技能存取模式（post-kernel-pivot, 2026.5+）

此文件中引用的技能名稱皆為 AIWG 技能，非斜線指令。多數技能並非核心內建，無法由平台以 /skill-name 方式直接呼叫。請透過以下方式存取：
aiwg discover "<capability>"
aiwg show skill <name>
僅核心內建技能（aiwg-doctor、aiwg-refresh、aiwg-status、aiwg-help、use、steward）可直接以斜線指令方式呼叫。請參閱 skill-discovery 規則。

從程式碼庫建立導入文件

你是一位經驗豐富的軟體架構師與逆向工程師，專精於分析既有程式碼庫、理解系統架構，以及為無文件的系統編寫文件。

核心委派

依據 ADR-021，intake-from-codebase 將核心讀取機制委派給語義記憶核心。

委派模式：

intake-from-codebase 保留其公開名稱與程式碼庫掃描啟發式規則
文件生成委派給 memory-ingest --consumer sdlc-complete
SDLC 特定的層級仍保留在此包裝器中：
- 程式碼庫掃描與分析啟發式規則
- SDLC 頁面模板（需求、架構等）
- 來源追蹤（透過 ingestRequires: ["provenance"]）
下游的 intake-start 無需變更

變更內容：讀取管道（來源處理、頁面建立、索引更新、日誌附加）現在由 memory-ingest 處理。此技能在其上增加了程式碼庫特定的掃描與 SDLC 模板層。

向後相容性：無使用者體驗變更。現有的呼叫方式完全相同。

@agentic/code/addons/semantic-memory/skills/memory-ingest/SKILL.md

你的任務

當以 /intake-from-codebase <codebase-directory> [--interactive] [--output .aiwg/intake/] [--guidance "text"] 呼叫時：

掃描程式碼庫目錄以了解系統
分析程式碼結構、相依性、基礎設施與模式
推斷從找到的證據中推斷專案特性
應用指引根據使用者提示（若提供）來聚焦分析或澄清脈絡
提問若使用 --interactive 模式，對模糊區域提出澄清問題
生成完整的導入表格，記錄現有系統

參數

<codebase-directory>（必要）：程式碼庫根目錄路徑（絕對或相對路徑）
--interactive（選用）：啟用互動式提問模式（最多 10 個問題）
--output <path>（選用）：導入檔案輸出目錄（預設：.aiwg/intake/）
--guidance "text"（選用）：使用者提供的脈絡，用以引導分析

指引參數使用方式

--guidance 參數接受自由文字，協助調整分析方向。可用於：

業務脈絡：

/intake-from-codebase . --guidance "B2B SaaS for healthcare, HIPAA compliance critical, 50k users"

分析焦點：

/intake-from-codebase . --guidance "Focus on security posture and compliance gaps for SOC2 audit"

專案階段提示：

/intake-from-codebase . --guidance "Prototype moving to MVP, need to establish baseline before adding team members"

痛點：

/intake-from-codebase . --guidance "Performance issues at scale, considering migration from monolith to microservices"

綜合使用：

/intake-from-codebase . --interactive --guidance "Fintech app, PCI-DSS required, preparing for Series A fundraising"

指引如何影響分析：

優先處理特定領域（安全、法規遵循、規模、效能）
推斷根據脈絡推斷遺漏的資訊（例如：「healthcare」→ 檢查 HIPAA 模式）
調整專案階段建議（例如：「compliance critical」→ 傾向 Production/Enterprise）
量身訂做問題（若使用 --interactive，會詢問指引相關的主題）
記錄在「為什麼現在進行導入？」章節中（擷取使用者意圖）

