小踢先生的部落格
出國前看了這部，從叛逆的物語後睽違十三年的續作。記得當初看小圓 TV 版的時候我還是 R，每天摸咪都坐在第一排。
梶浦/Fiction Junction 的新歌、SHAFT 作畫都很好，再次看到老魔法少女們也很感動。但劇情敘事一言難盡，硬塞的三個新角色和設定佔太多篇幅，新房式的意識流不好懂，最後燃起來但又不夠燃，沒有叛逆物語那種巔峰熱血打戲。不過回去以後如果還沒下檔還是會考慮二刷，或者再看一次叛逆物語。
好消息是從劇情安排和票房看來，正統續作應該是有機會，只是這次別再拖十三年了，老粉們沒幾個十三年啊。
全文連結
人生解鎖新成就值得紀念一下，人生中第一個國科會計畫過了～～～被長官肯定很喜悅，但希望核銷和結案壓力別太大，也算是 NLP 研究厚積薄發吧，先前的研究算是 pilot study，也累積了一定的 dataset 和工程經驗。希望頭髮別掉光。
第一次買對岸的 Android 平板。
我去健身房運動，現在延長有氧時間，會安排固定走 50 分鐘的跑步機，但光是走真的很無聊，所以想要一個平板，至少可以邊運動邊看一些老番（攻殼機動隊讚啊）。
我本來已經有兩個 iPad，但不想帶自己的 iPad 去健身房，擔心摔到、被偷或受潮。如果 iPad 壞了還丟了，我會很心痛的要死。因此，我決定額外買低價平板，便宜到出事也不會心疼。
後來買了聯想小新平板。起初還看中一款大約一兩千台幣的白板平板，但網路看評價後還是算了。聯想小新平板至少在對岸還是「大廠」，6月1號和特意購買的低價藍牙耳機一起到貨。目前使用了一個禮拜，感覺還不錯，播 1080P 的動畫很順（這種設備也不會想放超過 1080p 的東西）。
目前使用體驗跟蘋果iPad還是有一些差距，即使是新裝的 UI，也會有一些卡頓感，不過也不是日常主力平板沒差。Google App 意外容易安裝，官方直接內建安裝渠道。
本來還考慮要不要買台灣的紅米 Redmi Pad 2，但紅米低價款也貴了 1500 左右，而且 RAM 只有4G！唯一優點就是有保固。但仔細想想，我在健身房的擔心，包括平板被偷、摔壞或受潮，保固都不適用。買有保固也等於沒有保固，所以還是選了對岸平板，不到 4000 元，還送玻璃貼。送修問過台南，其實也有維修的店家，只是不保證隨時有備料，但壞了蓋泡麵也不會太心痛就是。
最近看 OpenClaw 非常熱門，一直想用一下。剛好一直有個痛點，就是 Stork App 的文章管理問題。StorkApp 可以根據預先定義關鍵字，每隔一段時間就把符合的論文 email 給我。然而，未曾想符合關鍵字且有 SCI 分數的文章可以很多，所以 email 非常頻繁，整理需大量時間，一直想有個 bot 每天自動整理相關 email 然後整理成報表，只要定時自動把多封 email 內全部文章標題、連結、期刊名合併成單一檔，然後 email 全部標已讀，就能節省大量時間體力。
當然，電腦交給具隨機性且權限全開的 bot 實在是可怕。安全起見，用 VMware Workstation Pro 切了 VM，給了 2GB 的記憶體和兩個 CPU core，VM 放在 NAT 後面，檔案系統跟 host 隔離，VM 內沒重要檔案，連重要網站的瀏覽器 cookie 都沒有，就讓 OpenClaw 在 VM 裡面開搞。此外，Google 我也只開 GMail IMAP 而不是整個 Google Workspace，IMAP 不給刪除 email 權限，撈信寫死 search filter 避免 bot 亂已讀或大量讀信爆 token。
