跳到主要內容

2007 北海道旅遊2

威斯忌酒廠,這地方的印象,就是因為的相機又沒電了,所以我拼命的叫明濱用他的相機,想辦法照,漂亮的服務小姐,想利用背景法來偷拍,不過他會躲,照出來的感覺超差,所以用同團的美女代替,雖然一樣照太遠看不清楚。
這是第三天住的小樽希爾頓,大廳裝飾的薑餅屋,這天晚上都在逛飯店隔壁的商場,九點就關門了,只逛了半棟,我的感覺是其實日本的商場沒什麼新奇的,東西也沒有比東區或西門町來的新奇多少。那天我們運氣差,兩個房間都是面山的,沒有看到港口的海景。隔天坐遊覽車時,才發現原來飯店另外一邊有摩天輪,其實晚上應該走出來逛逛的,說不定可以坐到摩天輪,就算沒做到,看看海感覺應該也不錯。
著名的小樽運河,聽說如果大雪紛飛積雪又深的話,會非常漂亮。
在小樽玻璃館照到的神奇的玻璃製品,照道理裡面應該不能照相,但是我是在逛完出來後,才突然想到XD,在這裡買的懷錶,回台第二天就沒電了,重點是我還不知道怎麼拆電池XD。這裡的另外一個遺憾,就是沒有買北果樓和六花亭的洋果子,一直以為機場會賣,其實機場並沒有賣,真可惜,試吃起來還不錯吃說。

北海道神宮,這裡是我第二消費多的地方,花了快1千吧。買了一堆御守,又什麼籤都抽,運氣還不錯,抽到的都是好籤。雖然我一點都不信算命,但感覺還是蠻爽的。
大通公園看燈展,這裡我們見識到日本女孩子,大腿神秘的發熱裝置,零下2-3度穿短裙真是不可思議。這裡的心得是不要逛地下街和百貨公司,應該專心逛燈盞,真的沒啥好逛的,藥妝和土產在貍小路買就好,百貨公司跟台北新光三越的東西差不多,台北還更好。帝王蟹是來北海道必吃的,其實四天的晚餐三天有三大蟹吃到飽,三種蟹還是帝王蟹最棒,肉多味美。參加這個團,除了機上得餐點,餐餐都不錯,回來胖了快3公斤。

這是晚上從飯店去貍小路的路上經過的風化區,我最有興趣的是cosplay、癡漢這是怎麼玩啊!
不過那天逛到最後,整個人都累攤了,只是照個相,一點想進去的心情都沒有。一想到那天晚上住的飯店,就覺得不公平,許嘉惠住的房間不只是我們的兩倍大,還有浴缸,沙發,哇勒!

早上去貍小路拍的,這是晚上去的逛得那間小百貨,激安的殿堂,很特別的一間店,好像是從早上10點開到隔天凌晨5點,有藥妝店、特色飾品等等於是便宜大陸貨的世界就對了,最上面還有唱片行和電視遊樂器專賣店,那天還有看到wii fit但是想想最近也沒在玩wii就沒買,但沒想到水貨這麼貴,早知道就買一台回來賣好了。對了還有晚上去的一家土產沒有打折,結果早上導遊帶我們去,就有打折,所以其實導遊帶的店並沒有比較貴,有時反而比較便宜。
最後一個觀光點,鮭魚的故鄉,比較特別的就是這張照片照的就是館內,直接將玻璃嵌在河床旁,直接看河底鮭魚真實的狀況。看完裡面的影片才知道,為啥這幾天身陷鮭魚地獄,天天吃鮭魚,一年就不知道到抓幾萬支鮭魚,而且還很好抓,鮭魚大概極便宜吧。最後一天回去時機場還是很多人,回去的小插曲行李托運後,我才發現我忘記將一罐化妝品裝進行李箱,因為放背包過關可能會沒收,我可不想剛花的2500日幣就這樣報銷,後來請導遊請航空公司拿袋子裝化妝品當一件行李這樣寄送,避免被沒收。


