跳到主要內容

我喜歡妳很久了,請以結婚為前題和我交往吧!

Slim Diray 4/1
飲食:早餐/豬肉餡餅+優酪乳400g+蛋捲*3;午餐/美粒果。晚餐:燒肉飯便當+餅乾*4,8點前吃。
運動:boot camp1 
體重:-10.8公斤 (與前日同重) 71.2公斤
就寢時間:2:00
檢討:中午不知為啥很累,等不到Yenchi一起出去出,就累到趴著睡著了,下午餓了就喝了點美粒果,但是晚上回來又吃了妹妹免費的便當,結果就是不增不減,晚上吃正餐是瘦不了的。

前幾天,妹給的減肥食譜,分析後我覺得太誇張了,這樣吃熱量超少的,不瘦也難,但是會很餓,哪瘦的了,最後基礎代謝率又下降,才得不償失,七分飽才是王道。

「我喜歡妳很久了,請以結婚為前題和我交往吧!」,這是今天愚人節想的梗,我超想用這句騙人,可惜問我的只有男生,是怎樣啊!大家都很關心我跟誰告白了!完全沒有女生問,所以完全發揮不了作用,虧我還想到一個新台詞,這是我找到MSN的外掛,能讓特定人看到特殊的暱稱。其實我有想過面對面講,可是好像沒適合的人選,真的被誤會就慘了。

創意黏力學
人類歷史上每一位代數老師都要應付學生這兩個問題:為啥我需要知道這東西?我什麼時候才會用到他。

書中研討會提供的答案,我就不打了,很無聊。

比較誠實的老師或許會說,
你得學代數才能拿到高中文憑。
妳將來修的每一堂數學和科學課都需要代數知識。
要進好的大學,你數學成績必須要好。
即使你根本不想念大學,在代數理學到的推理技能對於你未來買房子、作預算等等都有所助益。

書中,最佳的回答:
這是一位高中代數老師丁.雪曼在網路上對其他老師討論此問題之回應:
學生問:我們什麼時候才會用到這個。我只說:永遠不會,你永遠不會用到它。
然後,我會提醒他們,人們練習舉重,不是為了哪一天有人把他們擊倒在地,然後在他們胸部放上啞鈴,妳要舉重,是為了能夠在玩美式足球時打倒防守線衛,是為了能拿起超市買回來的菜,或者是抱起你的孫兒孫女,而不會第二天肌肉痠痛,你要做數學習題是為了鍛練邏輯思考的能力,讓你將來可以當個優秀的律師、醫生、建築師、典獄長或家長。
數學就是思考的舉重訓練!對於大多數人來說,他是手段,而非目的

其實這段是在講,如何讓學生更受到激勵,更了解自己學習的目的。他所討論的手法,運用出人意外的開場白,較特別的舉例讓人印象深刻。不過最有感觸的的確是他的回答,現在高中所學的課程的確用到的不到1/10,英文或許用到最多吧,其他國文、數學、物理、化學,耗費大半青春苦讀的,現在一點都用不到,就像昨天看的太陽與海的教室第五集所討論的議題,但是我卻不認同他的觀點,其實每種科目到生活上都是有用的,只是我們教育的方向錯了,國文應該教的是溝通與表達,為什麼明明就是寫中文,有些人寫出來的就可以表達所想,可以說服別人,我就是做不到。數學也就不用講了,複利與投資報酬率這種生活應用隨處可見,可是有幾個人會算呢,更重要的邏輯思考與問題分析能力,更是數學、物理這些科目所該訓練的。化學中的常識只要看過蘇老師化學五四三就會知道化學常是隨處可見,而偽科學也可輕易欺騙你我這種化學常識貧乏的人。而我們可以從歷史,了解制度與人文議題,例如當年王安石變法失敗,與最近兩兆雙星產業政策失敗有何關連,最近看新宋這本小說之後,都會對最近政府失敗的政策做相關的聯想,歷史中也不缺乏利用國族與二分法的方法製造種族衝突而獲得政治利益的例子,如果我是高中歷史出題者,我會出一題申論題,從東漢今古文經之爭看高級外省人與愛台灣心態。從歷史的角度,來看現今社會法律制度與政治資源分贓特別有感受。很遺憾的,這我在高中都沒學到,大學也是,根本就是技職體系吧,想訓練你一技之長,但是去補個半年習或實際工作3個月或許就超過學四年吧!

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...