跳到主要內容

Slim Diray 12/11

日期 體重

與第一日同時相比

2008/12/11 08:00 77.5 -3.7
2008/12/11 20:00 76.6 -5.6

今天晚餐只有吃兩片土司,果然有點效,體重有下降。手過了那麼久還是沒全好,真是糟糕。下個禮拜恢復夜騎好了,彌補一些運動動作無法做的問題。

今天中午聽GG團隊,再討論新開發流程對他們的不便。他們覺得這決策只是掩飾真相,等於多開一個版本,浪費RD時間。我的想法,這或許是為了出一個較穩定版本的方案之一,我不知道這方案好不好,但至少這方案的影響,上層似乎低估了。上層並沒有讓下級一個了解這個方案的真正的重要性,也無法說服大部分的人。當然還有一點非常重要,這樣的話會增加RD的Loading,那開發時程可以延後嗎?似乎又不行。當你要求更多的東西,又不給人時間,要馬兒好,又不給馬吃草,這種愚蠢的決策,真是令人無言...

問題七:
你寧可永遠後悔,也不願意試一試自己能否轉敗為勝?
解答:恐怕沒有人會說:「對,我就是這樣的孬種」吧。
然而,我們卻常常在不該打退堂鼓時拚命打退堂鼓,
為了恐懼失敗而不敢嘗試成功。
以關穎珊贏得 2000 年世界花式滑冰冠軍時的精彩表現為例:
她一心想贏得第一名,然而在最後一場比賽前,
她的總積分只排名第三位,在最後的自選曲項目上,
她選擇了突破,而不是少出錯。
在4分鐘的長曲中,結合了最高難度的三周跳,
並且還大膽地連跳了兩次。
她也可能會敗得很難看,但是她畢竟成功了。
她說:「因為我不想等到失敗,才後悔自己還有潛力沒發揮。」
一個中國偉人曾說;
勝利的希望和有利情況的恢復,往往產生於再堅持一下的努力之中。
—— 做人,何妨放手一搏。

嗯!關於這個答案,唉!我得嘆氣,我是老爸放手一搏的受害者,在這波股之前,520之前的榮景,多少人放手一搏,看死的多慘。我的想法是,未算勝,先慮敗,對風險要有所控管,為自己預留退場。放手一搏可以,但得知道,輸了會怎樣。最多輸多少,能不能少虧。作戰要有預備隊,作事都要有備案,作人留有後路,永遠要留一口糧。不過我最大的問題也在於不能突破自我,考慮的太多,放不開。既然沒什麼好失去的,何不放手一搏呢?不想失去了青春,才發現自己沒輕狂過!我要抓住青春的尾巴,即使我不再年輕!

留言

匿名表示…
這個結論~做人,何妨放手一搏!
其實並不是每個人都能夠有那麼大的勇氣
去放手一搏,我想我某部份也是屬於考慮很多放不開的人

你爸是做股票投資嗎?
Link寫道…
是的,他作股票投資,而且還買到一家下市的。我講了不下十次,叫他賣掉。最後還是放到他下市,誰叫我做股票績效輸他,講的話完全沒威信。

我的想法是放手一搏,必須含有後路。即使失敗,損失都還可接受。就像問題中的例子關穎珊就算最後跳失敗,最多的損失也就得不到獎,下次再挑戰就好了。就像絕對不要借錢投資,虧了還到欠一屁股債。放手一搏,隱含著突破舊有的思維,心底藏著不敢做的事,怕失敗的事,何不試著去做看看。只要損失是可接受就行了。譬如說我就不敢去搭訕,其實想想失敗也不會怎樣!哪天就去實驗看看!就像告白失敗,也不會怎樣,還可以做朋友啊!

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...