顯示具有 微軟 標籤的文章。 顯示所有文章
顯示具有 微軟 標籤的文章。 顯示所有文章

2026年8月31日 星期一

為什麼 AI Agent 要使用 Git Worktree?

 


作者:羅慧真  
精誠資訊/恆逸教育訓練中心資深講師

Worktree 是 AI Agent 的安全工作環境

當你請 AI Agent 修改程式、做實驗、重構資料夾或產生新功能時,它需要一個可以放心嘗試的地方。Git Worktree 的用途,就是讓同一個 Git 專案同時開出多個資料夾:一個保留穩定版本,另一個讓 AI Agent 做實驗。這樣就不用備份整個專案,也不用擔心 AI 一邊嘗試、一邊把原本可用的版本弄亂。

你可以把它想成:Git 是專案的版本紀錄本,branch (分支)就像是不同想法的頁籤(特色分支),worktree 則是把某個頁籤拿出來變成獨立資料夾。AI Agent 在不同資料夾上做事,最後你再決定要不要把成果合併回主要工作的資料夾(main 分支)。

情境 不用 Worktree 的風險 使用 Worktree 的好處
讓 AI Agent 試做新功能 原本可用版本可能被改壞 實驗資料夾和穩定資料夾分開
同時請兩個 Agent 做不同方案 兩邊改到同一批檔案,容易混在一起 每個方案各自有工作區與分支
需要比較修改前後 只能靠記憶或反覆切換分支 兩個資料夾可直接並排比較
實驗失敗想放棄 要小心還原檔案 確認不保留成果後,移除 worktree,再刪除實驗分支

Git 是什麼?為什麼需要 Git?

Git 是一套版本控制工具。它會記錄專案在不同時間點的樣子,讓你知道誰改了什麼、何時改、為什麼改。如果改壞了,可以回到之前的版本;如果有不同想法,也可以開分支各自發展。

  • commit:把目前狀態存成一個版本快照。
  • branch:讓一條修改路線獨立發展,例如 main 是穩定主線,feature 分支是新功能實驗。
  • merge:把某個分支的成果合併回另一個分支。
  • reset:把目前分支退回指定版本。這個動作可能丟掉後續修改,使用前要確認。
  • worktree:把同一個 Git 專案的不同分支,放到不同資料夾中同時工作。

Git Worktree 的概念圖

圖解:這張圖整理 worktree 的核心概念,main 保持穩定,新的 worktree 則提供 AI Agent 獨立實驗空間。

圖 1:main 保留穩定版本,proj1-v2 讓 AI Agent 在另一個資料夾做實驗。

什麼時候要讓 AI Agent 使用 Worktree?

  • 你要它一次做比較大的修改,例如重構、換框架、加入登入流程、整理資料結構。
  • 你想同時比較兩種以上方案,例如 A 方案重視速度、B 方案重視可讀性。
  • 你要它修 bug,但不希望它影響目前可展示或可交付的版本。
  • 你想在 Agent 做事時,自己仍然能打開原本資料夾查看或執行專案。
  • 你要保留清楚的實驗紀錄,之後可以決定合併、放棄或交給另一個 Agent 接手。

如果只是改一行文字、補一個小註解或調整 README,通常不需要 worktree。Worktree 適合用在「改動範圍不小、可能要比較、可能會反悔」的工作。

安裝 Git

在 Windows 上可使用 PowerShell 搭配 winget 安裝 Git。打開 PowerShell 後輸入:

winget install --id Git.Git -e --source winget

安裝完成後,重新開啟終端機,再輸入以下指令確認是否安裝成功,這個指令是檢查 Git 的安裝版本:

git --version

如果系統找不到 winget,也可以前往 Git 官方 Windows 下載頁安裝:https://git-scm.com/download/win

註:winget 是 Windows Package Manager 的命令列工具,可用來搜尋、安裝、更新與移除軟體。它適用於 Windows 11 與較新的 Windows 10,通常會隨 App Installer 提供。

從一個小專案開始

如果是這台電腦上第一次使用 Git,請先輸入以下指令:

git config --global user.name "你的名字"
git config --global user.email "你的 Email"

可以使用以下指令查閱設定是否正確:

git config --global user.name 
git config --global user.email 

1. 建立專案與第一個檔案

本範例使用 Visual Studio Code 進行編輯,先建立一個資料夾 proj1,裡面放 src\index.html。這個檔案代表我們的第一版網頁內容。

