個人目標
IFA 前端開發 Agent Skills
16 個 Skill 模組 / v0.7.0 / 四層驗證框架
AI/BI 視覺化元件庫
三庫比較 / 3,411 LOC / 可重用元件庫
C# 進階學習
async/await + LINQ / IFA 應用對照
Obsidian PKM
9 分類 / 8 模板 / 11 則結構化筆記
iPAS AI 初級證照
順延至 Q2，目標 5/16 應考
例行工作
協助其他部門技術
採購網系統導入 / 教育訓練
動態表單規劃
本季無交辦工單，已由同仁完成
IFA 前端開發 Agent Skills
自我評述
本季原定目標為產出一份涵蓋 React 元件開發規範、公司既有前端模組使用慣例、API 呼叫模式及頁面路由與狀態管理準則的 Skills.md 文件。實際執行成果遠超預期，已建構出一套完整的 AI Agent Skills 框架體系（skills4ifa），目前版本 v0.7.0。
透過 Skill 模組化設計，開發者可直接以自然語言指令驅動 AI 進行 IFA 開發，從需求理解到程式碼生成再到驗證產出形成閉環，預估可加速開發效率 30% 以上（超越原定 20% 目標）。
關鍵數據
具體成果
Skill 模組體系
涵蓋前端 Views 開發、元件使用、API 整合、樣式規範、規格書撰寫、計畫擬定、品質檢測、驗證輸出等完整開發生命週期。
驗證框架
四層驗證架構——L1 斷言驗證（Assertion）、L2 信任分數（Trust Score v5）、L3 技術檢查（Tech Checker）、L4 合併報告（Verification Report），確保 AI 生成程式碼的品質可量化追蹤。
教育訓練
投影片 26 張、講者稿、Q&A 卡片、設置指南、觀察指南等完整訓練材料，並完成 PDF 及 PPTX 版本。規格書撰寫指南 33KB / 770 行，完整訓練計畫 57KB / 872 行。
後端延伸
已啟動後端 Controller Skill（developing-ifa-controllers），為 Q2 後端 Skills.md 提前佈局。
Skills 全景圖
skills4ifa 全景圖 — 16 個 Skill 模組的分層架構與工作流向
AI/BI 視覺化應用研究與元件庫建立
自我評述
原定目標為評估 Chart.js 與 D3.js 兩大視覺化框架，完成 POC 展示。實際執行擴展為三庫比較（加入 Recharts），並完成兩階段開發：Phase A 框架評估 + Phase B 可重用元件庫。
測試資料模擬 IFA IFAC010Q 預算執行報表的實際欄位結構，驗證元件庫可直接接入 IFA 資料格式，為後續 BI 視覺化導入奠定基礎。
關鍵數據
框架評估結果
| 評估維度 | 權重 | Chart.js | D3.js | Recharts |
|---|---|---|---|---|
| 開發效率 | 25% | 4 | 2 | 5 |
| IFA 適配性 | 25% | 4 | 3 | 4 |
| 可維護性 | 20% | 4 | 2 | 5 |
| API 設計 | 15% | 3 | 3 | 5 |
| 客製化能力 | 10% | 4 | 5 | 3 |
| 響應式 | 5% | 4 | 2 | 5 |
| 加權總分 | 100% | 3.85 | 2.70 | 4.55 |
最終選定 Recharts 作為 Phase B 正式框架
具體成果
Phase A — 三庫比較
以完全相同的 IFA 預算執行模擬資料（~150 筆，含 8 種邊界條件），分別以 Chart.js、D3.js、Recharts 實作折線圖、柱狀圖、圓餅圖、儀表板四種圖表，共 12 個圖表元件 + 3 個展示頁 + 1 個並排比較頁。
Phase B — 可重用元件庫
以 Recharts 封裝 4
個通用圖表元件（LineChart、BarChart、PieChart、Dashboard），設計
useChartData hook 作為資料轉換層，相容 IFA
masterData / opData 格式，支援 controlled / uncontrolled
雙模式。
文件產出
框架評估報告（六維度加權評分）+ Phase B 元件 API Reference 文件。
POC Demo
C# 進階學習
自我評述
已完成非同步設計模式與 LINQ 兩大主題的系統化學習，並產出完整學習成果文件。每個概念均對照 IFA 後端 KSI Kernel 框架的實際應用場景，確保學習成果可直接應用於 Q2 後端 Skills.md 撰寫。
