跳到主要內容

什麼是愛情

Slim Diray 5/11 飲食:早餐/優酪乳500g+蛋糕*2;午餐/大陽春+咖啡500g。晚餐:海鮮湯+麵包+豆漿500g+青草茶400g+綠茶300g,10點30前吃。
運動:Boot camp 1  
體重:-11.3公斤 (與前日同重) 70.7公斤
就寢時間:2:00
檢討:大概只要每餐都吃,就減不下來,至少得餓一餐,明天晚餐餓看看!

今天又聽到一個很好的比價效應的例子,Yenchi說他辦GPhone時沒有加3G方案,但後來覺得有必要使用3G,想加3G月租方案,但是他看到如果他當初辦的時候有勾選加入3G月租方案,手機費用會相對便宜。現在因為沒省到手機費,所以就不爽加入3G方案。如果一開始就考慮到3G方案,那麼電信業者和Yenchi都是雙贏的局面,Yenchi可以使用3G手機折抵也比較多,電信業者也多收3G的使用費。所以剛開始辦的時候的服務人員,多說一聲要不要考慮3G方案是多麼的重要啊!

人的價值觀充滿著比較,前一週一直在找小筆電的資訊,網路上價格比完不夠,還跑去建國商場問價錢,最後又跑到拍賣去看,發現網路拍賣的價格差好多!那時就一點都不想買第一手的了,想說二手也沒差多少,我的筆電也買二手,也用了快六年了,所以就想買便宜的二手,後來差點被騙,但是目光還是離不開賣場,一直想說賣場會比較便宜,因為那時已經不能接受一般店家賣的價位了。想說當初,我當初建國商場詢價完,就想去PCHome下定了,後來一念之間去逛拍賣,才發現價格差那麼多。雖然最後解決方案是辦學生方案,跟之前考慮又完全不一樣。當看過更便宜的價格,就再也不能接受當初可以接受的價位了,即時當初考慮再三,到了可以出手的地步。

這又讓我想起了,之前看到一篇文章,

柏拉圖有一天問老師蘇格拉底什麼是愛情?
蘇格拉底叫他到麥田走一次,要不回頭地走,在途中要摘一棵最大最好的麥穗,但只可以摘一次,柏拉圖覺得很容易,充滿信心地出去。 誰知過了半天他仍沒有回去 。最後,他垂頭喪氣出現在老師跟前,訴說空手而回的原因: 「很難得看見一株看似不錯的,卻不知是不是最好,不得已,因為只可以摘一次,只好放棄 ,再看看有沒有更好的,到發現已經走到盡頭時,才發覺手上一棵麥穗也沒有。」
這時,蘇格拉底告訴他:「那就是愛情---愛情是一種理想,而且很容易錯過。」

當尋找愛情時,或許都想找到更好的那位,但到最後才發現,當初拋棄的反而是最好的,但是能吃回頭草嗎?不是每個人都能接受的啊!所以我不想隨便選一株,我不想隨意的看待任何一份感情,但是不摘取他,似乎又不知道是不是真的適合?兩難啊!

柏拉圖有一天問老師蘇格拉底什麼是婚姻?
蘇格拉底叫他到杉樹林走一次,要不回頭地走在途中要取一棵最好、最適合用來當聖誕樹用的樹材,但只可以取一次。 柏拉圖有了上回的教訓,充滿信心地出去。 半天之後,他一身疲憊地拖了一棵看起來直挺、翠綠,卻有點稀疏的杉樹。 蘇格拉底問他:「這就是最好的樹材嗎?」 柏拉圖回答老師: 「因為只可以取一棵,好不容易看見一棵看似不錯的 又發現時間、體力已經快不夠用了,也不管是不是最好的,所以就拿回來了。」
這時,蘇格拉底告訴他: 「那就是婚姻---婚姻是一種理智,是分析判斷,綜合平衡的結果。

我不知道婚姻是不是真的是這樣,是當時間到了,我一定要選擇一株嗎?我從不給自己設限,不一定要在什麼時候之前結婚,對於婚姻我覺得並不一定是人生必經之路,只是一條選項罷了!但是搞出人命,可就不得不負責了!

留言

Link寫道…
剩下的兩段對話

柏拉圖有一天問老師蘇格拉底什麼是外遇?
蘇格拉底還是叫他到樹林走一次,可以來回走,在途中要取一支最好看的花,柏拉圖又充滿信心地出去。 兩個小時之後,他精神抖擻地帶回了一支色彩豔麗但稍稍枯萎的花。 蘇格拉底問他:「這就是最好的花嗎?」柏拉圖回答老師: 「我找了兩小時,發覺這是最盛開最美麗的花,但我採下帶回來的路上,它就逐漸枯萎下來。」
這時,蘇格拉底告訴他: 「那就是外遇---外遇是誘惑的。 它也猶如一道閃電,雖照亮,但稍縱即逝;而且,追不上,留不住。」

柏拉圖有一天問老師蘇格拉底什麼是生活?
蘇格拉底還是叫他到樹林走一次,可以來回走,在途中要取一支最好看的花。 柏拉圖有了以前的教訓,又充滿信心地出去。 過了三天三夜,他也沒有回來。 蘇格拉底只好走進樹林裡找他,最後發現柏拉圖已在樹林裡露營紮寨。 蘇格拉底問他:「你找著最好看的花??」 柏拉圖指著邊上的一朵花說:「這就是最好看的花。」 蘇格拉底問:「為什麼不把它帶出去呢?」 柏拉圖回答老師: 「我如果把它摘下來,它馬上就枯萎。即使我不摘它,它也遲早會枯。 所以我就在它還盛開的時候,住在它邊上,等它凋謝的時候,再找下一朵。 這已經是我找著的第二朵最好看的花。」
這時,蘇格拉底告訴他: 「你已經懂得生活的真諦 了--- 生活是追隨與欣賞生命中的每一次美麗。」

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...