最後這是我這趟旅遊快樂的泉源之一,同團的小美女,感覺上20未滿,說實在我完全不會看年齡,可是看他手上有指甲妝,我不認為高中生可以這樣搞,所以私以為應該是大學生。她第二天穿裙子出現,許嘉惠的看到後說輸了,我的認知是許嘉惠再怎樣穿都贏不了她,另我印象中她好像每天都穿裙子。起初我一直在想,他給我一種很熟悉的感覺,我原本想可能長得有點像妹妹,但是我想這樣是萌不到我的,在最後一天,看到惠里香的海報才突然感覺到,是彌海砂(搖晃),他綁小辮子的感覺像極了電影的造型,萌え!當然這張照片照不出他的可愛,不過這是我偷照那麼多張最清晰了的了。另外他哥哥長得也像一個藝人,他家人也叫他吳彥祖,的確又高又帥!
令我恍然大悟的惠里香海報。

留言

這個網誌中的熱門文章

勝券在握

其實這本書,感覺上寫的有點雜,比上一本講巴非特的書更難懂,兩個講的東西其實是一致的。投資原則便是先選產業,再選公司,慎選時機進場。只買了解的企業是價值投資一貫的原則。價值投資的書大概就先看到這裡了,彼得林區不知道是屬於那一類的,接下來大概會看這部份的書。暫時的目標是把杜金龍介紹的書單看完,真的還不少。接下來的投資會以巴菲特的方法來做,感覺上這比較適合我,練習把漲跌不當一回事,對我而言真的很重要。期權大概不會再玩了,買了以後一直在看漲跌,令人受不了。工作時都不能專心。 就價值投資人而言,真的不需要我們的產品,因為第一點就把我們程式特性打死,不理會股票市場的漲跌,這樣報價功能就沒什麼意義了,價值投資根本不需要技術分析,除非我們能提供相關價值投資的資訊,但我們基本分析真的很爛,看不到什麼資料。有機會我來思考一下價值投資到底要什麼資料,能不能把他寫成一個可運用的程式。 以下是我認為重要的書摘,其實這也只包含最後一章,我認為也只有這章值得做書摘。 巴非特相信使用短期價格來判斷一家公司的成功與否是愚蠢的。取而代之的是,他要公司向他報告因經濟實力成長所獲得的價值,一年一次,他固定檢查幾個變數: 初始的股東權益報酬率。 營運毛利、負債水準與資本支出需求的變化。 該公司的現金產生能力。 如果這些經濟指標正在進展,他知道長期下來,結果會反應在股價上。短期之內,股價所發生的是是不合常理的。 投資策略 不理會股票市場每日的漲跌 不擔心經濟情勢。 買下一家公司,而不是股票 管理企業的投資組合 巴非特原則 企業原則 這家企業是簡單且可以了解的 了解一家企業如何產生利潤的相關經濟活動。 這家企業的營運歷史是否穩定 他必須經得起時間的考驗。 這家企業的長期發展前景是否看好 市場特許權,五力分析 經營原則 經營者是否理性 理性的經營者將只會把多餘的現金,投資在那些產生較資本成本報酬率為高的計畫裡。 經營者對他的股東是誠實坦白的 報告時能知道營業部門如何營業,坦承失敗,了解公司的目的是使股東權益報酬率達到最大。 經營者是會盲從其他法人機構的行為 當心『其他公司也這麼做,一定沒問題』為自己行為辯護的經營者。衡量經營者競爭力的一個方法是,看他們如何運用自己的思考能力以避免依附群眾心理。 財務原則 把重點集中...

