# 模組 1：開發者工具包 — 打造你的 AI 開發工場

## 💎 AI 時代的核心洞察

> **工具會不斷演進，但你的價值在於「選擇用什麼工具解決什麼問題」**

### 📈 開發工具的演進史

```
時間軸                工具演進                     人的角色
──────────────────────────────────────────────────────────────
2020-2022           早期開發                      
├─ 記事本/文字編輯器  手寫所有程式碼               → 你寫每一行程式碼
├─ 基本 IDE          語法高亮、自動補全            → 你決定程式邏輯
└─ Git              版本控制                      → 你管理程式碼歷史

2023-2024           AI 輔助時代                   
├─ GitHub Copilot    智能程式碼補全               → 你審查 AI 建議
├─ OpenAI Codex      自然語言轉程式碼             → 你描述需求
├─ ChatGPT/Claude    對話式程式碼生成             → 你提供需求規格
├─ Cursor           AI 驅動的 IDE                → 你驗收生成結果
└─ Windsurf         AI 協作開發                  → 你掌控開發方向

2024-2025           智能開發平台                  
├─ Cline (MCP)      AI Agent 開發助手            → 你定義開發目標
├─ Google Colab     雲端 AI 開發環境             → 你設計實驗流程
├─ Google AI Studio  視覺化 Prompt 設計          → 你測試 AI 功能
├─ Claude CLI       命令列 AI 工具               → 你自動化工作流程
├─ Gemini CLI       Google AI 命令列             → 你批次處理任務
└─ Replit Agent     全自動開發環境               → 你規劃產品方向

2025+               全自動化時代                  
├─ Lovable          描述即部署                   → 你定義產品需求
├─ Bolt.new         AI 全棧開發                  → 你驗證商業價值
├─ Google IDX       雲端智能工作區               → 你掌控品質標準
├─ v0.dev           UI 自動生成                  → 你判斷使用者體驗
└─ GitHub Spec Kit  規格驅動自動化               → 你定義「做什麼」
```

### 🎯 本模組教你的核心能力

**不是教你「如何使用工具」（工具會變）**  
**而是教你「如何選擇和組合工具」（能力不變）**

- 🎯 **工具選擇**：根據需求選擇合適的工具
- 🔧 **工具組合**：建立高效的工作流程
- ✅ **品質控制**：用工具確保程式碼品質
- 💡 **持續學習**：快速適應新工具

**實際案例：**
```
場景：開發風格分析工具

❌ 錯誤思維：
「我要學會 Python、Jupyter、Git、pytest...」
→ 陷入工具學習的無底洞

✅ 正確思維：
「我需要什麼工具來實現我的規格？」
→ Google Colab（無需安裝）+ AI 輔助（快速開發）
→ 專注於實現功能，而非學習工具
```

---

## 🎯 核心目標
克服對專業開發工具的恐懼，建立一個能執行 SDD 流程的標準化環境。掌握版本控制、IDE、測試框架等現代開發必備工具。

## 📖 理論基礎

### 為什麼需要專業開發工具？

| 手動開發 | 工具化開發 |
|---------|----------|
| ⏰ 重複性工作耗時 | ⚡ 自動化節省時間 |
| 🐛 容易出錯 | ✅ 減少人為失誤 |
| 👤 依賴個人記憶 | 📝 系統化管理 |
| 😰 難以協作 | 🤝 標準化流程 |
| 🔙 無法回溯 | ⏮️ 版本追蹤 |