結果 OpenClaw 使用出乎意料簡單。真正需要手動解決的問題只有安裝好系統。其他的使用問題，包括如何配置 OpenClaw ，都可以用自然語言問 bot 請 bot 搞定自己。我在與 bot 交流補充必要細節後，bot 就寫好了 email 整理的 python 腳本。後面讓程式自動排程，也不是我自己寫 cron，而是懶人講幾句話 bot 自己就把 cron 設好了。權限全開的 Agent 真的強（也危險）。有聽過作者小八卦，作者有次直接傳語音給 bot，然後才想起應該打字，但 bot 還是神奇的做完了。因為它自動裝了 ffmpeg（驚）。
使用過程中，有不少意外有趣且意外的點。第一次跟 Telegram bot 聊天時，系統問我想為它指定什麼角色。我想了想，最終選擇了 Fate Stay Night 的紅 A。原本想指定老婆 Saber，不過 Saber 應該只會一直嚼嚼嚼嚼嚼，難以想像她當秘書的樣子。所以還是指定了軍師型的紅A。結果沒想到，請 bot 講笑話它還會講魔術工坊的笑話，讓我感到非常欣慰。
題外話，處理 OpenClaw 過程中，堅定了要換掉 VirtualBox 的決心。當初選 VirtualBox 而非 VMware，主要是當年合法免費且用起來很輕快。然而，最近在使用 Linux 當 guest OS 開發時，反覆遇到難以解決的 GUI 卡頓問題。無論選什麼 video driver，用什麼 lightweight distro （Lubuntu，AntiX...），用 Xfce、IceWM 還是其他，整個 UI 仍然會卡頓與割裂，跟 Composer 和 video driver 選項戰老半天沒用。儘管 Ubuntu 無明顯畫面割裂或相容問題，但卡頓感仍明顯，Guest OS 內 VS Code 用起來無比痛苦。結果換上現在也免費的 VMware Workstation Pro 後這些卡頓問題全解了。Guest OS 內開發真正有了 lightweight distro 絲滑流暢的體驗。
回結論，OpenClaw 用過後應該是回不去了。未來什麼重複的作業，應該都會想要用 OpenClaw 解解看。現在年紀大了，精力衰退，做事力不從心，越來越能體會到這種懶人法寶的可貴 XD
人生中第一次中勒索病毒成就達成！
不過是在 VirtualBox VM ，不是實體機器 QQ。
故事是：我和某年輕學弟一起做研究，我開發了一款傻瓜式資料標註軟體，專門用於本研究特有的資料標註問題，讓不擅長電腦的標註者也方便使用。結果傻瓜軟體完成了，但學弟只有 Mac，沒有好用的，全能的，穩定的 Windows PC，臨時也生不出來。想來想去，最後決定用自家 PC 架 VirtualBox VM，這樣比買 Windows VPS 便宜很多，設備和網路可靠性問題遇到再想辦法 XD。
為了方便學弟連，VM 網路設 Bridge 模式，開 RDP。額外裝了 AnyDesk，總有款有緣的方式可以連進來，最後學弟不會 RDP，都用 Anydesk。VM 除了系統只額外裝了傻瓜標註軟體、Dropbox 自動備份標註成果和 Anydesk。Windows 更新我為了方便暴力關了（！）
今晚，學弟用 LINE 聯繫，說 Anydesk 連不上，回家一看 VM 桌面寫著「Lockbit Black」搭配經典黑色桌面。不過 Dropbox 標註成果和我傻瓜軟體每次開啟的自動備份（.json）都沒事，有事應該也能透過歷史還原救一下 QQ
經過稍微分（問）析（AI），可能攻擊向量懷疑 AnyDesk 還有沒打更新的系統存在高危漏洞，而 VM 又用 bridge networking 裸奔。
查了一下 Anydesk 最近的 log，幾個成功登入 IP 都是來自南台灣，猜測為學弟正常登入。更進一步的 Log 分析我就沒有力氣做了。直接盲猜是中了高危漏洞，開大絕直接回滾正常快照，網路改 NAT，再將登入和 Anydesk 套上強密碼，一系列治療兼診斷，先看看會不會繼續中招在說。