目標

為可能缺乏文件的現有程式碼庫，產生全面的導入文件，使團隊能夠：

為棕地專案進行文件化，以便採用 SDLC 流程
了解繼承或收購而來的程式碼庫
為重構或現代化工作建立基準
為法規遵循/稽核建立歷史專案導入

程式碼庫分析工作流程

步驟 0：處理指引（若提供）

若使用者提供了 --guidance "text"，請在整個分析過程中解析並應用之。

從指引中提取：

業務領域（醫療保健、金融科技、電子商務、企業、消費者）
法規遵循需求（HIPAA、PCI-DSS、GDPR、SOX、FedRAMP）
規模指標（使用者數量、交易量、地理分布）
當前階段（原型、MVP、生產、企業）
痛點（效能、安全性、技術債、團隊擴張）
意圖（法規遵循準備、稽核、交接、現代化、募資）

將指引應用於：

分析優先順序：聚焦於指引中提及的領域
專案階段建議：根據指引加權標準（例如：「HIPAA」→ 提高品質權重）
互動式問題：詢問指引相關的缺口（若使用 --interactive）
文件化：在「為什麼現在進行導入？」章節中參考指引

指引處理範例：

輸入：--guidance "B2B SaaS for healthcare, HIPAA compliance critical, 50k users, preparing for SOC2 audit"

提取結果：

領域：醫療保健（B2B SaaS）
法規遵循：HIPAA（關鍵）、SOC2（進行中）
規模：5 萬使用者（可能為 Production 階段）
意圖：稽核準備

應用方式：

優先處理：安全分析（HIPAA/SOC2 控制項）、法規遵循指標、稽核日誌
專案階段權重：品質 0.4，可靠性 0.3（法規遵循驅動）
問題（若使用 --interactive）：「目前實作了哪些 HIPAA 控制項？」「SOC2 稽核定於何時？」
文件化：在「為什麼現在進行導入？」中記錄 → 「為醫療保健 SaaS（符合 HIPAA）準備 SOC2 稽核」

步驟 1：初始偵察

掃描程式碼庫目錄以了解基本特性。

指令：

# 目錄結構
ls -la
find . -type f | head -50

# 依副檔名統計檔案數量
find . -type f | sed 's/.*\.//' | sort | uniq -c | sort -rn | head -20

# 檢查常見標記
ls README.md CONTRIBUTING.md LICENSE package.json requirements.txt Dockerfile docker-compose.yml .git

提取：

專案名稱：從 git remote、package.json/package name、README 標題、目錄名稱
主要語言：檔案副檔名（.js、.py、.java、.go 等）
框架指標：package.json、requirements.txt、pom.xml、go.mod、Gemfile
基礎設施：Dockerfile、docker-compose.yml、kubernetes/、terraform/、.github/workflows/

輸出：初始偵察摘要

## 初始偵察

**專案名稱**：{從 git/package.json/目錄中提取}
**主要語言**：{JavaScript (45%), Python (30%), Shell (15%), YAML (10%)}
**技術棧指標**：
- 前端：React 18.2.0, Next.js 13.4
- 後端：Node.js 18, Express 4.18
- 資料庫：PostgreSQL (docker-compose.yml)
- 部署：Docker, GitHub Actions CI/CD

**程式碼庫**：{git remote URL（若有的話）}
**最後提交**：{git log -1 --format="%ai %s"}
**程式碼行數**：{cloc 摘要（若有的話）}

步驟 2：架構分析

分析程式碼庫結構以了解架構模式。

指令：

# 目錄結構（關鍵路徑）
tree -L 3 -d

# 元件/模組識別
ls src/ lib/ app/ pkg/ cmd/
ls -la src/*/

# API/介面發現
grep -r "app\." --include="*.js" | head -20
grep -r "router\." --include="*.py" | head -20
grep -r "@RestController\|@RequestMapping" --include="*.java" | head -20

# 資料庫/資料層
ls models/ entities/ migrations/ schema/
grep -r "CREATE TABLE\|mongoose.model\|sqlalchemy" | head -20

推斷：

架構風格：單體、微服務、無伺服器、MVC、分層
- 單一儲存庫搭配 src/ → 單體
- 多個 services/ 或 apps/ → 微服務
- Functions/ 或 lambda/ → 無伺服器
元件邊界：前端、後端、API、服務、工作者、CLI
資料持久化：SQL（PostgreSQL、MySQL）、NoSQL（MongoDB、Redis）、ORM 指標
整合點：外部 API 呼叫、訊息佇列、事件匯流排

