 網站 | https://demo-site-roan.vercel.app/ |
| Quick Start 安裝包 | https://github.com/lgscvb/claude-code-quickstart |