談談我覺得 threads 流量與追蹤的關係
「友善提示：這篇是短短文(不足千字)」 首先一個問題是：爆文 = 追蹤數？在 threads 發了一篇爆文也不代表可以轉換成追蹤數，我想可能有一點點反直覺，但其實這狀況蠻合理的。 一方面我想大家很難分辨你的爆文是不是搬運來的，又或是這個有趣的分享就像是一次性事件，我對你這篇貼文很喜歡但也僅此而已，沒有長期吸引的點。 追蹤意味者想知道你之後要發什麼，現在這個資訊大爆炸的時代，其實每個追蹤都意味著一個心智負擔，關注是要花時間的，而每個人時間都公平的只有 24 小時。 共鳴、爭議是流量關鍵最近看到 A 冷大在 IG 上受訪有提到：「把共鳴講出來，或是講有爭議的東西，流量就會高，但沒辦法轉換成粉絲，你得包成你的特色」。 跟我的想法差不多，只講一些有共鳴或是爭議的東西，大家會喜歡看沒錯，但就像煙火一樣短暫，流量稍縱即逝，下次又要重新開始。 可以在 threads 看到很多梗圖呀，或是白目發言短時間收穫一大波流量，但就那一波，我自己也有發過類似的，基本上完全不會增加任何追縱者。 想要增加追蹤數的核心是主題呀在 threads 上粉絲破萬的創作者我觀察下來都有挑定至少一個主題，也許是...
電腦科學裡的補數
眾所周知電腦可以說是由 0 個及 1 所組成，所以使用的是二進位的方式，而補數的意義在於電腦的二進位的世界中，會需要表示「正數」跟「負數」，補數算是其中一種方案。 兩種表示正負數的方案 符號-絕對值表示法 意思是最高位代表正負，剩下表示數值。 對人類來說最直覺，但是對電腦來說計算很麻煩。 例如 +5 (00000101) 加上 -5 (10000101)，直覺上應該等於 0，但是單純丟進加法器會得到 10001010，其實不是 0 代表還要額外處理。 另外 -0 的時候會很奇怪，電腦中 0 理論上只有一種表示法，但是絕對值表示法時會變成這樣： 正零 = 00000000 負零 = 10000000 不是很對勁，所以第二種方式會好一些。 補數表示法 透過補數把「減法轉換成加法」。 實際方式可以分成一的補數跟二的補數，接下來會細談差異。 一的補數定義是把所有二進位位元反轉，0 → 1，1 → 0。 以八位元表示做一個範圍： +5 = 00000101 -5 = 一的補數 = 11111010 但還是會有 +0 跟 -0 的問題，...
拳擊整理先備知識
YT 找免費教學影片研究，整理些我覺得的重點，剩下的到拳館練習。 拳擊站架 右撇子 → 左手左腳在前，右手右腳在後 移動 保持拳擊架勢 重心穩定，間距與肩同寬 要往哪一邊移動就是那一邊腳先動 都是用前腳掌去接觸地板 正式開始打拳之前要知道的 拳擊打擊的接觸面 → 食指和中指的指節 要密免打擊的 → 小指指節 基礎六種拳路 刺拳 編號 1 拳擊最重要的拳 試探對手以及測量你的攻擊距離 口訣：直線出去、直接回來 出拳的同時要搭配吐氣(限制氣息的吐氣) 想要打得更遠可以搭配前腳踩進去 Cross 右直拳 編號 2 重拳，也是刺拳後面可以去接續的重拳 錯誤：上半身前傾，要注意上半身在打擊得時候要是直立的 左勾拳 編號 3 打完之後拳頭會在臉部的中間位置 手臂與地板平行，手軸的夾角 90 度 拇指朝上的打法比較不會造成肩膀的不舒服 分三種距離：遠、中、近 距離的控制在於揮出去手肘的角度，角度越大越遠 右勾拳 編號 4 力量大、動作比較大，容易被對手判斷 運動臀部旋轉將重心帶到前腳 60% 後腳 40% 跟左...