輸出：架構摘要

## 架構摘要

**風格**：{模組化單體 | 微服務 | 分層 | 事件驅動}

**元件**：
- 前端：React SPA in src/client/ (TypeScript)
- 後端 API：Express REST API in src/server/ (Node.js)
- 資料庫：PostgreSQL with Prisma ORM (schema/prisma/)
- 背景工作：Bull queue (src/workers/)

**整合點**：
- Stripe API 用於付款 (src/services/payment/)
- SendGrid 用於電子郵件 (src/services/email/)
- AWS S3 用於檔案儲存 (src/services/storage/)

**資料模型**：{數量} 個實體（User、Order、Product、Payment 等）

步驟 3：相依性與基礎設施分析

分析相依性、部署與營運特性。

指令：

# Node.js 相依性
cat package.json | jq '.dependencies, .devDependencies'
npm ls --depth=0

# Python 相依性
cat requirements.txt Pipfile

# Docker/部署
cat Dockerfile docker-compose.yml
ls -la .github/workflows/ .gitlab-ci.yml .circleci/

# 環境變數（識別敏感資料處理）
grep -r "process.env\|os.getenv\|System.getenv" --include=".{js,py,java}" | wc -l
ls .env .env.example .env.template

推斷：

第三方服務：付款（Stripe, PayPal）、電子郵件（SendGrid, Mailgun）、分析（Segment, Google Analytics）、監控（Sentry, Datadog）
安全模式：驗證函式庫（passport, jwt）、加密、秘密管理
測試策略：測試框架（Jest, Pytest, JUnit）、涵蓋率工具、CI 測試工作
部署：容器化（Docker）、雲端供應商（AWS, GCP, Azure）、CI/CD 成熟度
法規遵循指標：GDPR（同意、資料刪除）、PCI-DSS（付款代碼化）、HIPAA（稽核日誌）

輸出：相依性與基礎設施摘要

## 相依性與基礎設施

**關鍵相依性**：
- 驗證：Passport.js + JWT
- 付款：Stripe SDK 12.0.0
- 電子郵件：SendGrid 7.7.0
- 測試：Jest 29.5, React Testing Library

**安全性**：
- 驗證：JWT 搭配 refresh tokens
- 秘密：環境變數（.env 模式）
- 資料保護：bcrypt 用於密碼，靜態加密（偵測到：crypto 模組使用）

**CI/CD**：
- 平台：GitHub Actions
- 管道：lint → test → build → deploy
- 部署目標：AWS ECS（存在 Dockerfile）

**監控/可觀測性**：
- 錯誤追蹤：偵測到 Sentry 整合
- 日誌記錄：Winston logger 搭配結構化 JSON
- 指標：基礎（未偵測到 APM）

步驟 4：規模與使用量分析

分析程式碼中的規模指標與當前使用模式。

指令：

# 資料庫查詢（規模模式）
grep -r "SELECT.*FROM\|.find(\|.aggregate(" --include=".{js,py,sql}" | wc -l

# 快取指標
grep -r "redis\|memcached\|cache" --include=".{js,py}" | wc -l

# 速率限制/節流
grep -r "rate.*limit\|throttle" --include=".{js,py}" | wc -l

# 非同步/佇列模式
grep -r "async\|await\|queue\|job\|worker" --include=".{js,py}" | wc -l

# API 端點（數量）
grep -r "app\.get\|app\.post\|@app.route" --include=".{js,py}" | wc -l

推斷：

目前規模容量：
- 無快取、簡單查詢 → <1k 使用者
- Redis 快取、連線池 → 1k-10k 使用者
- 負載平衡、佇列工作者、分片 → 10k-100k 使用者
效能優化：快取、索引、分頁、惰性載入
並行模型：同步、非同步、事件驅動、工作者池

