跳到主要內容

2009東京自由行day4

東京都廳→新宿和幸豬排→新宿西口UNIQLO旗艦店→明治神宮→表參道竹下通→六本木Hill

這天是爆腿的一天,而且因為UNIQLO逛得有點久,到明治神宮時,太晚了,明治神功沒逛多久就被趕了。竹下通和表餐道的衣服其實我覺得還好,只買的兩件特價品。這天預定排的餐廳,都沒有人去查地址,最後吃得都不是當初預定的餐廳。不過還不錯吃就是了。

IMG_3862 IMG_3836
東京都廳,可以免費看風景 傳說天氣好可以看到富士山,那天天氣已經超好了,只是富士山那裏還是有雲。
IMG_3839 IMG_3841
笑真,Emma非常傳神的日本名。 還有Jo….
IMG_3886  DSCF8448
中餐和幸豬排我點的綜合炸豬排,再跟所有人交換幾乎所有的都吃到了。還不錯吃。 在和幸豬排Gina跟我炫耀他寫得很豐富的明信片,然後回去就找不到了!不過據說,有好心人事幫他寄回來了!真好!省了不少錢!
 DSCF8485 Tokyo_04_40
UNIQLO新宿西口旗艦店,共五層,超好逛,大家在這裡逛好久,買了5000台票,現在還覺得買太少。 明治神宮前的大合照
Tokyo_04_47 IMG_3919
這張很帥,Morris有幫我修過嗎?? 喝吧!喝吧!背景是每年獻給天皇的酒吧!
IMG_3934 Tokyo_04_79
Joyce幫忙照相,旁邊那個外籍女生還不錯,Joyce一直照不好,很固執的要照到好為止。 祈願要先洗手 漱口
IMG_3935  IMG_3942
用勺子漱口,錯誤的用法,虧他還是日本人。 去的那天剛好遇到明治神宮晚上有表演
IMG_3943  Tokyo_04_111
我也很想寫一個祈願,可惜太晚了,開始在趕人了,祈願卡很又意思,剛好看到有人寫告白成功。沒時間一個一個看。 有人知道這兩個在扮誰嗎?
Tokyo_04_120 IMG_3958
天丼,炸天婦羅蓋飯。基本上還不錯,不過烏龍麵和配菜就soso 竹下通的烏龍麵,原本規劃要去吃的。但是沒查地址。
IMG_3959  IMG_3962
竹下通,感覺很像西門町和新崛江,途中還被黑人騙進去他們店,看他們批的美國貨,不好看又超貴一件T shirt 14000。還有一個懂國語的黑人,跟Eason拉哩,還說可以算我們便宜一點,打一折,太誇張了。不過我是來買日本牌子的,對米國貨沒啥興趣。在這裡完全沒找到喜歡價位的衣服。 藥妝店看到的,戴了會瘦臉喔
IMG_3963 IMG_3974
表參道也有開九州香格里拉,七點多時也是一堆人。 原宿車站快10點還是很多人
 IMG_4022 Tokyo_04_132
六本木Hill,很多情侶貼在這看夜景,感覺頗浪漫 感覺頗有feel
 Tokyo_04_127 IMG_4031
可以看到東京鐵塔,晚上營業到1點半的樣子,在這裡可以看到東京鐵塔熄燈(12點熄燈)。據說情侶一起看東京鐵塔熄燈,可以在一起長長久久。 第二天報腿,一回去就貼休足時間。
   
   
   
   

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...