<h1>Hello</h1>

操作結果:建立 proj1\src\index.html 後,專案已具備可交給 Git 管理的基本檔案結構。

圖 2:在檔案總管或 VS Code 中建立 proj1\src\index.html。

2. 初始化 Git 並建立第一個 commit

在包含 proj1 的上層資料夾中開啟 PowerShell;本文範例位置是 C:\Labs\gworktree。接著依序輸入以下指令,進入專案、初始化 Git,並確認目前的 worktree。剛開始只有主工作區。

cd .\proj1
git init -b main
git worktree list

指令結果1:成功建立 Git 本地端儲存庫以及 main 分支。

圖 3:終端機執行狀態。

指令結果2:執行 git init 後,資料夾中會出現 .git,代表這個資料夾已經成為 Git 專案。

圖 4:在檔案總管可以看到 .git 資料夾。

接著把檔案加入版本紀錄並建立第一個 commit:這項全域設定通常只需完成一次,之後即可正常建立 commit。

git add .
git status
git commit -m "初次 commit"

指令結果:執行 git add 與 git commit 後,Git 會建立第一個版本紀錄,作為後續比較與回復的基準點。

圖 5:建立第一個 commit 後,Git 已經記住初始版本。

3. 新增一個 worktree 當作實驗區

現在建立新 worktree 資料夾 proj1-v2,並同時建立新分支 feature-v2。新的版本可以在這個資料夾工作,不會直接動到 main 分支 (../Proj1) 的檔案。

git worktree add ../proj1-v2 -b feature-v2
git worktree list

指令結果:執行 git worktree add 後,Git 會建立 proj1-v2 資料夾,並將它連到新的 feature-v2 分支。

圖 6:Git 建立 proj1-v2,並把它連到新分支 feature-v2。

指令結果:再次執行 git worktree list,在檔案總管可以看到同一個專案目前同時存在 proj1 與 proj1-v2 兩個工作區。

圖 7:同一個專案現在有兩個資料夾:proj1 與 proj1-v2。

4. 在實驗區修改內容並提交

打開 proj1-v2\src\index.html,把內容改成第二版。此時 proj1 的 index.html 仍是 Hello,proj1-v2 則是 Hello v2。這就是 worktree 最直觀的價值:兩個資料夾可以同時存在不同版本。

<h1>Hello v2</h1>

操作結果:修改 proj1-v2 裡的 index.html 後,主工作區 proj1 仍保持原內容,兩邊可直接比較差異。

圖 8:左右兩邊的 index.html 內容不同,可直接比較。

接著在同一個 PowerShell 中,從 proj1 切換到 proj1-v2,再提交這次修改:

cd ../proj1-v2
git add .
git status
git commit -m "v2"
git log --oneline

指令結果:在 proj1-v2 中提交 v2 commit 後,實驗分支已保存修改成果。執行 git log --oneline 後,可以確認目前分支已有 v2 commit 與初次 commit 兩筆紀錄。

圖 9:在 proj1-v2 分支建立 v2 commit。

5. 回到 main分支,把實驗成果合併回來

如果你確認實驗結果可以採用,就在同一個 PowerShell 中切回 proj1,確認 main 的紀錄,再合併 feature-v2。

cd ../proj1
git checkout main
git log --oneline

指令結果:切回 main 後查看紀錄,可看到主線仍停在初次 commit,尚未受到實驗分支影響。

圖 10:回到 main 後,主線仍停在初次 commit。

合併 feature-v2 分支,並檢查紀錄:

git merge feature-v2
git log --oneline

指令結果:執行 git merge feature-v2 後,main 分支會取得實驗分支的修改內容。

圖 11:merge 後,main 取得 v2 的修改。

操作結果:合併完成後,主工作區的 index.html 也會呈現 Hello v2,表示修改已進入 main。

圖 12:合併後,主工作區也變成 Hello v2。

Merge 後如果反悔怎麼辦?