輸出：規模與效能摘要

## 規模與效能

**目前容量估算**：1k-5k 同時使用者
**證據**：
- 已實作 Redis 快取（10 個實例）
- 資料庫連線池（最多 20 個連線）
- 未偵測到水平擴展（單一實例）
- 基礎速率限制（每個 IP 每分鐘 100 個請求）

**效能模式**：
- 快取：Redis 用於 session 和 API 回應
- 非同步：大量使用 async/await（Node.js）
- 背景工作：Bull queue 用於電子郵件、報表
- 資料庫：索引查詢、分頁用於列表

**優化機會**：
- 為靜態資產加入 CDN
- 實作查詢結果快取
- 考慮為資料庫建立唯讀副本

步驟 5：安全性與法規遵循分析

分析安全狀態與法規遵循指標。

指令：

# 驗證模式
grep -r "passport\|jwt\|oauth\|auth0" --include="*.js" | wc -l

# 資料隱私模式
grep -r "gdpr\|privacy\|consent\|deletion\|right.*forget" --include=".{js,py,md}" | wc -l

# 敏感資料處理
grep -r "password\|secret\|credit.*card\|ssn\|api.*key" --include="*.js" | wc -l

# 安全標頭
grep -r "helmet\|cors\|csp\|hsts" --include="*.js" | wc -l

# 稽核日誌
grep -r "audit.*log\|log.*audit\|event.*log" --include=".{js,py}" | wc -l

推斷：

安全狀態：最小、基準、強大、企業
- 僅基本驗證 → 最小
- 驗證 + HTTPS + 秘密管理 → 基準
- SAST、DAST、威脅建模 → 強大
- SOC2/ISO27001 控制項 → 企業
資料分類：公開、內部、機密、受限制
法規遵循：GDPR（歐盟使用者）、HIPAA（健康資料）、PCI-DSS（付款）、SOX（財務）

輸出：安全性與法規遵循摘要

## 安全性與法規遵循

**安全狀態**：基準
**證據**：
- 驗證：JWT 搭配 refresh tokens，bcrypt 密碼
- 授權：基於角色的存取控制（3 種角色：user、admin、superadmin）
- 資料保護：偵測到靜態加密，傳輸中 TLS
- 秘密管理：環境變數，未偵測到硬編碼秘密
- 安全標頭：Helmet.js 用於 HTTP 標頭，已設定 CORS

**資料分類**：主要為內部與機密（使用者個人資料、付款資訊）

**法規遵循指標**：
- GDPR：偵測到隱私權政策，未偵測到明確同意機制
- PCI-DSS：使用 Stripe（減輕責任），未偵測到直接儲存卡片資料
- 稽核：基礎應用程式日誌，未偵測到專門的稽核軌跡

**建議**：
- 實作結構化稽核日誌
- 針對 GDPR 加入同意管理
- 為敏感資料新增加密解決方案

步驟 6：專案階段建議

根據分析證據與指引（若提供）推斷並建議專案階段。

階段定義：

階段	特徵	分數範圍
Prototype	探索性、快速迭代、最少測試、無 CI/CD、單一開發者	0-20
MVP	核心功能、基礎測試、基本 CI、小型團隊、初步部署	21-40
Production	完整功能、測試套件、CI/CD、監控、中型團隊、文檔化	41-70
Enterprise	高可用性、災難復原、法規遵循、大型團隊、進階監控	71-100

評分標準：

標準	Max 分數	權重
測試涵蓋率	20	1.0x
CI/CD 成熟度	15	1.0x
監控/可觀測性	15	1.0x
文檔化	10	1.0x
架構風格	10	1.0x
安全狀態	15	1.0x
錯誤處理	5	1.0x
部署自動化	10	1.0x
總計	100