為什麼我之前一段時間幾乎天天吃全家？
超商飲食日常：其實也沒那麼不健康以前我會覺得吃超商等於不健康，但後來仔細想想，在外食選擇裡，超商其實算是不錯的選擇。 這不僅僅是為了省錢，但其實說真的在台北的話超商真的蠻划算的，還會打折，變身成乞丐超人是台北打工人的必備生存技巧。 除了我很窮之外，也有一部分原因是超商的食物成分來源寫得很透明，今天我如果要精準的控制要吃多少大卡，多少蛋白質，其實吃超商很方便，另外要提到健康的話，超商也能吃的相對健康。 我的常見選擇我幾乎都是全家，個人覺得在超商裡面食物相對清淡，而且他離我家算比較近。 後來因為幾乎天天吃，所以就有下載全家 APP，直接用 APP 綁信用卡跟載具來支付，只要拿手機就能結帳很方便。 主餐（午餐、晚餐 ）常點的就是這幾款餐盒： 健身Ｇ肉餐盒 烤蛋白餐盒 美式雞丁餐盒 火烤胸排蔬滿盒 鹽蔥雙牛蔬滿盒 如果沒有特價，我通常會選 美式雞丁餐盒，因為裡面的焗烤蛋超好吃。缺點是香菇真的很鹹，我有考慮直接把香菇 pass 掉。 有特價選特價的，直接打七折，等於如果要 99 元，打完折就只要 70，省爆。 依照情況會再搭配無糖豆漿來配。 早餐日常如果早上到公司，我會在路...
電腦螢幕知識，解析度與像素
直接進重點最近買螢幕才發現很多眉角要注意，如果什麼都不懂的情況下去挑螢幕，很容易因為一些誤區而購入了不適合自己的螢幕，其中我覺得解析度與像素這邊是影響價格最大的部分，也是很多人不了解的地方。 常見的解析度有： HD (1280 x 720) FHD（1920×1080） QHD（2560×1440） 4K UHD（3840×2160） 後面掛號起來數字 x 數字的那個數字就是像素，而解析度指的就是有多少個像素，像素可以想像成是一小塊一小塊的，如果仔細看自己的螢幕，會發現螢幕就是由這一小塊一小塊的像素組成的，下面參考資源第一篇裡面有提到一個很好的解釋「這就好比用磁磚一塊塊拼出馬賽克圖案，而畫裡的每一塊磁磚就是一個像素」。 越多的像素畫面就會越清晰，參考下圖： 左邊：像素數少，邊緣鋸齒明顯 中間：像素數中等，畫面較平滑 右邊：像素密集，細節清晰、邊緣平滑 同樣的寬度裡面塞了越多像素就代表像素越小，越小畫面越精細。 拿 HD (1280 x 720) 來舉例， 代表的是橫排有 1280 個像素，直排有 720 個像素，這也是很常見 720P 的含義，HD 指的是 High...
AI 未來的交通規則？淺談 Massively Multitask Language Model Control Protocol（MCP）
目前大型語言模型 ( LLM ) 選擇非常多，不只是最為人所知的 ChatGPT，還有像是 Claude 、Gemini、Mistral、Meta AI 等等。 一般狀況下使用的情境都能用自然語言溝通就好，像是問一些知識，請 LLM 生一些文案，翻譯或是改寫東西，或是當成計算機都可以，模型會直接回覆，也只需要依靠模型本身知識就好了。 但如果今天的情境需要用到對接外部服務，比如說你想要看某一個網站內登入之後的資料，你直接貼那個網址給 LLM 看並請他幫忙整理，是沒有辦法可以直接做到的。 這時候比較好的做法就會利用到 MCP。 MCP 的核心概念MCP 全名是 Model Context Protocol。 是一個協議而不是工具或是 API gateway，在 2024 年 11 月時由 美國公司 Anthropic 所推出，一套定義了標準化方式讓 AI 可以對接不同工具。 Anthropic 這家公司就是現在鼎鼎大名的 Claude 開發商，現階段 OpenAI 及 Google DeepMind 都已經採用 MCP 來作為連結模型跟數據源的標準方式。 來源在此：https://e...