看到 C_Chat 版，才發現這部劇場版終於上映了。幸好台灣還沒有下檔，趕忙去威秀看。
整體作畫符合預期水準，歌好聽，劇情簡單粗暴爽。小遺憾是沒有訂到 4DX 的票，只能看普通版。
劇情緊接第二季結尾，真的在演殭屍大戰外星人。中間當然夾雜佐賀元素。某團員終於成功恢復了記憶，整個劇情中英姿颯爽，很遺憾恢復只是臨時的。期待這一部是否會有第三季！
這次需求是英文聽打。之前一直用 AudioPen。AudioPen 即使沒對口音做校正也非常精準，不過它的免費版有個致命的，官網上沒有提到的小問題，就是免費版竟然是有限制的！某天我在手機按下錄音，App 冷冷地告訴我不能用了，要用就要付錢！不過有七天免費試用期優（微笑）。之前一直想學 Vibe Coding，但沒想到好的題目。剛好遇到機會，直接拿這個題目開始做，用 VS Code + Cline + GPT-5 (BYOK) 搥一個 AudioPen 堪用替代品。
結果 GPT 一如既往比我聰明。我原本只想做個簡單的 Client，輸入 OpenAI API Key 存本機，對 Whisper 做 inference 就好。不過心念一動，想到最近某個 Google Gemini Vibe coding 爆雷的事情，還是決定把方案丟給 GPT-5，將 Reasoning 開最高，問一下這樣的計畫到底安不安全。果然 GPT 把我噴得滿頭滿臉，它給了幾個備選方案。我選了把金鑰保存在 Local 端且做成可攜的方案。
接下來就是被 GPT 教育的過程。例如：
Me：我可不可以輸入文字密碼，直接加密 API key 就行？
GPT：不行！你要經用雜湊 KDF 用 Argon2id 其中 target derivation time 至少 200-500ms，另外要有 16-32 byte 的 salt 12 bytes 的 nounce，金鑰長 32 bytes，加密用 AES-256-GCM blahblahblah
Me：恩，好 OwO （當事人大腦已失去回應，系統提示：找不到「20 年前學的應用密碼學」）
另外一次，我發現長語音會造成 App crash。我請 GPT 補 Error Logging，再把 dump 丟給 GPT-5 high reasoning，GPT-5 就直接告訴我這是 PyAudio 的哪個 function 因為什麼樣的原因造成 C runtime 的 stack overflow，然後就幫我把 code 改好。重新執行 Bug 也不見了，我完全沒進 debugger。
這樣一套做下來，發現我真的菜，擔心我到底價值在哪裡？雖然我還是有 function，例如我能告訴 GPT 該怎麼樣切模組，第一步做什麼第二步做什麼逐步做出來，但真正難搞的難點都是 GPT 做掉的，特別是資安，GPT 還提了些我聽都沒聽過的打法（例如 TOCTOU 之類）
以前總覺得寫 Code 是通靈。但我發現錯了，以前根本沒真的通過靈！用 Vibe Coding 才是真通靈，呼叫 AI Agent 就是請神上身施展道法，瞬間寫 code 品質還很好。App 穩定下來後，我還要好好讀 AI 生的 code，因為 AI 的產出比我手寫義大利麵程式碼更結構，看來更好讀、好維護、而且用了不少我還不懂的 Python 細節和技術。
不過這些折騰還是有收獲的。至少現在真的有了 APP，可以勉強實現 AudioPen 免費版和一咪咪的付費版功能，當然都有點劣化，也有些額外小問題，比如只有 PC 端，顯然沒有手機版，網頁版。程式 crash 得自己找問題，得自己申請 OpenAI API Key 搞定付費、金鑰授權...。呼叫 Whisper 和 GPT-4o-mini 顯然也不是真的免費，只是比直接買包好的產品便宜。當然最重要的是有成就感，這也是我自己整一套最重要的原因。