如果剛合併就發現不想要,而且這次變更尚未推送或分享,可以把 main 分支往前退一個 commit。git reset --hard 會改寫目前分支,並捨棄已追蹤檔案的未提交修改;執行前應先請 AI Agent 說明受影響的檔案並確認工作區乾淨。

git reset --hard HEAD~1

指令結果:執行 git reset --hard HEAD~1 會讓目前分支回到前一個 commit,僅適合尚未推送或分享的本機版本。

圖 13:HEAD~1 代表目前版本的前一個 commit。

如果要退到更早的指定版本,先查 log,複製目標 commit id,再 reset 到那個 id。

git log --oneline
git reset --hard 58b46a9

指令結果:使用指定 commit id 執行 reset,可以精準回到某一個歷史版本。

圖 14:使用 commit id 可退回指定版本。

這時候 ./proj1/src/index.html 就會還原到:

<h1>Hello</h1>

注意:

reset --hard 也會捨棄已追蹤檔案的未提交修改。若 main分支已經推送或與他人共用,不要用 reset 改寫歷史;應優先使用 git revert 建立一筆反向 commit。

git revert <commit-id>

若不確定該回復哪一筆 commit,使用git log列出目前工作區狀態與可能影響,確認後再執行。

6. 任務完成後收拾 worktree

確認要採用實驗成果時,可以再次合併;確認不再需要實驗區後,移除 worktree,再刪掉對應分支。這裡我們再度合併feature-v2分支。

git merge feature-v2
git worktree remove ../proj1-v2
git branch -d feature-v2
git worktree list

指令結果:完成 merge、worktree remove 與 branch -d 後,實驗工作區與分支都已清理,只留下 main。

圖 15:合併、移除 worktree、刪除實驗分支,最後只留下 main。

操作結果:在移除 worktree 之前,檔案總管中仍可看到 proj1-v2 資料夾。

圖 16:收拾前,檔案總管仍可看到 proj1-v2。

操作結果:移除 worktree 後,proj1-v2 資料夾消失,表示實驗工作區已收拾完成。

圖 17:移除後,proj1-v2 資料夾不再存在。

怎麼請 AI Agent 使用 Worktree?

上面的範例目的是讓你透過手動過程了解 Git Worktree 的運作原理,當你理解這個原理的時候,你才能夠準確地知道所下的提示詞會產生甚麼結果,以下列表幾個使用情境的提示詞範例僅供參考,使用 AI Agent 時,不只要下指令,也要講清楚限制、風險與完成條件。以下提示可以直接複製後依照專案名稱替換。

使用情境 提示範例
建立安全實驗區 請先不要修改 main 工作區。請用 Git Worktree 建立一個新的工作區與分支,分支名稱為 feature/login-demo。完成後列出目前 worktree,並說明你接下來會在哪個資料夾修改。
大改前先規劃 我想請你重構這個專案,但我沒有程式背景。請先建立 worktree,再用一般人看得懂的方式列出修改計畫、可能風險、驗收方式。等我確認後再動手。
比較兩個方案 請用兩個不同 worktree 分別做 A/B 方案:A 方案優先簡單、B 方案優先可維護。完成後請整理差異、測試結果與你建議採用哪一個。
合併前檢查 在 merge 回 main 前,請先檢查 git status、git log --oneline、修改檔案清單與測試結果。若有任何未提交或衝突,先停下來說明。
安全反悔 我想撤回剛才的 merge。請先解釋 git reset --hard 會造成什麼影響,列出目前 commit,再建議最安全的復原方式。不要直接執行危險指令,等我確認。

給初學者的安全檢查表

  • 改動前先確認:AI Agent 目前在哪個資料夾?在哪個分支?
  • 每次重要修改後,請 Agent 執行 git status,確認沒有意外檔案。
  • 要求 Agent 把每個 commit 訊息寫清楚,日後才知道每一步在做什麼。
  • merge 前先看 git log --oneline,確認要合併的是正確分支。
  • 看到 reset --hard、clean、delete、remove 這類字眼時,先請 Agent 解釋影響再執行。
  • 任務完成後移除不用的 worktree,避免日後忘記哪個資料夾才是正式版本。

一分鐘記住 Git Worktree

Git Worktree 不是進階工程師才需要的工具;對 AI Agent 使用者來說,它更像是一個安全工作流程。當你把穩定版本和實驗版本分開,AI Agent 就能更大膽地嘗試,你也能更清楚地檢查、比較、合併或放棄。

最實用的判斷方式是:只要你心裡出現「如果 AI 改壞了怎麼辦?」這個問題,就值得考慮先建立 Worktree。

更多學習資源:

除了本地 Git 之外,GitHub也是與程式版本控制,多人協作的重要工具,若想更完整學習 Git 與 GitHub 的觀念與實務操作,包含版本控制流程、分支協作、遠端儲存庫管理,以及團隊開發時常見的 GitHub 協作方式,建議可以進一步參考:

【GH900】Git版本控制與GitHub協作入門

參考資料

以下是參考資料列表:

2026年8月2日 星期日

使用Azure Lighthouse進行跨租用戶管理


 

當我們的多個Azure subscription(訂用帳戶)們在不同的 Microsoft Entra ID tenant(租用戶)或是我們要為客戶管理 Azure 中的資源時,使用B2C 將管理者帳戶邀請到被管理的subscription所在的Entra ID tenants 再授予權限雖然可行,但是管理者在進行管理時就需要在不同的 tenant 間進行切換目錄(switch directory),這並不方便集中管理,而使用 Azure Lighthouse 是更好的解決方案。

Azure Lighthouse支援多租用戶管理,管理者(服務提供者)可以透過Azure平台的工具,跨租用戶為客戶提供管理服務,客戶可以控制誰可存取或管理他們的訂用帳戶或資源群組。

以下我們就以 Contoso 與 TPNIC 為例來說明如何使用Azure Lighthouse 進行跨租用戶管理。在這個情境中,Contoso 是管理者帳戶所在的 Entra ID tenant,而TPNIC是Azure subscription 所在 Entra ID tenant,TPNIC 要讓 Contoso 的管理人員可以管理 TPNIC 的 Azure subscription。也就是說在Azure Lighthouse,Contoso扮演服務提供者而TPNIC扮演客戶。

Contoso 管理者要進行的操作

  1. 在Azure portal 的【搜尋資源服務及文件(G+/)】,搜尋並前往【我的客戶】。
  2. 在我的客戶的【概觀】,點選建立【ARM 範本】。
  3. 在【名稱】輸入您自訂的名稱(例如:Contoso 聯盟)。
  4. 在【已委派的範圍】選擇訂用帳戶或資源群組,預設是訂用帳戶。
  5. 點選【新增授權】後,在【角色指派】選擇使用者、群組或服務主體,預設是使用者。
  6. 在【名稱】選取要在TPNIC的訂用帳戶授予管理權的 Contoso帳戶,例如:MOD Administrator。
  7. 在【角色】選取要授予上述帳戶在TPNIC的訂用帳戶的管理角色,例如:參與者(目前只支援內建角色,不支援自訂角色)。(圖1)
    圖1 新增授權
  8. 按【新增】後,再按【檢視範本】。(圖2)
    圖2 建立 ARM 範本方案
  9. 按【下載】將範本存檔(預設檔名為template.json)。(圖3)
    圖3 顯示範本
  10. 將範本檔案交給 TPNIC 的 Azure 訂用帳戶管理者(Owner)。

TPNIC 管理者要進行的操作

  1. 在Azure portal 的【搜尋資源服務及文件(G+/)】,搜尋並前往【服務提供者】。
  2. 在【服務提供者供應項目】,點【+新增供應項目】(在上方)後,選【透過範本新增】。
  3. 點【瀏覽檔案】後,選取Contoso管理者給的範本檔案後,按【上傳】。(圖4)
    圖4 上傳範本檔案
  4. 按【檢閱+建立】後,按【建立】。(圖5)
    圖5 檢閱並建立
  5. 等待部署完成後,再次在Azure portal 的【搜尋資源服務及文件(G+/)】,搜尋並前往【服務提供者】。
  6. 點【委派】後,按【重新整理】即可看到委派的結果。(圖6)
    圖6 委派的結果

Contoso 管理者檢視結果

  1. 在Azure portal 的【搜尋資源服務及文件(G+/)】,搜尋並前往【我的客戶】。
  2. 在我的客戶點選【委派】後,按【重新整理】。(圖7)
    圖7 檢視委派的結果
  3. 點【全域訂用帳戶篩選】後,在【目前+委派的目錄】選【全選】,在【訂用帳戶】選【全選】。(圖8)
    圖8 所有訂閱

完成這些程序,Contoso 中被選取的帳戶(例如:MOD Administrator)就可以管理在 TPNIC 的那一個 Azure 訂用帳戶了!



您可在下列課程中了解更多技巧喔!

2026年7月31日 星期五

為企業與 IT 人員打造的AI 整合架構,全面提升AI即戰力!