學習主題
非同步設計模式
- async/await 基礎原理與命名慣例
- Task / Task<T> 三種狀態管理
- TAP（Task-based Asynchronous Pattern）
- 常見陷阱：避免 .Result/.Wait() 死鎖
- async void 使用限制
LINQ
- 方法語法 vs 查詢語法
- 篩選投影：Where、Select、SelectMany
- 聚合：Count、Sum、Average、Max/Min
- 分組連接：GroupBy、Join
- 延遲執行與 IEnumerable vs IQueryable
IFA 實際應用對照
DataTable + LINQ 查詢
使用 AsEnumerable() 將 DataTable 轉換後，以 LINQ
進行篩選與欄位提取。
Searched 事件資料後處理
在 SearchedEventArgs 事件中使用 LINQ 進行資料後加工與轉換。
多 DataTable 集合操作
Union 合併多個 DataTable、字串陣列的 WHERE 條件組合與必填欄位檢查。
Controller 非同步升級概念
理解 Controller Action 從同步升級為非同步的模式，以及 Transaction 的非同步處理。
Obsidian 個人知識管理系統
自我評述
已完成 Vault 結構設計與模板建立，並累積符合模板規範的筆記超過 10 則。PKM 系統已與日常工作流程整合，各季 KPI 產出均納入 Vault 管理。
關鍵數據
Vault 架構
模板系統
PKM 指南體系
建立 8 篇系統性指南：「為什麼寫筆記」、「筆記類型速查」、「每日工作流」、「筆記寫作指引」、「回顧與連結」、「AI 可讀性規範」、「團隊入門指南」、「Vault 結構地圖」，為團隊推廣 PKM 奠定基礎。
iPAS AI 應用規劃師 初級證照
自我評述
本季因 skills4ifa 開發工作量遠超預期（從原定 1 份 Skills.md 擴展為 16 個 Skill 模組 + 驗證框架 + 教育訓練材料），且視覺化 POC 亦擴展為三庫比較，導致 iPAS 學習時間被壓縮。
經評估後決定將 iPAS 初級與 Q2 原定之中階合併規劃，待確認下一梯次考試時間後統一安排讀書計畫。
考試梯次
Q2 讀書計畫 — iPAS 初級（目標 5/16 應考）
中級考試為 11/14，落在 Q4，故 Q2 聚焦初級備考。
讀書計畫
4/1 — 4/11：基礎概念
AI 基礎理論、機器學習概論、深度學習基礎。取得官方教材與歷屆題庫，完成第 1 回模擬試題。
4/14 — 4/25：應用領域
AI 應用場景（NLP、CV、推薦系統）、資料前處理與特徵工程、模型評估指標。完成第 2 回模擬試題。
4/28 — 5/9：進階主題與弱項補強
AI 倫理與法規、產業應用案例、模型部署概念。完成第 3 回模擬試題，針對弱項集中補強。
5/12 — 5/16：最終衝刺
全範圍模擬測驗、錯題回顧、考前重點整理。5/16（六）應考。
例行工作
協助其他部門技術（規劃/開發）
本季協助 V7 部門開發「採購網系統」，將開發流程導入 skills4ifa 框架，透過 Skill 模組化的方式協助該部門加速開發節奏。此外，透過 skills4ifa 的內部教育訓練，協助同仁認識 Agent Skills 的概念與操作方式，並即時排除同仁在使用上遭遇的問題。
協助研發開發產品化：動態表單規劃
本季動態表單規劃相關工作已由同仁完成，未產生交辦工單，故無對應執行成果。
官方 7 項 KPI（不標權重）。整體達標：七項依目標推進，其中五項達標、一項支援型持續（②）、一項待加強（⑦）。達成率以達標 100% 為基準，未達標項誠實標低。事實來源為 Obsidian 自評稿，本站為呈現層。
官方 7 項 KPI
V1-BI 圖表導入與 OLAP 介接
ECharts 9 圖到齊 / src_olap 38 commits / 待對方驗收
V1 球場系統改版（agent）
提供 skills4ifa 規範，協助 Delphi→React 遷移
skills4ifa 後端開發指南
後端指南 430 行 / 報表測試 4/4 通過 / v0.13.2
skills4ifa Plugify
ap4ifa 兩端發佈 19 skills / 自建 MCP server / v0.13.2
Anthropic 學院 claude 101
4 張結業憑證 / 重點筆記納入 PKM