借助 AI 除錯:解決登出時的解密錯誤

  前言 最近遇到一個有趣的 bug,趁這次機會試試看用 AI 來協助除錯。整個過程蠻有收穫的,分享給大家參考。 問題發現 Bug 描述 在測試登出功能時,發現 app 會發生 crash。追蹤後發現是在登出時,API 會呼叫底層的解密函式,但解密用的 key 明顯有問題,導致解密失敗而引發錯誤。 由於這段流程是另一位同事負責開發的,程式碼邏輯比較複雜,短時間內看不出根本原因。於是先採取防禦性做法: 如果 key 為空值,就將解密失敗的錯誤吃掉不處理 。判斷後認為這樣不會影響 UI 操作,因為登出後 key 會重新取得。測試後確認沒問題,就先把這個 bug 暫時壓下來了。 深入追查 第一回合:初步分析 趁著有空檔,決定詳細釐清這個問題。想試試 AI 的能耐,於是下了第一個 prompt: 分析 SessionManager 的 processEncryptedData 方法中,為何會發生 bytesToTrim > currentLength 的錯誤?從呼叫該方法的地方分析可能發生的原因。 AI 給出了幾個可能的原因: 加密數據損壞或截斷 網路傳輸過程中數據包丟失或損壞 API 回應中的加密字串不完整 解密後的最後一個字節值異常大 錯誤的加密算法或密鑰 使用了錯誤的解密密鑰或 IV Session key 交換失敗,但程式繼續使用無效密鑰解密 解密產生亂碼 Hex 字串轉換錯誤 包含非法字符、長度不是偶數、部分缺失等問題 AES CBC 解密失敗但沒有檢查錯誤 Whitebox 密鑰準備失敗 IV 不匹配 數據長度不符合 AES 塊大小要求 PKCS7 Padding 格式錯誤 加密時使用了錯誤的 padding 方式 最後字節不是有效的 padding 長度值 (1-16) 多重解密處理錯誤 數據被重複解密或解密順序錯誤 記憶體緩衝區問題 緩衝區大小分配錯誤或溢出 AI 也分析了呼叫鏈: API 回應 → DataTransformer → CryptoHandler → decryptSessionKey → processEncryptedData 評估: 這些分析大多是從相關函式內部找錯誤,但沒有太大用處,...

用 AI Debug 的迷思:當建議越改越糟時

現在許多開發者習慣用 AI 來協助 debug,但在實務上常遇到一種情況: 依照 AI 建議改了兩三輪後,錯誤仍然存在,甚至越改越複雜。 這種狀況其實有幾個常見的盲點,值得特別注意。 1. 先回到「上一個正常版本」 當你已經按照 AI 的方向修了好幾次但問題仍未解決時,最有效的第一步是: 回到上一個正常工作的版本,縮小問題來源。 許多 bug 並不是你正在看的那段程式碼造成的,而可能是: 同事剛好修改了某個底層模組 某個 shared component 產生 side effect Auto Layout 層級重新 layout 時觸發 crash 如果只是盯著眼前的 function 修,反而容易被誤導。 2. AI 沒有看到你的整個專案 AI 通常只能根據你貼出的片段判斷問題,這代表它不知道: 你的 view hierarchy 裡是否有其他 constraint 影響 layout 某些 model 是否被 extension 修改過 父層或子層邏輯是否干擾目前的行為 整個專案採用的 concurrency 模型是什麼 因此,AI 可能會朝著完全錯誤的方向修,導致反覆修改卻無法解決。 3. Swift 6 例子:錯誤真正原因常不在你修改的那一行 例如開發者常遇到的錯誤: passing closure as a 'sending' parameter risks causing data races 許多人(包含 AI)會開始從 function 內部調整,但這類錯誤真正的關鍵通常是: 傳進去的物件沒有實作 Sendable。 也就是說,你不是要改 function,而是要回頭檢查: 傳入的 model / struct / class 裡面是否有 non-Sendable 成員 是否需要標註 @unchecked Sendable 如果 AI 沒看到相關檔案,自然很難找到正確方向。 結語:AI 是工具,不是預言機 AI 很適合用來: 解釋概念 協助產生測試程式 提供重構建議 釐清你已懷疑的方向 但在 debug 狀況下,以下三件事更重要: 回到上一版,縮小差異範圍。 釐清真正問題來...