拒絕零散的工具教學!為企業與 IT 專業人員打造的端到端 AI 生態系整合架構。從程式開發、雲端部署到自動化營運,全面提升 AI 即戰力!

AI 時代的關鍵轉折:從「單點工具使用者」跨越至「AI 生態系戰略總指揮」

AI 已從「單點工具」演變為「企業基礎設施」。

過去:AI 使用者
過去的 AI 只是輔助工具,多數人停留在「使用者」階段,面臨系統無法整合、ROI 難以量化的瓶頸。
未來:AI 生態系戰略總指揮
恆逸微軟 AI 應用系列課程,是帶您跨越技術鴻溝。我們不只教您操作 ChatGPT,更教您如何透過 Azure、GitHub 與 Microsoft 365 建構完善的 AI 解決方案,主導企業數位轉型。

【核心架構】微軟 AI 能力疊加金字塔

階梯式能力建構,打造無法被取代的企業級 AI 實力



【角色對齊】尋找最適合您的學習路徑

根據職能精準定位,挑選最適合您的微軟 AI 認證與培訓課程

【核心領域深耕】六大 AI 技術實戰板塊

領域一:AI 賦能的現代軟體開發生命週期 (SDLC)

極致提升 Coding 生產力,重新定義軟體開發工程

領域二:建構企業級 AI 應用與智能助理 (AI Agents & Chatbots)

從 Large Language Model (LLM) Engine 到企業端應用落地

領域三:Azure 雲端 AI 解決方案的進階階梯 (Cloud AI Roadmap)

四步驟打造穩定、安全、可擴展的雲端智慧架構

  1. Step 1: 基礎評估 ——
    [AI901] Azure AI 簡介
    理解機器學習核心原則、負責任的 AI,搞懂 AI 在做什麼,學會精準解決工作問題。
  2. Step 2: 代理開發 ——
    [AI103] 開發 AI 應用程式與 AI Agent
    以 Microsoft Foundry 為核心。運用自然語言/視覺搜尋,整合 MCP 與 Microsoft Agent Framework 打造多代理協作系統。
  3. Step 3: 系統部署 ——
    [AI200] 在Azure上開發AI雲端解決方案
    聚焦後端服務與容器化 (ACR、AKS)。實作向量資料儲存,建構事件驅動 AI 工作流。
  4. Step 4: 維運優化 ——
    [AI300] 在Azure上運作機器學習與生成式AI解決方案
    從 MLOps 到 GenAIOps。使用 GitHub Actions 實作 CI/CD,開發、評估及優化 AI 代理,建立端到端可觀察性。

領域四:企業工作流自動化與 AI 賦能 (Workflow Automation)

驅動全員生產力革命,讓 AI 成為敏捷辦公的最強後盾

領域五:數據為王:驅動 AI 的最強大腦 (Data & SQL Infrastructure)

結合 SQL Server 2025 與本地 LLM,打造高安全性企業 RAG 系統

  • [DP800] 開發具 AI 能力的微軟資料庫解決方案
    專為新一代資料庫專業人員設計。在 SQL Server 2025、Azure SQL 內部,利用原生向量儲存與相似度搜尋,構建端到端 RAG 解決方案。
    關鍵技術:T-SQL 端到端 RAG 實作、原生向量資料型態與索引、SSMS Copilot 與 Vibe coding 應用。
  • [AISQL] AI 與 SQL Server 2025
    突破內網限制。利用 Ollama 平台部署本地端大語言模型 (Local LLM),結合 Unstructured Enterprise Data 與 Vector Database,延伸 SQL Server 資料分析與維運,提供精準且具上下文感知能力的回答 (Precise Context-Aware Answer)。

領域六:企業 AI 治理與轉型羅盤 (AI Governance & Strategy)

從技術導入升級為企業高階戰略,確保轉型成功與永續發展

從組織層級規劃 AI 採用路線圖 (Roadmap)。這不是一堂技術課,而是一堂企業戰略課。

  • ROI 與商業價值:找對應用場景與成功指標,評估實際投資報酬率。
  • 風險控管:控制 AI 風險,建立完善治理架構,防範「影子 AI (Shadow AI)」。
  • 企業架構:設計支援資料流、RAG 與 Agent 應用的全域藍圖。
  • 變革管理:推動組織文化轉型,確保 AI 導入過程的可控性與永續發展。

組建與指揮整合 AI 工具,打造 24 小時不間斷的高效運轉智慧系統

從「使用者」升級為「總指揮 (User/Commander)」,精準調度全球頂尖 AI 工具:

🚀 跨平台全自動化工作流:利用 n8n (n8n Automation Ring) 串接多個 AI Agent,建立自動內容生產與發佈流水線。
🔍 專屬情報分析員:建立私有 AI 知識庫 (NotebookLM, Perplexity),實現會議自動轉錄與任務生成。
⚡ 高速模型應用:結合 Groq、Together AI 進行 API 串接,利用 Gamma 全自動設計高質感簡報。調用 ChatGPT (Logic)、Claude (Writing)、Gemini (Multimodal) 與 Hugging Face (Open Source)。

【恆逸專屬優勢】實質 ROI 與微軟原廠認證加值優惠

業界最強培訓資源支援,讓您的學習投資效益最大化

🎟️ 微軟原廠考試券全額補助
  • 2026/12/31 前報名指定進階課程 (AI103, AI200 等),即贈送價值 USD $83 微軟考試券。
  • 報名基礎或 GitHub 課程 (GH900, AI901 等),贈送價值 USD $50 微軟考試券。

🛡️ 考照雙重保險 (重考優惠)

大幅降低考照壓力!若首次未通過,提供專屬重考優惠價 (NT$600 - NT$1,000 依科目而定),確保您順利取得國際認證。

🎓 學生專屬投資方案

參加「校園 IT 職涯學習護照方案」,報名指定課程 (Azure OpenAI, ChatGPT, GitHub Copilot) 享有超值 5 折優惠

【真實見證】來自學員的震撼好評與實戰反饋

💬 對談機器人與AI Agent開發實戰–使用OpenAI API  

課堂中,老師對 Azure OpenAI 的功能進行了講解與演示,並且讓同學實際進行操作,讓我們體驗到 Azure OpenAI 所提供的功能之多樣,使用之便利;然而對我而言,讓我收穫最多的,其實是與建構Line Bot相關的教程中。在Line Bot相關的教程中,我們申請了自己的Line Bot,使用VS Code建構可接收Line訊息的服務,將服務與Azure OpenAI等大語言模型串接,獲取回應,最後將大語言模型的回應或動作指令回應給使用者。

在這一連串的實作教程中,包含的是自己架設的服務如何與Line Bot的串接、服務接受到訊息後該如何對訊息進行篩查、附加歷史對話紀錄、嵌入訊息相關資料以及對LLM回應內容的限制;這一整段流程的實作與細節講解,是我覺得在此課程中最有收穫,對我工作幫助最大的部分。」

💬 『為員工提供Copilot for Microsoft 365使用案例』

講師在教學過程中大量使用真實的企業情境範例,例如如何用 Copilot 在 Teams 會議結束後自動整理會議摘要與待辦事項、如何在 Outlook 中快速生成專業回覆草稿、如何在 Word 中透過 Copilot 協助撰寫提案文件初稿等,每一個範例都貼近日常辦公室實際發生的場景,讓在場學員頻頻點頭共鳴。課程節奏掌控得宜,理論與實作穿插進行,不會因為長時間聆聽而感到疲乏。講師也非常樂於回答學員提問,對於較為進階的技術問題,他會耐心拆解,確保每位學員都能跟上。

回到工作崗位後,課程所學幾乎立刻就被付諸實踐。身為數位科技的推動者,我的首要任務是為公司各部門進行評估,讓不同職能的同仁都能找到與自身工作最相關的應用場景。課程所提供的情境思考框架,讓我能夠系統性地拆解每個部門的日常工作流程,找出最適合 Copilot 介入的環節,大幅縮短了使用案例設計的時間。

💬 『使用Microsoft 365 Copilot協作企業工作流程』

講師針對 Microsoft Copilot 在不同 M365 應用(Word、Outlook、Teams、PowerPoint)中的差異化場景做了深入說明,讓我了解到每個應用中的 Copilot 其實有各自的「強項情境」,學會對症下藥才能真正發揮效益。 

課程中有一段讓我非常受益的設計:講師帶著學員一起「解構」一份常見的商務報告撰寫流程,逐步標示出哪些步驟適合交給 Copilot 處理(如資料摘要、段落草稿)、哪些步驟必須留給人類判斷(如策略定調、客戶關係語氣拿捏),整個過程讓我對 AI 協作的邊界有了非常清晰的認識。這門課最珍貴的地方,在於它給了我一套可以直接落地的思考框架,而不只是介紹工具功能。對於任何在職場中想要認真將生成式 AI 融入日常工作的人來說,這絕對是一門值得投資時間的課程。」

搶先掌握微軟 AI 技術,成就明日戰略總指揮!