TanStack Query + Zustand
demo 18 測全綠 / IFA 試點與可行性評估
Obsidian PKM
341 篇 / 互連率 24.3% / 季末補 12 則知識筆記
skills4ifa 後端開發指南 + FastReport 報表規範
能力範圍 — 涵蓋後端開發鏈
C# 後端 API 開發規範
教 AI 照 IFA 分層架構寫「接住前端請求、處理資料」的後端程式。
SQL Server 預存程序準則
教 AI 寫「住在資料庫裡」的查詢/運算程式，命名、參數、交易一致。
FastReport 報表設計與資料綁定
教 AI 直接讀懂並修改公司列印報表模板，正確把資料綁進版面。
「禁止臆測」鐵則
要求 AI 以查證／詢問取代猜測，是避免產生錯誤的關鍵。
導入前後測試 — 同一工具、同一批測試題的差異
以「先訂測試、再驗收」的方式設計四道貼近實務的報表測試題，量測開發工具在「有無讀取內規文件」下的差異：未讀取時多為拒答或答錯，讀取後四題全數通過。來源：developing-ifa-reports/testing/baseline-scenarios.md（S1–S4，並有
release CHANGELOG 佐證）。
拒答（引用 Red Flags：IFA 任務需先載入正確 skill）
FR 內部單位、[Table.REMARK] 綁定語法、帶區順序、三重名稱一致
拒答（沒有規格書＝無法生成）
doExpXlsResult()（小寫 d）、Point(col,row)、isXlsColumns=false、檔名不加副檔名
拒答（無法提供系統化除錯指引）
第一步即指出「最可能是三重名稱不一致」，並給系統化 Grep 排查步驟
推薦 XlsTool，理由基於未驗證假設
正確推薦 FastReport（分組+小計→複雜排版），引用路徑決策樹
同一工具、同一批測試題：未讀取內規文件時拒答或答錯，讀取後四題全數通過。
量化數據
Q2 commit 數 411（git log --all --since/--until
全分支口徑，含 feature 分支）；後端指南 430 行定稿；報表測試 4/4 通過，經
baseline-scenarios.md S1–S4 與 release CHANGELOG 雙重佐證。
常見綁定語法對照（AI 易猜錯處）
下列細節影響範圍小，但出錯即整體失效，是 AI 容易用業界通則猜錯之處。文件將「正確寫法」與「常見錯法」並列，供開發工具對照。
| 項目 | AI 常猜錯（未讀文件） | 正確（已讀文件） |
|---|---|---|
| 欄位綁定 | {Table.Col} / ${Table.Col} | [Table.Col] |
| 參數綁定 | :Param | [@Param] |
| 座標單位 | 像素 / 公分 | FR 內部單位（1cm≈37.8） |
| 匯出方法大小寫 | DoExpXlsResult() | doExpXlsResult() |
TanStack Query + Zustand 比較（評估導入 IFA）
自我評述
範圍含「伺服器狀態（TanStack Query）與用戶端狀態（Zustand）」對照，以 side project demo 實作學習與驗證，並做 IFA 試點評估導入可行性。demo 在同一待辦 CRUD 情境下分別實作，Vitest 共 18 項測試全數通過、build 通過。
關鍵數據
TanStack Query vs Zustand — 互補非二選一
| 維度 | TanStack Query | Zustand |
|---|---|---|
| 管理對象 | 伺服器狀態（API 資料） | 用戶端狀態（UI / 本地） |
| 快取 / 失效 | 內建（staleTime / gcTime / invalidate） | 無（需自理） |
| 重取 / 同步 | 自動（背景重取、focus 重取） | 手動 |
| 樂觀更新 | onMutate / rollback 內建模式 | 自行實作 |
| 適用 | 清單 / 主檔 / CRUD 打 API | 跨元件 UI 狀態、表單暫存 |
結論：兩者互補——server 狀態交給 TanStack Query，client 狀態交給 Zustand，非二選一。
IFA 試點 — 以實際現況評估遷移效益
新增一頁 IFA 試點（src/ifa-pilot/，往來銀行主檔情境）：抽出集中式
typed API 層 + 一頁 useQuery / useMutation（含樂觀更新 /
