跳到主要內容

2009東京自由行day3

三鷹吉卜力→秋葉原→東京鐵塔

早上是先去宮崎俊吉卜力博物館,真的很不錯,裡面講解動畫原理的工具真的很有趣。而裡面賣得精品最便宜的大概是明信片吧,我自己用這明信片寫一張給自己!後來我提議走井之頭公園到吉祥寺站,但是走到一半,大家開始暴腿哀號了。可以坐公車還是別走吧!接下來是秋葉原吃午餐和逛街,但是大家似乎對電器都沒啥興趣,我也過了ACG的時代了(唉!老了)想說先去唐吉柯德買皮帶繫快掉下來的褲子,第二層大家就在深陷在藥妝百貨店裡了,頂樓是女僕餐廳和素人表演場地,終於在現場看到這種只在日劇才看的到素人表演真是有趣!唐吉柯德這間女樸餐廳素值也不錯,不過太多人了,所以沒排!後來又跑去秋葉原UNIQLO店買衣服,來秋葉原竟然是逛唐吉柯德和買衣服,真是奇怪。接著要去東京鐵塔,但是轉車的途中,我突然發現我相機不見了,嚇死我了!這裡特別感謝Eason跟我一起回去找相機,從我們當初集合的店家回去找起,原來是掉在我在UNIQLO下面的超商,當時買明信片結帳時,落下了。還好1萬台票沒有就此飛走!幸好是虛驚一場!

P1000880 P1000887

三鷹車站往吉卜力的步道約一公里,可以看到很多日本人在運動,或遛狗。

走在日本街道上
P1000902 P1000907
通往機器人的樓梯,夏天來由下往上看,風景應該會很好。 機器人

 

IMG_3721 9627_1250661870957_1361807329_709742_5594584_n
大熊貓+牛仔褲廣告Pose 我還蠻喜歡這張,很有隨性感
P1000919 P1000923
裡面是小孩子才可以玩的龍貓公車 Gina問旁邊的警衛可以摸嗎,警衛說可以,結果Gina就打了娃娃幾下,警衛很緊張的說,You can touch,but don't hit heavly.
P1000933 P1000942
井之頭公園,好像在走森林步道 吉祥寺看起來也很好逛,不過我們急著去秋葉原,有人開始在抱怨幹嘛用走的到車站。
IMG_3741 DSCF8264
像女僕問路,長的不怎麼樣,但是還是不給照。不知是誰說,就因為這樣才會被派出來發傳單XD。 這位素質也是….
DSCF8267 DSCF8276
爆乳阿嬤 當天中午用餐,九州香格里拉,都三點了,還一堆人排隊。
   
IMG_3747 IMG_3748
九州香格里拉,其實還不錯,看起來很油,吃起來還好 唐吉軻德上的情趣用品店,非常明顯的繩縛女僕˙
P1000943 P1000948

唐吉軻德上的情趣用品店,Gina口裡雖講著很害羞,明明就很High,這不就是標準的口嫌體正直(誤)

女僕裝。大家想看Gina穿吧!請自行想像.
IMG_3750 IMG_3752
這兩個美少女,是在唐吉軻德樓上遇到的自行出專輯的二人組。一上到頂樓,就看到右邊那位在發傳單,左邊黑髮在舞台上唱,現場感受正宗Odaku的氣氛,很妙,而旁邊就是女僕店,很多人在排隊。其實我還蠻想等的,想進去坐看看。從外面看,女僕的素質頗優說。 這是在唐吉軻德大樓旁女僕店地圖,詳盡提供秋葉原所有女僕店的位置。有花名冊就更好了。
P1000950 P1000955
Eason終於穿外套了,其實很冷的說。 日本加油站加油槍是懸空的。

P1000979 P1000995
東京鐵塔上的景觀導覽,他可以秀這一面風景,24小時從早的晚的影片,非常漂亮,按下每各建築物還有跟東京鐵塔的距離與高度。 東京鐵塔50周年
IMG_3779 9627_1250665151039_1361807329_709770_322228_n
從塔上往下看川流不止的車流 投影下的大合照

P1010014 IMG_3790
仰望東京鐵塔。 東京鐵塔,從觀景台可以直接看到地面的玻璃。
9627_1250665231041_1361807329_709772_2251357_n IMG_3825
好認真哦!!! 就為了拍下一張的圖 唯一照正妹成功的一張

IMG_3827 IMG_3830
那天逛秋葉原買了不少藥妝和衣服戰利品也不少,嗯!秋葉原好相簿應該買這些吧XD。 Morris在車上遇到兄弟裝

DSCF8433 DSCF8436
晚餐是到六本木吃松屋,松屋的食券販賣機 Gina的泡菜蓋飯,還不錯吃。

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...