👉 立即開始規劃轉型路徑

2026年6月2日 星期二

不只是跟上 AI,更帶你精準對位,找到專屬你的AI升級路徑



數位轉型已從「雲端化」轉向「AI 化」,人工智慧正以前所未有的速度重譜職場樣貌。在這個時代,最強大的競爭力不再只是努力工作,而是具備「與 AI 協作」並「指揮 AI 團隊」的能力。

恆逸微軟 AI 系列課程涵蓋開發、雲端、辦公與開源生態,無縫接軌業界最新 AI 解決方案,為您注入核心即戰力!
帶您了解如何運用
Azure OpenAI 的強大算力、GitHub Copilot 的程式智慧以及 Microsoft 365 Copilot 的辦公自動化,將 AI 深度植入企業核心,創造具實質投資報酬率(ROI)的商業價值。

2026年4月29日 星期三

Blazor 10新功能介紹 - 3

 


在 .NET 10 的 Blazor中,安全性與前端互動能力都有重要提升。其中Passkey(通行密碼)支援讓 ASP.NET Core Identity 能直接實作無密碼登入,使用者可透過指紋、臉部辨識或硬體安全金鑰進行驗證,大幅提升安全性並降低密碼管理負擔。此外,Blazor 的 JavaScript Interop也導入更完整的物件語意,開發者可以直接呼叫 JavaScript 建構函式建立物件,並從 C# 讀寫 JavaScript 物件屬性。這些改進讓 Blazor 在身分驗證與前端整合方面更加現代化,也使開發流程更簡潔與安全。

本文將延續Blazor 10新功能介紹 - 1》、Blazor 10新功能介紹 - 2》一文的情境,介紹這些Blazor新功能。

Blazor 10新功能介紹 - 2

 

在 .NET 10版本中,Blazor 在應用程式操作體驗與系統可觀察性方面都有明顯提升。其中包含更完善的 404 錯誤處理機制、可客製化的「ReconnectModal」重新連線UI,以及整合 .NET Aspire 指標(Metrics)的可觀察性能力。透過「NavigationManager.NotFound」方法,Blazor 能依不同渲染模式自動處理 404 回應,減少樣板程式碼並提供一致的行為。同時,新的「ReconnectModal」元件讓開發者可以完全客製化伺服器斷線時的使用者介面。此外,搭配 .NET Aspire 的儀表板,開發者能即時觀察應用程式的頁面導覽、UI 事件與連線狀態等指標,使 Blazor 應用程式更容易監控與維護。

本文將延續《Blazor 10新功能介紹 - 1》一文的情境,介紹Blazor 10這些新功能。

Blazor 10新功能介紹 - 1

 


.NET 10版中的Blazor是微軟網頁UI 框架又一次重大的飛躍。在這一系列的文章中,我們將探索.NET 10版本中Blazor一些重要的新功能,這篇文章我們將介紹效能的提升、持久狀態管理(persistent state management)、增強的WebAssembly 的熱重載(Hot Reload)功能、表單驗證原始碼產生器(Form Validation Source Generator)這些新特性。

2026年3月31日 星期二

GitHub Copilot Agent簡介

 


本篇文章介紹如何在Visual Studio Code開發工具中使用 GitHub Copilot 代理程式(Agents)來加速並自動化開發流程。
我們將實作一個記錄血壓資料的網頁應用程式,並在不同情境下善用幾種主要類型的代理程式:本地代理(Local Agent)用於和開發者即時互動與快速生成程式碼、計劃代理(plan agent)用來在動手寫程式前協助您建立清楚、結構化的開發計劃、背景代理(Background Agent)用於無需即時回饋的後台任務,以及雲端代理(Cloud Agent)用於遠端協作、建立分支與拉取請求的任務,讓開發者能更有效率地整合AI助手到日常編碼工作中。

2026年2月26日 星期四

C# 14與.NET10新功能 - 1

 


這一系列《C# 14.NET10新功能》文章將介紹 .NET 10 C# 14版的重點新功能,並說明它們如何為未來的應用程式提供更好的效能與安全性保障,例如支援後量子密碼學(Post-Quantum Cryptography)以應對新興的威脅,幫助您快速掌握這些強大的新工具,並將它們應用到專案中。