快取失效）。下列現況數字均唯讀核實自 ifa_rd/frontend，用以修正先前估計。
現況：狀態管理
IFA 前端用 @reduxjs/toolkit ^2.2.2 +
react-redux ^9.1.0，無 react-query、無
zustand，且為純 JSX（0 個 .ts 檔）。
現況：API 呼叫散落度
grep -rl axios ＝ 189 檔（直接 import 54 檔 /
312 行，分母 520）。Const.js 已集中 axios
instance + 401 攔截，主要問題是「各頁自行處理 loading / error /
狀態」而非「各頁自建 axios」。
發現：隔離的 RTK Query 實驗
已有一個隔離的 RTK Query 實驗（service/DataTable.js），但全專案僅
1 檔消費、baseUrl 仍指向測試站。
建議：漸進導入
先抽集中式 API 層、以單頁試點 useQuery / useMutation 驗證，再逐頁遷移；可與既有 RTK Query 實驗整併路線評估，避免一次性大改。
原始碼：side project repo tanstack-zustand-lab（Vite +
React + TS，含 README 比較與 IFA 可行性分析）。
Anthropic 學院 — claude 101 系列
自我評述
已完成 Anthropic 學院 claude 101 系列課程並取得四張結業憑證（Skilljar 可線上驗證）。課程重點整理為筆記、以雙向連結納入 PKM（同時支援第 7 項）。
結業憑證
課程重點（已納入 PKM）
模型家族分層
Opus / Sonnet / Haiku 依「能力—速度—成本」分層；用最簡可行層級，不為省成本盲目降級。
清楚指令 + 範例
把任務講明白、給角色與輸出格式；提供 multishot 範例可大幅穩定輸出。
結構化輸出
用 JSON schema / 工具 strict 模式取得可解析結果，而非事後硬解字串。
上下文與 token
以官方 count_tokens 計量，勿用第三方 tokenizer 估算（會失準）。
工具使用 + MCP
tool_use → tool_result 迴圈；工具說明要寫「何時呼叫」；MCP 標準化外部連接。
Prompt caching 與安全
前綴比對快取可大幅省成本（讀取約 0.1×），注意靜默失效；讀回應前先檢查 stop_reason / refusal。
課程重點筆記已以雙向連結納入 PKM，支援第 7 項互連率。
協助其他部門技術
① V1-BI 圖表導入與 OLAP 介接
圖表模組（第一、二階段）依目標完成：ECharts 9 種圖型到齊（折線／柱狀／長條、堆疊、圓餅、雙軸、散佈、氣泡），含民國年解析、數值格式與排序、圖型推薦、PNG 匯出，並完成 code review 修正。對方部門的正式驗收與上線屬外部依賴，非開發端進度。
② V1 球場系統改版（agent）
支援型任務。主要難點為 Delphi → React + .NET Core 技術遷移；做法不是本人直接開發，而是提供 skills4ifa 開發規範，讓對方團隊 fork 並在指導下調整、自行推進改版。後續階段成果與驗收回饋屬對方時程。
skills4ifa Plugify — 與 MCPs / AGENTs 串連之開發助手
自我評述
本項目標為「與 MCP／AGENT 串連的可持續迭代開發助手」，已依目標完成並實際落地。先完成技術選型：比較
MCP 協定、Claude Agent SDK、Agent Skills（SKILL.md）三種路線，選定以
SKILL.md 開放標準為主、MCP 按需補充（一份來源、無需常駐
runtime、Claude Code 與 Codex 皆可載入；未採需常駐 runtime 的託管框架，因其無法載入
Copilot）。再落地為 agent-plugins-4-ifa（ap4ifa）：兩端發佈
19 個 skills、自建 ifa-runtime MCP server、以語意化版本釋出至
v0.13.2，並經多輪 Codex 審查修正。
關鍵數據
技術選型決策
| 維度 | MCP 協定 | Claude Agent SDK | Agent Skills（SKILL.md） |
|---|---|---|---|
| 定位 | 工具 / 資料連接標準 | 託管 agent 執行框架 | 可攜技能包（開放標準） |