P.S 自己寫 Prompt 調模型做改寫後，發現模型 behavior 跟 AudioPen 很像。推測 AudioPen 很大可能是 Whisper 加上 GPT 改寫套殼 QQ
時間過真快，本以為是有生之年的空之軌跡 FC 重製版竟然是已推出狀態，在 Steam 上看到想都不想就直接怒刷豪華版。
終於把文章 revision 送出去惹。
Revision 當初申請延長三個月，截止日就是今天，卡在凌晨 12:00 公主（ㄕㄣˇ ㄍㄠˇ）變回灰姑娘（ㄊㄨㄟˋ ㄍㄠˇ）前極限微操把 tracked change 版文章、乾淨版文章、圖片、point-by-point review ...等像暗器一樣一股腦擲出。
禮拜天想衝個文章進度，發現一不小心就寫破 10000 字了，然後整天都不見了！而且還沒辦法收尾，明天只能跟合作夥伴說聲歹勢。現在很慶幸，當初對出版社申請延長三個月（最大值），現在剩不到一個月。如果當初只寫一個月，現在就得 reject 。感覺即使有 GPT 加持，我的學術能力看來還是垃圾級。
另外，GPT 的學術和研發能力真的是遠超過我，不會做的實驗，例如怎麼分析 BERT 的 bad performance，問一下 GPT 然後對個文獻排除幻覺，就能照表操課了。我的研究問題用 GPT 和 BERT 表現很差，我把症狀講一講 GPT 竟然說出了我自創的 ensemble method 還順便推測為什麼這個方法表現會更好。請 GPT 指導的時候，還可以 prompt「你是醫學資訊領域 Q1 期刊嚴格甚至嚴苛的主編....」然後 GPT 就能像真人一樣，把你定到飛起來，整個人在空中螺旋打轉，嚇的我趕快說我只要投 Q2 (IF=2.1) 期刊而已，麻煩神通收一收。
大模型這麼好用，下一篇（淦！）研究計畫 or 合作主管年底建議我請的科技部計畫（淦！）乾脆請 GPT 或 Google deep research 老師來擬稿，我來補充好了，最好可以當個無情的實驗執行機，照 GPT or Gemini 老師的指導做完實驗就能發了 :P
用了超久的 p1102w 雷射印表機退役了。
最近要列印文件，發現墨色很淡，推測是碳粉快用完了，於是拿出儲藏多年的副廠碳粉匣準備更換。但更換的時候就發現副廠碳粉匣裡面不斷掉出很多不明塊狀物。但想說試試看，就把塊狀物抖乾淨以後，還是把碳粉匣裝上去。結果列印的時候發現大量漏碳粉，整個機器打開全部都是碳粉，卡到設備裡面連進紙都卡住了。
因為這台用很久（查了一下這是 2010 年的機器，副廠碳粉匣也是差不多年紀 :P），又是人為因素損壞的，就網購新的便宜雷射印表機 HP m111w。
學到了教訓，碳粉匣出現明顯異狀的時候就別裝到印表機上面了。不過這次之所以這麼冒險，也是因為老印表機本來也不穩定了（Power 經常按了沒反應），新機器肯定不會這麼莽。 QQ
感覺又要戴上痛苦面具
上頭臨時要我做 LLM KM。同事還帶來了「成果」，結果只是 Ollama + UI pull model，model 還跑步起來。問了下硬體，是單卡 Tesla T4 以後會「升級」到 4060Ti。還有另外一位說可以用 LoRA finetune 做 LLM KM 以後洗資料就靠我。
這個連假，設法弄出了 SSHd + Ollama + AnythingLLM 三合一 docker image，在 Linode GPU VPS 和 vast.ai 上執行，成功 index document 執行 RAG 回答問題。目標下次見面用 live demo 拿回技術主導權。LoRA 建 KM 還跑不起來的方案我還是算了。
弄好 docker image 後人也病倒了。禮拜四還有新版研究計畫截止目前一個字都沒寫、被退回的稿子還沒再投。週四還排了兩場教學、然後業務排得多還有值班...