### AI 時代的開發工具生態系

```
你的開發環境（2025）
  ├── 🤖 AI 協作層
  │   ├── Cursor/Windsurf (AI IDE)
  │   ├── GitHub Copilot (智能補全)
  │   ├── ChatGPT/Claude (需求分析)
  │   └── Cline (AI Agent)
  │
  ├── ☁️ 雲端開發層
  │   ├── Google Colab (Python/AI)
  │   ├── Replit (多語言)
  │   ├── Google IDX (全功能)
  │   └── CodeSandbox (前端)
  │
  ├── 🚀 快速部署層
  │   ├── Lovable (描述即部署)
  │   ├── Bolt.new (AI 全棧)
  │   ├── v0.dev (UI 生成)
  │   └── Vercel (一鍵部署)
  │
  └── 🛠️ 傳統工具層
      ├── VS Code (本地編輯)
      ├── Git (版本控制)
      ├── npm/pip (套件管理)
      └── pytest/jest (測試框架)
```

### 💡 工具選擇策略

**根據你的需求選擇：**

| 需求 | 推薦工具 | 原因 |
|------|---------|------|
| 快速原型開發 | Google Colab | 無需安裝，立即開始 |
| AI 應用開發 | Cursor + Claude | AI 協作效率最高 |
| 全棧應用 | Bolt.new / Lovable | 從描述到部署全自動 |
| 學習基礎 | VS Code + Copilot | 傳統但完整的體驗 |
| 團隊協作 | GitHub + Replit | 雲端協作最方便 |

---

## 🤖 AI Coding 工具完全指南

### 為什麼要了解這些工具？

**不是要你全部學會，而是要你知道：**
- 🎯 每個工具的特色和適用場景
- 🔧 如何根據需求選擇合適的工具
- 💡 如何組合工具建立高效工作流
- 🚀 未來工具演進的方向

---

## 🌟 主流 AI Coding 工具介紹

### 1. 🎨 Cursor - AI 驅動的 IDE

**官網：** https://cursor.sh/

**核心特色：**
- 基於 VS Code，保留所有熟悉的功能
- AI 可以理解整個專案的上下文
- 支援多檔案編輯和重構
- 內建 Claude、GPT-4 等多個模型

**最適合：**
- ✅ 需要大量 AI 協助的開發工作
- ✅ 重構和優化現有程式碼
- ✅ 學習新的程式語言或框架

**實際使用場景：**
```
你：「根據 specs/style-analyzer.spec.md，實作分析功能」
Cursor AI：
1. 讀取規格文件
2. 理解需求
3. 生成完整的程式碼
4. 自動建立測試檔案
```

**定價：**
- 免費版：每月 2000 次補全
- Pro 版：$20/月，無限制使用

---

### 2. 🌊 Windsurf - AI 協作開發環境

**官網：** https://codeium.com/windsurf

**核心特色：**
- 完全免費（目前）
- AI 可以主動建議改進
- 支援多種程式語言
- 流暢的對話式開發體驗

**最適合：**
- ✅ 預算有限的學習者
- ✅ 需要 AI 主動建議的場景
- ✅ 快速原型開發

**實際使用場景：**
```
你正在寫測試，Windsurf 主動建議：
「我注意到你的測試缺少邊界情況，要不要加入這些測試？」
- 空字串測試
- 超大檔案測試
- 特殊字元測試
```

**定價：**
- 完全免費（2025 年初）

---

### 3. 🤖 GitHub Copilot - 智能程式碼補全

**官網：** https://github.com/features/copilot

**核心特色：**
- 整合在 VS Code、JetBrains 等 IDE
- 即時程式碼建議
- 支援註解轉程式碼
- GitHub 官方支援

**最適合：**
- ✅ 已經熟悉 VS Code 的開發者
- ✅ 需要快速補全的場景
- ✅ 團隊已使用 GitHub 的專案

**實際使用場景：**
```python
# 你寫註解
# 計算文字的情感分數，使用 VADER

# Copilot 自動建議完整程式碼
def calculate_sentiment_score(text):
    from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer
    analyzer = SentimentIntensityAnalyzer()
    scores = analyzer.polarity_scores(text)
    return scores['compound']
```