| Copilot 雙端共通 | 部分 | 否（裝不進 Copilot） | 是（原生共通） |
| runtime 需求 | 需 server | 需 runtime | 零 runtime |
| 與 skills4ifa 契合 | 補充 | 低 | 高（既有 skills 直接打包） |
決策＝以 SKILL.md 開放標準為主幹，MCP 按需補充。
落地成果 — agent-plugins-4-ifa（ap4ifa）
兩端發佈
Claude Code marketplace plugin（.claude-plugin/marketplace.json）＋
Codex plugin（.codex-plugin/plugin.json），同一份來源共
19 個 skills，團隊安裝即用。
自建 MCP server：ifa-runtime
stdio、in-process tools——瀏覽器自動化、API 驗證（verify_api）、跨平台冷裝（Windows）硬化，讓
AI 直接連到 IFA 前端執行驗證。
版本治理
迭代釋出至 v0.13.2，含 CHANGELOG、release pipeline、repo-wide drift gate，並經 Codex review 多輪修正。
Obsidian PKM — 穩定產出 + 雙向連結
自我評述
一達一未達。KSI vault 季末（6/30）共 341 篇，較 Q1
基準（約 289）淨增逾 +30、新筆記達標；含
[[ ]] 連結之筆記 83 篇，互連率 24.3%（季末補筆記後由約
21% 提升），仍未達 50% 目標。本季已先把 Anthropic
課程重點等納入並建立雙向連結。
現況數據（盤點 2026/06/30）
互連率＝含 [[ ]] 連結筆記 83 ÷ 341 ≈ 24.3%；季末以工作流平行補入
12 則知識筆記（每則 [[ ]] ≥3）。
後續（Q3）：互連率衝刺 50%
新筆記數已達標、互連率未達。Q3 續補既有筆記的雙向連結、補齊更多工作／專案／技術知識筆記，將互連率自 24.3% 推進至 50% 目標。
計分口徑：只計入 9/30 前完成的成果，七項合計 640%，未加權平均 91.4%，展示取整為 91%。 10 月完成的發布與 POC 列在本頁下方「Q4 補充」，不改變 Q3 分數。
Q3 交付規模
遷移程式：流通業進銷存系統（IPMS）14 支、超市進銷存系統（SMK）12 支。版本：mvc2ifa 12、skills4ifa 9、wizard 4、redmine 1。
報告：IPMS 61 份、SMK 80 份。commit 為 ksi-agent-plugins、smk、ipms 三個 repo 合計（含 feature 分支，不含 merge）。
Q3 里程碑
- 07/28
mvc2ifa 首版 v0.1.0
彙整四次遷移工作的研究筆記，封裝成可安裝的 Plugin。
- 08/05
報表遷移檢討
從失敗案例整理出 Crystal Reports 官方解析與渲染驗證流程。
- 08/18
內部課程
AI Agent Plugins 建置與代理工程治理，2 小時、約 30 人。
- 08/26
IPMS 開始遷移
以 mvc2ifa 實際遷移流通業進銷存系統。
- 09/09
SMK 開始遷移
09/14 起建立 delphi2ifa，處理 Delphi 舊程式與 QuickReport 報表。
- 09/18
正式發布
skills4ifav0.20.0、mvc2ifav0.9.0。 - 09/24
AI 測試導入決策
三輪對照實驗完成：舊碼事實抽查（工作流 B）導入，元件測試指引（工作流 A）不導入。
- 09/30
Q3 截止
SMK 12 支程式完成前後端遷移；瀏覽器測試必要性評估（工作流 C 步驟 0）完成。
Q3 正式 7 項 KPI
mvc2ifa
IPMS 14 支遷移並驗收 / 12 個版本 / 工單完成率 100%
delphi2ifa
SMK 12 支完成遷移 / 2 支 UAT 通過 / 80 份驗證報告
規格驅動開發（SDD）
七段流程 / 14 份標準規格 / 28 份開發計畫
AI 自動化測試
三層架構 / 三輪對照實驗 / 工作流 B 導入
企業內部技術分享
2 小時 / 約 30 人 / 六步驟實作
React 19 導入評估
IFA 前端盤點 449 個畫面 / 核心 API POC 於 10 月完成
Obsidian PKM
2 項改善提案從筆記落地到專案交付