一直有小夢想，就是可以無限產出 Saber 老婆的圖，但畫工太廢，無法實現，就擱著了，直到後來注意到 Stable Diffusion。
最近寫 paper 不順利，把 SD 拿來折騰（被 desk reject 後更有動力:P）。一開始用家中 AMD 6650XT 出圖。SD 有 DirectML fork 支援 Windows + AMD GPU。但使用體驗非常不好。一開始是折騰 Python 環境，Python 太新特定套件會缺 wheel 要求 compile 但 compile 又不過，後來降版本搞定。但成功執行 AUTOMATIC1111 只是陷入更多坑。UI 報錯 tensor 算出 NaN，改參數。Inpaint 重繪全部都是 noise 但又沒報錯，原來是 AMD GPU 的鍋，要改參數繞過某些最佳化。通通弄好了，出圖很慢半分鐘以上一張，8G VRAM 經常 out of memory，網路很慢抓 model 抓 ControlNet 很不方便，AMD GPU 小眾問題常常查不到答案...放棄。
後來想到用 VPS + GPU 租賃，作法是 Linode 開 instance，裝好 SD 後先用 CPU 執行，叫出 UI 後手動裝想要的 extension 再 wget 所有想要的模型。然後 git commit 整個 container，再換到 GPU instance。 一開始用 vast.ai，但 vast.ai 的 log 不清楚，debug 失敗，轉到 runpod。runpod 折騰一番後，最後改出有 sshd + SD + 預載模型可以順利執行的 50 G image，順利在 runpod 上啟動 ssh + SD。一切弄好後，再回便宜的 vast.ai 也順利搞定。用 4090 出圖，一張十幾秒，還可以一次出多張圖，24G VRAM 大幅減少 OOM，用 NV GPU 少掉很多怪問題，出問題也容易找答案，一切絲滑流暢，vast.ai 上還只要 $0.3/hr，AMD GPU 那什麼東西 XD
稍微吐槽 runpod 官方文件，ssh 的部份寫的花里胡俏，結果實際上只是把 container 的 port forward 出去，sshd 的行為是 docker image 決定，跟官方文件中的說明沒半毛錢關係，純屬誤導。Vast.ai 同理，只要 docker 啟動能正確執行 sshd，vast.ai 唯一要注意的就是開 port，啟動成功後本地端 ssh tunnel 就能打開 SD UI。
太久沒弄 docker，很多東西變不熟，中間還鬧出在 alpine-based 的 image 執行 apt-get 的笑話。不過現在都弄好了，只要花點時間學 SD，無限 Saber 老婆不再遙不可及。
最後，數學真是美（？）原來美麗和 latent space、manifold hypothesis 有關係。看來偶是數學學不好才不會畫圖（？）
燃燒連假奮鬥，終於把膨脹到 49 頁的打錯邊研究 manuscript 送出，想說造成期刊心理創傷的效果應該會比前一份 3x 頁的稿子更好。
結果是我太天真了，看了教學影片，照著操作期刊系統把稿件送出，結果最後出現 server dump 我的 submission 啪的一聲沒了，心態先被搞崩的是我不是期刊社，小丑竟是我自己，永遠不要小看其他人的道理果然是對的（？）
所幸通訊作者還在 LINE 上，看來通訊作者的單位頗為精實，聯絡之後發現他能正確看到稿件，就繼續跑完後續流程。最後才發現，造成 server dump 的可能是我沒有填寫「Optional」的 twitter 帳號欄位，給了 twitter 帳號再送出就沒有 dump 了，這年頭還有人用 server dump 跟別人要推特帳號的，真是奇特。