**定價：**
- 個人版：$10/月
- 學生/開源貢獻者：免費

---

### 4. 🎯 Cline (Claude CLI) - AI Agent 開發助手

**官網：** VS Code Extension Marketplace

**核心特色：**
- 使用 MCP (Model Context Protocol)
- AI Agent 可以自主執行任務
- 支援工具使用（讀檔、寫檔、執行命令）
- 完整的開發循環自動化

**最適合：**
- ✅ 需要 AI 自主完成任務
- ✅ 複雜的多步驟開發流程
- ✅ 探索 AI Agent 的可能性

**實際使用場景：**
```
你：「實作風格分析功能，包含規格、測試、程式碼」

Cline 自主執行：
1. 讀取專案結構
2. 建立規格文件
3. 生成測試程式碼
4. 實作功能
5. 執行測試
6. 修正錯誤
7. 提交 Git commit
```

**定價：**
- 免費（需要自己的 API Key）

---

### 5. 🚀 Lovable - 描述即部署

**官網：** https://lovable.dev/

**核心特色：**
- 自然語言描述需求
- AI 自動生成完整應用
- 一鍵部署到線上
- 支援即時預覽和修改

**最適合：**
- ✅ 快速驗證想法
- ✅ 非技術背景的創業者
- ✅ 需要快速上線的專案

**實際使用場景：**
```
你的描述：
「我需要一個風格分析工具，使用者可以上傳文字檔案，
系統分析情感傾向並顯示結果，使用 TailwindCSS 設計」

Lovable 自動：
1. 生成前端介面
2. 實作後端 API
3. 部署到雲端
4. 提供可訪問的 URL

時間：5 分鐘
```

**定價：**
- 免費版：有限制
- Pro 版：$20/月

---

### 6. ⚡ Bolt.new - AI 全棧開發

**官網：** https://bolt.new/

**核心特色：**
- StackBlitz 出品
- 瀏覽器內完整開發環境
- 支援 React、Vue、Node.js
- 即時預覽和部署

**最適合：**
- ✅ 前端應用快速開發
- ✅ 教學和展示
- ✅ 不想安裝本地環境

**實際使用場景：**
```
你：「建立一個新聞轉教案的 Web 應用」

Bolt.new：
1. 建立 React 專案
2. 設計 UI 介面
3. 整合 OpenAI API
4. 即時預覽
5. 一鍵部署

全程在瀏覽器完成
```

**定價：**
- 免費使用（有限制）

---

### 7. ☁️ Google Colab + Gemini - AI 研究環境

**官網：** https://colab.research.google.com/

**核心特色：**
- 免費 GPU/TPU
- Jupyter Notebook 環境
- 整合 Gemini AI
- 適合 Python/AI 開發

**最適合：**
- ✅ Python 學習和開發
- ✅ 資料科學和 AI 專案
- ✅ 需要 GPU 的運算

**實際使用場景：**
```python
# 在 Colab 中開發風格分析器
# 1. 無需安裝 Python
# 2. 直接 import 套件
# 3. 使用 Gemini 輔助開發
# 4. 即時執行和測試

import nltk
from vaderSentiment import SentimentIntensityAnalyzer

# Gemini 建議：「要不要加入視覺化？」
import matplotlib.pyplot as plt
```