Q4 補充（10 月完成，不計入 Q3）
四項正式發布
skills4ifa-v0.21.0、mvc2ifa-v0.10.0、delphi2ifa-v0.1.0、wizard-v0.4.0。
試行與 CI 測試上線
3 支程式探索式測試約 84 分鐘，找到 4 個 bug；SMK 前端測試 39 項通過，並已加入 CI。
核心 API POC 與評估報告
7 項新特性實作 POC，23 項測試全過；完成 IFA 適用性、相容性與導入決策報告。
待辦事項
Q3 遷移的 12 支中，10 支待人工 UAT；試行找到的缺陷已開 issue 追蹤。
mvc2ifa — MVC 舊系統遷移工具
自我評述
流通業進銷存系統（IPMS）要從舊的 MVC 架構遷移到公司的 IFA 框架。只靠 AI 直接轉換，容易漏掉舊系統的資料表關聯、選單路由與報表結構，
因此把遷移步驟整理成可重複執行的工具 mvc2ifa，Q3 共發布 12 個版本至 v0.9.0。
IPMS 14 支程式依此流程完成前後端遷移並通過 UAT；MKCCMP010 已取消、不列入母數，已交付工單完成率 100%。
遷移程式清單（IPMS）
| 類別 | 數量 | 程式 |
|---|---|---|
| 基本資料維護 | 5 | 客戶、部門代碼、分類、庫別、分店 |
| 交易作業 | 3 | 商品採購（總店）、訂貨驗收（總部-廠務）、採購驗收（分店） |
| 查詢 | 5 | 會計科目、供應商代碼（2 支）、已訂貨未驗收商品、店別 |
| 報表 | 1 | 商品採購單 |
版本迭代
8 月底 IPMS 開始實際遷移後，三天內發布 6 個版本，逐版修正遷移時遇到的問題。
工具內容
4 個 Skill
舊程式轉標準規格（mvc-to-ifa-spec）、資料表盤點（inventorying-legacy-tables）、選單路由登記（registering-menu-routes）、Crystal 報表轉 FastReport（crystal-to-fast）。
2 個 Command
/mvc2ifa:run 依序執行整個遷移流程，/mvc2ifa:status 查詢各程式進度。
發布驗證 14/14 通過
包含版本一致性（drift）、Skill 引用與 Marketplace 登錄檢查；IPMS 後端 build 0 error、前端 production build 成功。
將「舊程式盤點 → 標準規格 → 開發計畫 → 程式生成 → 規格審查 → 技術檢查 → 整合驗證」封裝成 Agent Plugin。AI 遷移不必每次重寫提示詞，而是依相同的規格、檢查項目與報告格式重複執行，14 支程式共留下 61 份驗證報告。
delphi2ifa — Delphi 舊系統遷移工具
自我評述
超市進銷存系統（SMK）的舊程式以 Delphi 撰寫，報表使用 QuickReport，遷移時要同時處理畫面事件、資料存取與報表。
09/14 起參考 mvc2ifa 建立 delphi2ifa（4 個 Skill、2 個 Command，含 QuickReport 轉 FastReport），9/30 前以開發版合併進 dev 分支。
SMK 在 Q3 完成 12 支程式的前後端遷移，涵蓋維護、查詢、報表與批次作業，其中 2 支通過人工 UAT。
遷移程式清單（SMK，截至 9/30）
| 類別 | 程式 | 9/30 狀態 |
|---|---|---|
| 基本資料維護 | 銀行代碼檔（整合一致性 19/19） | UAT 通過 |
| 基本資料維護 | 分店基本資料（整合一致性 86/86） | UAT 通過（第四輪） |
| 價格與促銷維護 | 紅利價、A+B 編號、商品群特賣、商品變價（特進＋特賣）、第二價格（加價購） | 開發完成，尚未人工 UAT |
| 庫存作業 | 分店轉撥資料維護 | 開發完成，尚未人工 UAT |
| 查詢 | 單品銷售明細（期間）、商品資料 | 開發完成，尚未人工 UAT |
| 報表 | 分店轉撥出入庫統計表 | 開發完成，尚未人工 UAT |
| 批次 | 庫存銷售重過帳處理 | 開發完成，尚未人工 UAT |
計分依據與已知限制
計分依據
9/30 時 12 支程式均已有標準規格、前端畫面與後端 Controller，Q3 交辦範圍全數完成遷移。原評 80% 的理由「遷移範圍仍在收斂」經 repo 查證不成立，10/08 重新評定為 100%。
已知限制
10 支尚未人工 UAT；MKCPRSX101、MKRTTO0012 的最後一份規格審查報告為 FAIL（共 5 項待修）；工具正式版於 10/08 發布，不在 Q3 期間內。