什麼是 RAG？一篇文章看懂 Retrieval-Augmented Generation
ChatGPT 現在幾乎已經融入了大家的日常生活，不只是工程師會使用它，各行各業或是學生也會使用到，這類的 LLM 看似變成了人類的夥伴，幫助人類解惑及做事，但真的可以完全信任、相信它嗎？ 我覺得不行，因為它有時候會唬爛。 AI 幻覺 (hallucination)首先要提到這個，所謂幻覺，就是 LLM 在不知道答案的情況下，仍然會產生看起來像是真的錯誤答案，但其實是合理的，因為語言模型的本質是「預測最可能的文字組合」，而不是「查證正確性」。 如果是你知道的東西，就是發現它正在一本正經的胡說八道，這時候可能就笑笑而過當作一個有趣的事情。 可怕的是你正在學一個知識，使用 ChatGPT 來學習一個你完全不懂的領域時，這種唬爛就非常可怕了，很大的機率你會被有條有理的胡扯給唬得一愣一愣的，個人經驗，遇到一些嚴肅的知識性問題，我有被 ChatGPT 憑空捏造的事實騙過，甚至會發現還會杜撰不存在的文獻。 那相對應處理這種情況就需要引入今天的主題 RAG（Retrieval-Augmented Generation） 技術。 RAG 的核心概念Retrieval-Augmented Gene...
用 Vercel 綁定自訂網域的實戰筆記
原本是架在免費的 Github Pages 來使用，搭配 Hexo 來完成我的 blog，但後來也想嘗試看看其他方式，最後選擇試試 Vercel。 當然也有很多其他類似的服務可以做選擇，比如說 Netlify、Cloudflare Pages、Render，都有各自的特點及客群。 使用過程中花最多時間的地方在於綁定自訂網域這塊，第一次買網域花了點時間研究，這篇會講述整個過程及需要注意的地方。 ㄧ、購買網域我選擇使用 Gandi.net 來購入網域。 一樣是選擇有超多，但因為我想要買網域後綴是 tw 的，所以有限縮不少選項，主要是建議挑選支援 DNS 管理的註冊商，會方便很多。 (我原本是打算買 godaddy ，但爬文風評很差就 pass 了，比較起來確實貴) 購買成功後進去到後台內部，裡面有個 DNS 紀錄，選擇新增紀錄選項， 會看到這樣的畫面： 這邊就是新增一筆 CNAME 紀錄。 但目前還沒辦法輸入 value，要等 Vercel 設定完。 關於 DNS Type 可以參考 chat 解說： 這裡做的事情就是因為是在 Gandi 買的網域，所以要到 Gandi 後台設定...
初學紀錄 - Greedy Methods
也可以叫做 Greedy Algorithm（貪婪演算法） 也是會到達 globally-optimal solutions 只看眼前的狀況，不看整體 可以用貪婪演算法解決的問題 - Job Sequencing with Deadlines 可以用貪婪演算法解決的問題 - Fractional Knapsack Problem 個人想要理解的部分： 基本的定義，什麼樣的概念可以叫做貪婪演算法 什麼地方或是什麼情況會使用到 這篇會整理我所理解及整理的資料。 基本定義核心是在每一步都只選擇當下最好的選擇，藉由選擇當下看起來最好的選擇，達到最後結果是全域最佳解。 這個圖當作範例： 如果想要找到 A → E 的最短路徑，從 A 出發會先選 1 到 C 因為比 2 小，到 C 後再選 2 到 D 因為比 5 小，最後路徑是 A→C→D→E，長度 4。 這就是所謂透過 Greedy 策略的方式做選擇，但要注意這個圖片的例子剛好最後是最佳解，但使用 Greedy 的不一定都會得到全域最佳解。 像是這個圖來說： 使用 Greedy 策略的話，A 遇到第一個選擇 1 比...
初學紀錄 - Tree
樹狀圖 學跟 Tree 有關的演算法之前要先認識 Graph 這結構 Graph 定義 abstract data type 包含 finite set (nodes 跟 points) 點跟點相連的線 edges Tree 定義 tree is a graph without a loop one and only one root 不能出現兩個 root 滿足上面兩點就是 tree 有用到 Tree 的應用： DOM(Document Object Model) 文件存放位置的資料(File System) Artificial Intelligence Tree Traversal有系統性地把在 Tree 裡面的 nodes 給找出來。 tree Traversal 最主要的兩種做法 Breadth-First Tree Traveral Depth-First Tree Traversal PreOrder InOrder PostOrder Breadth-First Tree Traveral(BFS)Breadt...