**定價：**
- 免費版：足夠學習使用
- Pro 版：$10/月（更多運算資源）

---

### 8. 🎨 v0.dev - AI UI 生成器

**官網：** https://v0.dev/

**核心特色：**
- Vercel 出品
- 自然語言生成 UI
- 使用 shadcn/ui 組件
- 產出 React/Next.js 程式碼

**最適合：**
- ✅ 快速設計 UI 原型
- ✅ 學習現代 UI 設計
- ✅ 需要美觀介面的專案

**實際使用場景：**
```
你：「設計一個風格分析結果的儀表板，包含：
- 情感分數的圓形圖
- 句子長度的長條圖
- 高頻詞雲
使用深色主題」

v0.dev 生成：
完整的 React 組件程式碼，可直接使用
```

**定價：**
- 免費版：每月 200 credits
- Pro 版：$20/月

---

### 9. 🏗️ Google AI Studio - Google AI 開發平台

**官網：** https://aistudio.google.com/

**核心特色：**
- Google 官方 AI 開發平台
- 免費使用 Gemini Pro/Flash
- 視覺化 Prompt 設計工具
- 支援多模態（文字、圖片、影片）
- 直接生成 API 程式碼

**最適合：**
- ✅ 快速測試 AI 功能
- ✅ Prompt Engineering 實驗
- ✅ 多模態 AI 應用開發
- ✅ 免費使用 Google AI

**實際使用場景：**
```
場景：設計新聞轉教案的 Prompt

1. 在 AI Studio 中測試不同 Prompt
2. 調整參數（temperature, top_p）
3. 比較不同模型的輸出
4. 滿意後直接生成 Python 程式碼
5. 複製到專案中使用

優勢：
- 視覺化介面，易於調整
- 即時看到結果
- 免費額度充足
```

**定價：**
- 完全免費（有使用限制）
- Gemini Pro：免費
- Gemini Flash：免費

---

### 10. 🤖 OpenAI Codex - AI 程式碼生成引擎

**官網：** https://openai.com/blog/openai-codex

**核心特色：**
- OpenAI 的程式碼專用模型
- 支援多種程式語言
- 自然語言轉程式碼
- GitHub Copilot 的底層引擎

**最適合：**
- ✅ 程式碼生成和補全
- ✅ 程式碼解釋和重構
- ✅ 學習新程式語言
- ✅ 自動化腳本生成

**實際使用場景：**
```python
# 自然語言描述
"""
建立一個函式，計算文字的情感分數
使用 VADER Sentiment Analyzer
輸入：文字字串
輸出：0.0-1.0 的分數
"""

# Codex 自動生成
from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer

def calculate_sentiment_score(text: str) -> float:
    analyzer = SentimentIntensityAnalyzer()
    scores = analyzer.polarity_scores(text)
    # 將 -1 到 1 的分數轉換為 0 到 1
    return (scores['compound'] + 1) / 2
```

**定價：**
- 整合在 GitHub Copilot 中
- 或通過 OpenAI API 使用

---

### 11. 💬 Claude CLI - Anthropic 命令列工具

**官網：** https://github.com/anthropics/anthropic-sdk-python

**核心特色：**
- 命令列直接使用 Claude
- 支援長文本處理（200K tokens）
- 適合批次處理
- 可整合到開發流程

**最適合：**
- ✅ 批次處理文件
- ✅ 自動化工作流程
- ✅ 長文本分析
- ✅ CI/CD 整合

**實際使用場景：**
```bash
# 安裝
pip install anthropic

# 使用 Python SDK
from anthropic import Anthropic

client = Anthropic(api_key="your-api-key")

# 批次分析多個文件
for file in files:
    message = client.messages.create(
        model="claude-3-sonnet-20240229",
        max_tokens=1024,
        messages=[{
            "role": "user",
            "content": f"分析這份文件的風格：{file.read()}"
        }]
    )
    print(message.content)

# 用於 CI/CD
# 自動審查程式碼、生成文件、檢查規格
```

**定價：**
- Claude Sonnet：按使用量計費
- Claude Opus：更強大，價格較高

---

### 12. 🔮 Gemini CLI - Google AI 命令列工具

**官網：** https://ai.google.dev/

**核心特色：**
- Google Gemini 的命令列介面
- 支援多模態輸入
- 免費額度充足
- 快速原型開發

**最適合：**
- ✅ 腳本自動化
- ✅ 批次處理
- ✅ 多模態處理（圖片+文字）
- ✅ 免費開發測試

**實際使用場景：**
```python
# 安裝
pip install google-generativeai

# 使用
import google.generativeai as genai

genai.configure(api_key="your-api-key")
model = genai.GenerativeModel('gemini-pro')

# 批次生成教案
news_articles = ["文章1", "文章2", "文章3"]

for article in news_articles:
    response = model.generate_content(
        f"將這篇新聞轉換為教學內容：{article}"
    )
    print(response.text)

# 多模態：分析圖片+文字
model_vision = genai.GenerativeModel('gemini-pro-vision')
response = model_vision.generate_content([
    "分析這張圖表的數據趨勢",
    image_data
])
```