後續追蹤
10/02 探索式測試在已通過 UAT 的 2 支程式仍找到缺陷（例如選了日期後無法存檔），已開 issue 追蹤。
10/08 正式發布 delphi2ifa-v0.1.0
已合併 main 並登記 Marketplace（tag commit 8cc2e70），正式 tag 發布檢查 15/15 通過。
由 AI 解析 Delphi 表單、事件、資料存取與 QuickReport 報表結構，產生標準規格、開發計畫與 IFA 前後端程式，再以規格審查、技術檢查與整合驗證多層檢核。12 支程式共留下 80 份驗證報告。
規格驅動開發（SDD）
自我評述
AI 寫程式若只依賴對話內容，需求、程式與驗收容易對不上。SDD 的做法是先把需求寫成標準格式的規格（AIS）， 再依規格產生開發計畫與程式，最後用規格反向檢查程式。三項正式考核均已完成，並在 IPMS 14 支程式上實際使用。
流程
考核對照
| 考核 | 證據 | 狀態 |
|---|---|---|
| 1-1 流程規範設計 | 上方七段流程，納入 skills4ifa 各階段 Skill | 完成 |
| 1-2 模板納入 Git | 標準模板、Word↔Markdown 雙向轉換腳本、5 份規格範例；轉換後保留 7/7 段落與 9 個勾選項 | 完成 |
| 1-3 AI 輔助 POC | skills4ifa v0.20.0 正式發布；IPMS 14 份規格、14 份資料表盤點、28 份開發計畫；MKQINP013 整合驗證 29/30 | 完成 |
參考 OpenSpec 建立 KSI 規格管理 CLI／GUI 為個人延伸目標，尚未完成，不列為本季成果。
由 AI 依標準規格產生開發計畫與程式，再以規格審查、技術檢查與整合驗證反向比對實作，讓規格與程式出現落差時能在交付前被發現。
AI 自動化測試 — 依攔截價值選擇測試方式
自我評述
原本的瀏覽器自動化驗證（Stage D／ifa-runtime）已實作並實際使用過，但瀏覽器安裝、登入狀態、連接埠與 Windows 檔案鎖定等維護成本，
高於它攔下的缺陷價值，Q3 正式除役。之後重新設計為三層架構，以 SMK 的分店基本資料（MKCSTRXX00）實測，銀行代碼檔（MKFBNKMI）作對照組。
三層架構
Layer 0：規格階段由人確認行為
沿用既有的驗收標準信心標記，不確定的行為必須由開發者決定。
Layer 1：程式與舊碼事實驗證
工作流 A 為元件測試指引；工作流 B 抽查規格是否與舊程式事實一致。
Layer 2：瀏覽器 E2E
未經核准不做，明確排除在本季範圍外。
工作流 A 三輪對照實驗
| 輪次 | 設計 | 缺陷鎖定（有指引／無指引） | 有指引組成本 |
|---|---|---|---|
| 第一輪 09/23 | 各 1 次 | 有指引組未優於無指引組 | 工具呼叫約 39 對 30 |
| 第二輪 09/24 | 每組 3 次，不提示修正 commit | 3/3 對 3/3 | 成本約 +35%、時間約 +25% |
| 第三輪 09/24 | 每組 3 次，移除 git 歷史並遮蔽根因文件 | 3/3 對 3/3 | 成本約 +14% |
無指引組三輪合計 9/9 精準鎖定缺陷，工作流 A 沒有提高攔截率、只增加成本，因此不導入；工作流 B 合併進主線。
考核對照
| 考核 | Q3 證據 | 判斷 |
|---|---|---|
| 2-1 流程架構 | 三層架構與各層責任邊界 | 完成 |
| 2-2 模組實測 | 以元件測試回溯重現 isDirty 缺陷，並用修正前後版本反向驗證；對照組確認簡單 CRUD 不需額外測試 | 完成，範圍有限 |
| 2-3 導入報告 | 三輪對照實驗、工作流 B 合併、瀏覽器測試必要性評估 | 完成，仍有盲區 |
未達 100% 的原因：Q3 只在 1 支程式上回溯驗證；工作流 B 抓不到「規格文字被事後改寫」的問題；尚未累積足夠案例證明能降低人工測試時間。
10 月完成治理回流與探索式測試試行（3 支程式約 84 分鐘、19.83 美元，找到 4 個 bug、1 個文件問題）；
SMK 5 個前端測試檔實跑 39 項通過、1 項待補，CI 已加入 frontend_test 並執行成功。
由 AI 產生並執行元件測試、比對舊程式事實與規格；導入前以三輪對照實驗確認流程是否確實提高缺陷攔截率，再決定是否導入。
AI Agent Plugins 建置與代理工程治理