2026年1月30日 星期五

認識SQL Server Management Studio(SSMS管理工具)中的GitHub Copilot

 

對於剛接觸資料庫的使用者而言,撰寫 Transact-SQL(T-SQL)查詢或處理資料庫相關問題,往往需要同時查閱文件、找尋範例與檢視錯誤訊息,這個學習曲線相對地陡峭。為了降低這樣的學習門檻,微軟將 GitHub Copilot直接整合到 SQL Server Management Studio(SSMS,需22以上版本)管理工具當中,目前是預覽版

本文將介紹SSMS管理工具中的 GitHub Copilot,包括其提供的功能定位、安裝方式、實際使用方法,以及在使用時應留意的限制與注意事項。

2025年12月30日 星期二

使用GitHub Copilot協助撰寫Blazor Server應用程式 - 2

 


本文將延續本站文章《使用GitHub Copilot協助撰寫Blazor Server應用程式 - 1》一文的情境,介紹如何在Visual Studio Code開發工具使用GitHub Copilot與其進階功能代理模式(Agent Mode) 來開發 ASP.NET Core Blazor Server 專案,讓開發者能以自然語言與 AI 對話,從專案建立、元件設計、Web API 撰寫到單元測試與除錯,全程自動化完成,展現出生成式 AI輔助設計的強大潛力與高效率。

2025年12月28日 星期日

使用GitHub Copilot協助撰寫Blazor Server應用程式 - 1

 


在人工智慧快速發展的時代,程式開發的方式正悄然改變。過去,程式開發人員需要花費大量時間從零開始建立專案結構、撰寫樣板程式碼與設定開發環境,如今,生成式AI 輔助工具的出現,正大幅改變這種傳統冗長的開發流程。

2025年11月28日 星期五

【0基礎轉職攻略】如何成為職場最搶手的AI程式設計師


你還在猶豫要不要學程式與AI?
AI 已經進入日常工作,企業在找的不只是工程師,而是「會把 AI 應用在實務中的開發者」。

馬上了解為什麼學程式與 AI 能提升職場競爭力,以及如何從零基礎轉職成為能上線的網站開發者!

2025年11月27日 星期四

GitHub Copilot程式代理人初體驗 - 2


本文將延續《GitHub Copilot程式代理人初體驗 - 1》一文的情境,介紹如何在與GitHub Copilot 程式代理人(GitHub Copilot coding agent)合作開發,將任務交與代理人自動處理。

GitHub Copilot 程式代理人會自動分析存放庫、開發與測試、然後建立提取請求(Pull Request)。我們需扮演人工審查的角色,來確認GitHub Copilot 程式代理人工作的結果是否符合預期。

GitHub Copilot程式代理人初體驗 - 1

GitHub Copilot有一個程式代理人(GitHub Copilot coding agent),這個代理人就像一個會自己動手做事的「AI 程式設計師」。

它實際上是一個在背景中獨立運作的程式,可以幫你完成一些程式開發工作。你可以把一個 GitHub 議題(GitHub Issue)指派給 GitHub Copilot程式代理人,或者透過聊天(Chat)視窗把議題交給它。然後它就會自己在一個獨立的環境裡運作,幫你寫程式、設計新功能、修復程式臭蟲(bug)、或修改存放庫(repository)中的程式碼。它不需要你一直盯著,而是會自動去完成你交給它的工作。

2025年11月18日 星期二

2025年11月17日 星期一

如何實踐遵循國際資安標準的Microsoft Cloud資訊安全架構(第二集)

 




前言

大家好!好久不見!又輪到我來交文章了,本篇要來繼續談論「如何實踐遵循國際資安標準的Microsoft 365雲端資訊架構(第一集)」的題目內容。 但是,你一定會覺得很奇怪的就是,本篇的題目與第一集的題目有些不同,為什麼?這是因為微軟在2025年的趨勢是將Microsoft 365與Microsoft Azure進行架構整合的趨勢,統稱叫做Microsoft Cloud,因此本集將名稱稍做變動,以符合未來繼續談論此主題的內容,這個內容我們還是會比較以Microsoft 365為主,然後繼續針對各企業或組織要如何遵循國際資訊安全標準來規劃並部署Microsoft Cloud的資訊安全服務環境。