**定價：**
- Gemini Pro：免費（有限制）
- Gemini Pro Vision：免費（有限制）

---

### 13. 🌱 GitHub Spec Kit - 規格驅動開發工具包

**官網：** https://github.com/github/spec-kit

**核心特色：**
- GitHub 官方出品
- 完整的 SDD 工作流程
- 與 AI Agent 深度整合
- 從規格到實作的自動化

**核心理念：**

> **真正的關鍵不在 AI 多聰明，而在我們如何寫出讓它發揮作用的需求。**

當 AI 進入開發流程後，寫需求變成了一種新的技術活：
- 要嘛你能寫出結構完美、可直接執行的需求（這通常超人類）
- 要嘛你還在卡在「怎麼展開？時間不夠？懶得整理？」的狀態

**Spec Kit 存在的理由：**

它是一套「組合拳」——每一步都設計好要為下一步鋪路：
1. 讓人可以在安全框架裡，和 AI 一起釐清需求
2. 補足細節
3. 逐步生成可落地的規格

完整的需求可以直接當作 spec-context 丟給 AI，  
而不完整的，就交給 Spec Kit 帶著走。  
它會問、會釐清、會幫你拆。

**最後產生的不是「文件」，而是一份能被 AI 理解與執行的規格。**

**最適合：**
- ✅ 需要結構化規格流程的團隊
- ✅ 想要與 AI 深度協作的開發者
- ✅ 需要可執行規格的專案
- ✅ 學習 SDD 方法論的實踐者

**核心工作流程：**

```bash
# 1. 安裝 Spec Kit CLI
uv tool install specify-cli --from git+https://github.com/github/spec-kit.git

# 2. 建立專案原則
/speckit.constitution
# 定義：程式碼品質、測試標準、使用者體驗、效能要求

# 3. 撰寫功能規格
/speckit.specify
# 描述「要做什麼」和「為什麼」，不是技術細節

# 4. 建立技術計劃
/speckit.plan
# 提供技術棧和架構選擇

# 5. 拆解任務
/speckit.tasks
# 從計劃生成可執行的任務清單

# 6. 執行實作
/speckit.implement
# AI 根據規格和計劃自動實作
```

**實際使用場景：**
```
場景：開發照片相簿管理應用

Step 1: 建立專案原則
/speckit.constitution
→ 定義：程式碼品質、測試覆蓋率、UX 一致性

Step 2: 撰寫規格
/speckit.specify
「建立一個照片相簿應用，可以按日期組織照片，
支援拖放重新排序，相簿不能巢狀，
每個相簿內照片以磚牆式介面預覽」

Step 3: 技術計劃
/speckit.plan
「使用 Vite + 原生 HTML/CSS/JS，
圖片不上傳，metadata 存在本地 SQLite」

Step 4-6: 自動化執行
→ AI 自動拆解任務
→ 按計劃實作
→ 產出可運行的程式碼
```