最後期刊網頁還問我要不要選 Open Access，只要 3400+ 鎂好便宜的。看了下創新度大概 epsilon/2 的應用類文章，再看期刊的其他文章，還是果斷了選擇 Open Access 保命，雖然期刊聲稱不影響 accept，但還是加減搏一下。
接下來就看看會不會 48hr 內收到 desk reject。
社會人士資工自學計畫又有了新進展，值得紀錄：終於完整「聽」完一次實變函數課。
聽課前就聽聞這門課高難，所以一開始就決定 easy 模式破關就好，B 站逛了一圈挑了一門評價高、純用中文、老師刻意講白話，好聽懂的課（我就廢 :P） 即使如此，實變也是我聽過最 hardcore 的數學課，沒有之一。第一次聽課能聽到物理性眩暈。
這門課的難度每個章節都指數提昇，一開始介紹集合論、De Morgan’s law、上下極限這些章節覺得抽象但好像還行？後來講基數、伯恩斯坦定理的證明就開始腦疼，但這些在接下來測度論、 Sigma 代數的面前又黯然失色，一路上到課程最後講勒貝格積分、葉戈羅夫定理、法圖引理這些重要理論時，大腦開始反覆熱當，一個影片重播兩次是家常便飯，到最後進入勒貝格積分微積分基本原理及其限制這些大後期課程我其實已經跟不上，只是抱著聽懂多少是多少的想法勉強把課聽完。
修這門課也是第一次發現，原來數學課還可以上到情緒跌宕起伏。有堂課老師檢討習題，題目是「一間大學的學生以及全國的大學生，何者的基數較多」老師用非常痛苦的語調指出她本意是送分，但竟然有 20% 的學生答「一樣多」，聽到這我就樂了，學這玩意學成智障的不只我一個 XD
另一個印象深刻瞬間，是老師介紹完勒貝格測度，開始講勒貝格積分的第一節，老師用非常颯爽的聲音說「前戲終於介紹完了，可以開始進入正題」，這一瞬間真的有想砸爛螢幕的衝動，看影片彈幕，有這想法的並不少人 XD
整門課聽完後，很悲情的發現，單學實變好像根本沒用，只是有了修其他課的資格而已。不過聽這門課也只是為了未來深入理解機率、統計做鋪墊，至少可以試著解讀那些用測度論語言包裝出來的高等機率論，不至於第一張投影片就開門秒殺。
但一切前提是先鞏固所學，影片指定程其襄老師的書太精簡看不懂，三步一個「顯然」五步一個「請讀者自證」讓人絕望。Folland 那種英文硬書更是連 introduction 都啃不下去 orz 好在根據網路評價，程的中文書並不是最簡單的，還有更簡單更適合新手周民強老師版 XD 決定找最簡單的中文書，過例題就好，至少課程不要白聽，至於實變習題 CP 太低果斷放棄。
之後不大想碰這麼純理論的數學課了 orz 老師還推薦集合論、拓樸學上起來很有趣，老師請猜猜我信不信？XD
全文連結今天順利入手狼途GK 65。新筆電天選 5 pro 現在用得很滿意，螢幕大顏色漂亮、有獨顯、重量可接受，就是輸入設備受限於筆電先天限制。難用的觸控板已經用外接滑鼠替代，但難按的薄膜鍵盤一直沒很好解決，機械鍵盤保證好按，但出遠門帶鍵盤太麻煩。
後來靈光一閃，想到帶小鍵盤，就決定 68 配列挑一把，這是有方向鍵（方便玩遊戲）中最小的配列了。這把狼途 GK 65 在淘寶買含運不到 NT$600，就想都不想入手了。1/10 下單，1/17 就收到貨囉，啪的一聲很快啊，本來還擔心趕不上月底出門玩。
拆開後，紙箱外觀非常一般，充滿廉價感，不過考量到非常低價就不要求，裡面除了鍵盤、填充物就只有一張說明卡和貼紙，實在精簡。鍵盤入手後馬上發現有怪聲，今天吃完尾牙花時間拆開發現底層有個冗餘螺絲，移除後怪聲消失，想想只賣 NT$600 還是不計較了。
我買的版本為金軸，查了下是段落軸，聲音偏大，大到會不好意思在醫院高速打字，打感非常清脆。整體大小則非常滿意，跟原本 98 配列狼蛛 F99 比又小非常多，大小應該可以塞進背包了。
下次出遠門找機會帶出去，如果能放背包，就能實現筆電用外接機械鍵盤打遊戲的夢想 XD