自我評述
公司內部開始使用 Claude Code 與 GitHub Copilot，同仁需要了解如何把工作經驗做成可重複使用的 Skill 與 Plugin，以及如何管理這些工具。 2026/08/18 14:00～16:00 完成兩小時課程，對象為具備使用資格的同仁，約 30 人參與，並保留教材、內部錄影與課後回饋。
實作六步驟
每一步都有可執行的範例程式；教材附 1 個本機 Marketplace 與 4 個 Plugin demo。
課後回饋與教材驗證
課後回饋
4 份有效回覆，來自 3 個部門；課程內容 20 項評分有 19 項為滿意或非常滿意，講師 20 項評分全部為滿意或非常滿意。
教材測試
6 個測試檔、25 項測試：23 項通過、2 項略過（本機未安裝 PowerShell 7）；教材、講義、Plugin 設定與 Marketplace 一致性驗證 55/55 通過。
佐證
公司內部課程錄影、教材 repo 與回饋表。
以可安裝的 Marketplace 與 Plugin demo 讓學員實際操作 Skill、hook 與 subagent，並用自動化檢查確保教材、設定檔與範例內容一致（55/55）。
React 19 新特性研究與 IFA 導入評估
自我評述
IFA 前端目前使用 React 18.3.1，並大量依賴可變的 events 物件、集中式 Layout、MSAL、Redux 等套件，
不能只因為版本較新就升級。Q3 先完成 IFA 前端現況盤點與兩份架構研究，並建立 React 19.2.x 測試環境。
Q3 研究成果
IFA 前端技術棧與 JS→TS 升級評估
盤點 React、Router、React Hook Form、MSAL、Redux 現況，評估 449 個 View、7 組 Layout 的升級影響。
events 設計與 headless 架構取捨
分析可變 events 與 React 19 並行渲染、React Compiler 的衝突，提出契約型別化與新畫面漸進試點方向。
相容性風險盤點
PropTypes、MSAL React、React Redux、Sortable Tree、Vite、Router、TypeScript；結論是不在同一次發布同時升級 React 19、MSAL、Router、Vite 與 TypeScript。
未達 100% 的原因：9/30 前尚未實作 React 19 核心新 API，也還沒完成逐項適用性矩陣與最終評估報告。
10/08 完成核心 API POC 與 IFA 評估報告
React 19.2.7 隔離環境實作 Actions、useActionState、useFormStatus、useOptimistic、
use()／Suspense、ref as prop 與 React Compiler；5 個測試檔、23 項測試全過。
決策是暫不升級 IFA，先改善 API 資料層、events 契約與測試基線。
| React 19 能力 | IFA 適用性 | 決策 |
|---|---|---|
| Actions／表單 hooks | 中高 | 可選單一維護畫面試點 |
useOptimistic | 中 | 不取代既有資料更新流程 |
use()／Suspense | 中低 | 等 API 快取層成熟 |
| ref as prop | 高、效益小 | 升級後自然採用 |
| React Compiler | 目前低 | 先移除 events 直接賦值，再小範圍試點 |
使用 AI 盤點約 42 萬行的 IFA 前端程式，辨識 React Compiler 與可變事件物件的衝突，整理出漸進升級的先決條件，避免一次性大版本升級後問題難以追查。
Obsidian PKM — 知識轉化為可執行方案
自我評述
Q3 不以筆記數量或連結率計分，而是檢查筆記是否真的變成流程、程式與專案交付。兩項改善提案都從 Obsidian 的研究或檢討筆記出發， 形成工具與規則的 commit，最後用在真實程式的遷移，符合「至少 2 個」的正式門檻。
提案一：把 MVC 遷移經驗做成 mvc2ifa Plugin
提案二：報表遷移改用官方解析與渲染驗證
提案二的起點是一次報表遷移失敗：AI 依欄位清單猜測報表版面。改善後規定先用 Crystal Reports 官方元件取得版面結構，產出 FastReport 後再實際渲染比對。
以 AI 協助從既有筆記與失敗案例中找出重複問題，轉成可執行的 Skill、檢查關卡與驗證流程，再用在實際遷移專案。