**為什麼重要：**

成熟的開發者也許能靠經驗走完這些步驟，  
但中間的斷點與資訊落差，往往是專案最大的風險。

人力有限，時間更有限，  
不如善用這套組合拳，幫自己在需求與技術之間打通氣脈。

**定價：**
- 完全免費（開源專案）

**支援的 AI Agent：**
- GitHub Copilot
- Claude (Anthropic)
- Cursor
- Windsurf
- 其他支援 slash commands 的 AI IDE

---

## 🎯 工具選擇決策指南

### 根據你的需求選擇

```
你的情況                          推薦工具組合
────────────────────────────────────────────────────
剛開始學習，預算有限              Windsurf + Google AI Studio
→ 完全免費，功能完整

需要專業開發環境                  Cursor + GitHub Copilot
→ 最強大的 AI 協作

快速驗證想法                      Lovable 或 Bolt.new
→ 從想法到上線最快

Python/AI 開發                    Google Colab + Gemini CLI
→ 免費 GPU + AI 輔助

前端 UI 開發                      v0.dev + Cursor
→ UI 生成 + 程式碼實作

探索 AI Agent                     Cline + Claude CLI
→ 體驗自主開發的未來

學習 SDD 方法論                   GitHub Spec Kit + Cursor
→ 結構化規格流程 + AI 實作

團隊協作開發                      GitHub Spec Kit + Copilot
→ 統一規格標準 + 協作開發

Prompt Engineering                Google AI Studio + Claude
→ 視覺化測試 + 強大模型

批次處理自動化                    Claude CLI + Gemini CLI
→ 命令列工具 + 免費額度

多模態 AI 應用                    Google AI Studio + Gemini
→ 圖片+文字+影片處理
```

---

## 💡 實戰工作流程範例

### 場景 A：開發風格分析工具（傳統流程）

**階段 1：規格設計（30 分鐘）**
```
工具：Cursor + ChatGPT
1. 用 ChatGPT 討論需求
2. 在 Cursor 中撰寫規格文件
3. 用 AI 審查規格完整性
```

**階段 2：原型開發（1 小時）**
```
工具：Google Colab
1. 建立 Notebook
2. 用 Gemini 輔助開發
3. 即時測試功能
4. 視覺化結果
```

**階段 3：UI 設計（30 分鐘）**
```
工具：v0.dev
1. 描述 UI 需求
2. 生成 React 組件
3. 調整樣式
```

**階段 4：整合部署（30 分鐘）**
```
工具：Bolt.new 或 Lovable
1. 整合後端和前端
2. 測試完整流程
3. 一鍵部署
```

**總時間：2.5 小時（傳統方式需要 2-3 天）**

---

### 場景 B：使用 Spec Kit 的結構化流程

**階段 1：建立專案基礎（15 分鐘）**
```
工具：GitHub Spec Kit + Cursor

1. 安裝 Spec Kit
   uv tool install specify-cli --from git+https://github.com/github/spec-kit.git

2. 建立專案原則
   /speckit.constitution
   → 定義：測試覆蓋率 > 80%、使用 Python、重視可讀性

3. 初始化專案
   specify init style-analyzer
```

**階段 2：規格驅動開發（45 分鐘）**
```
工具：Spec Kit slash commands

1. 撰寫功能規格
   /speckit.specify
   「建立文字風格分析工具，分析情感傾向、句子長度、高頻詞，
   輸出 JSON 報告，支援 .txt 和 .md 格式」

2. 建立技術計劃
   /speckit.plan
   「使用 Python + NLTK + VADER Sentiment，
   Google Colab 環境，pytest 測試，
   輸出格式為 JSON」

3. 自動拆解任務
   /speckit.tasks
   → AI 生成：
     - 設定專案結構
     - 實作檔案讀取
     - 整合 VADER
     - 實作統計功能
     - 撰寫測試
     - 建立 Colab Notebook
```

**階段 3：AI 自動實作（30 分鐘）**
```
工具：Spec Kit + AI Agent

1. 執行實作
   /speckit.implement
   → AI 根據規格和計劃自動：
     - 建立專案結構
     - 實作所有功能
     - 撰寫測試
     - 生成文件

2. 驗證結果
   → 測試自動通過
   → 規格完全符合
```