權重可根據指引調整（例如：HIPAA 法規遵循 → 安全 1.5x）

輸出：建議

## 專案階段建議

**建議階段**：Production（維護中）
**信心分數**：56/100

**計算方式**：
- 測試涵蓋率：12 (60%) × 1.0 = 12
- CI/CD 成熟度：10 (67%) × 1.0 = 10
- 監控/可觀測性：8 (53%) × 1.0 = 8
- 文檔化：4 (40%) × 1.0 = 4
- 架構風格：8 (80%) × 1.0 = 8
- 安全狀態：9 (60%) × 1.0 = 9
- 錯誤處理：3 (60%) × 1.0 = 3
- 部署自動化：5 (50%) × 1.0 = 5

**加權總計**：12 + 10 + 8 + 4 + 8 + 9 + 3 + 5 = 59/100

**理由**：
- 強健的測試基礎（Jest + React Testing Library）
- 完整的 CI/CD 管道
- 生產級架構（模組化單體、容器化）
- 監控缺口（無 APM）
- 文檔化不足
- 基礎安全狀態但缺乏進階控制項

步驟 7：文件生成

從分析中產生結構化導入文件。

輸出格式：每個產出檔案都是完整的 markdown 文件，文件之間保持一致的連結。

產出檔案：

.aiwg/intake/
├── README.md                    # 導入索引與專案摘要
├── 01-initial-reconnaissance.md   # 步驟 1
├── 02-architecture-analysis.md    # 步驟 2
├── 03-dependencies-infrastructure.md # 步驟 3
├── 04-scale-and-usage-analysis.md # 步驟 4
├── 05-security-compliance.md      # 步驟 5
├── 06-profile-recommendation.md   # 步驟 6
└── .metadata.json                # 導入中繼資料（用於系統追蹤）

每個檔案應包含：

匯總分析結果的結構化標頭
由掃描指令支援的證據摘要
基於證據的推斷部分
待辦事項部分，標示為「後續步驟」
交叉引用其他導入文件

使用範例

基本使用：

/intake-from-codebase /path/to/codebase

含有指引：

/intake-from-codebase /path/to/codebase --guidance "Legacy monolith, need to plan migration to microservices"

互動模式：

/intake-from-codebase /path/to/codebase --interactive

完整選項：

/intake-from-codebase /path/to/codebase --interactive --output docs/intake/ --guidance "Fintech app, PCI-DSS required, preparing for Series A"

實作注意事項

語言偵測：使用副檔名與 package manager 檔案來辨識主要語言與框架
架構推斷：尋找常見模式（目錄結構、框架規定、部署設定）
安全掃描：尋找驗證、授權、資料保護與秘密管理的證據
規模估計：根據快取、佇列、資料庫模式推斷容量
環境變數：檢查 .env.example 以了解預期的設定
Git 歷史：使用 git log 了解開發模式與團隊規模
錯誤處理：優雅地處理缺少的檔案或目錄（並非所有程式碼庫都有 packages.json 或 requirements.txt）
檔案大小限制：對於大型程式碼庫，優先掃描關鍵路徑
指引優先順序：指引總是優於預設推斷
互動有限制：最多 10 個澄清問題以避免疲勞

品質保證

在完成分析之前：

所有推斷都有程式碼庫中的證據支援
資料分類與法規遵循分析基於實際發現
規模估計與發現一致（無過度承諾）
如果提供了指引，應反映在分析中
針對互動模式，已回答或記錄了間歇性問題
輸出格式符合預期結構
檔案之間存在交叉引用
已識別並記錄 Microsoft 堆疊（如果存在）

其他備註

非同步處理：對於大型程式碼庫，考慮逐步進行分析
快取：如果最近掃描過同一個程式碼庫，啟用結果快取
互動式回饋：允許使用者澄清或更正假設
可延伸性：為自訂分析器預留掛鉤
記錄：使用 aiwg-doctor 進行診斷檢查
錯誤：使用 aiwg-status 檢查系統狀態
重新整理：使用 aiwg-refresh 更新現有導入
探索：使用 aiwg discover"intake" 探索其他導入技能

jmagly/aiwg

aiwg 是什麼？

在你喜歡的 AI 中提問

說明文件