**總時間：1.5 小時（比傳統流程快 40%）**

**優勢：**
- ✅ 規格結構化，AI 理解更準確
- ✅ 自動拆解任務，不遺漏細節
- ✅ 可執行的規格，直接驗證
- ✅ 團隊協作時有統一標準

---

## 🚀 開始行動

### 推薦學習路徑

**第 1 週：免費工具體驗**
- [ ] 註冊 Windsurf，完成第一個專案
- [ ] 使用 Google AI Studio 測試 Prompt
- [ ] 使用 Google Colab + Gemini CLI 開發 Python 程式
- [ ] 嘗試 Bolt.new 建立簡單應用
- [ ] 安裝 GitHub Spec Kit，體驗結構化規格流程

**第 2 週：進階工具探索**
- [ ] 試用 Cursor（有免費額度）
- [ ] 安裝 Cline 體驗 AI Agent
- [ ] 用 v0.dev 設計 UI
- [ ] 用 Claude CLI 批次處理文件
- [ ] 用 Spec Kit 完成一個完整的 SDD 循環

**第 3 週：建立工作流**
- [ ] 選擇最適合你的工具組合
- [ ] 建立標準化開發流程（考慮整合 Spec Kit）
- [ ] 用 Google AI Studio 優化 Prompt
- [ ] 完成一個完整專案
- [ ] 記錄你的最佳實踐

---

## 📚 延伸學習資源

### 傳統工具安裝指南

如果你需要學習傳統開發工具（VS Code、Git、Node.js 等），請參考：

👉 [附錄：傳統開發工具安裝指南](../學習支援/傳統工具安裝指南.md)

**包含內容：**
- VS Code 安裝與設定
- Git 版本控制完整教學
- Node.js & npm 環境設定
- Python 環境設定
- 常用命令速查表

---

## 🎓 模組總結

### 關鍵要點

**1. 工具會不斷演進**
- 2023: ChatGPT, Copilot, Codex
- 2024: Cursor, Windsurf, Claude CLI
- 2025: Lovable, Bolt.new, Cline, Spec Kit, Google AI Studio, Gemini CLI
- 未來：更智能的 AI Agent

**2. 你的價值在於選擇**
- 不是學會所有工具（現在有 13+ 個工具）
- 而是知道何時用什麼工具
- 建立高效的工作流程

**3. 從免費工具開始**
- Windsurf（完全免費）
- Google AI Studio（免費）
- Google Colab（免費 GPU）
- Gemini CLI（免費額度）
- GitHub Spec Kit（開源免費）
- Bolt.new（免費試用）

**4. 根據需求升級**
- 需要專業環境 → Cursor
- 需要快速部署 → Lovable
- 探索 AI Agent → Cline
- 學習 SDD → Spec Kit
- Prompt 測試 → Google AI Studio
- 批次處理 → Claude CLI / Gemini CLI

**5. 核心洞察：與 AI 協同開發**
> 真正的關鍵不在 AI 多聰明，而在我們如何寫出讓它發揮作用的需求。

- Spec Kit 幫你結構化需求
- AI 根據規格精準實作
- 最後產出的是「可執行的規格」，不只是文件

### 下一步行動

**本週任務：**
- [ ] 選擇一個免費工具開始使用
- [ ] 完成第一個簡單專案
- [ ] 體驗 AI 協作的威力

**下週任務：**
- [ ] 嘗試 2-3 個不同工具
- [ ] 找到最適合你的組合
- [ ] 建立標準化工作流程

---

## 📚 相關資源

- [附錄：傳統開發工具安裝指南](../學習支援/傳統工具安裝指南.md)
- [視覺化圖表：工具演進與能力培養](../視覺化圖表_工具演進與能力培養.md)
- [核心理念：AI 時代的人機協作](../核心理念_AI時代的人機協作.md)

---

**版本 2.0** | **最後更新：2025-10-17**

*工具會變，但選擇工具的能力永遠有價值！* 🚀