跳至主要內容

噓~貓咪在睡覺

睡覺的貓

現在,牠正在樓梯間,蜷成一圈的熟睡著。到了早上,牠會醒來等下樓的人幫牠開門,牠去哪裡呢?我也不知道,也許是跑回牠主人家,也許是跑去吃牠當天的第一餐,也許是習慣在外野慣了,總是要到外面跑一跑。

上星期五的颱風夜,樓上的住戶讓牠進樓梯間,後來據下樓的弟弟說,這隻貓不知道什麼原因在大風雨的夜晚又急著跑出去。星期六和星期日大風大雨,我們猜牠不會來,就算來了,沒人出門也不知道。

昨天晚上回家時,我走到牠出沒的巷子裡,只看到那隻膽小又愛搶食的小花貓蹭在人家門口,牠雖然膽小,但我常看牠出手打阿肥。吃過晚飯後,我吃著柚子,準備喝第一口咖啡時,聽到樓下傳來熟悉的貓叫聲,這隻貓可是很準時的跑來要東西吃呢!每次餵過牠後就得面臨人貓大戰,牠很想進屋裡,但我們不能讓牠進來,家裡太小,根本沒有牠活動的空間,再加上家裡有人是易過敏體質,這隻貓又還沒被整理過,我們也不能讓牠進屋來,所以讓牠待在外面。

當我下樓倒垃圾時,牠陪著我下樓,我以為牠下樓後就跑掉了,結果,牠在我腳邊蹭來蹭去,蹭了一下子後,牠跳上樓下住戶的摩托車,靜靜的看著我,我倒完垃圾後,本以為牠要在樓下待著,結果牠跳下車,和我一起走上樓。當然,上樓後又是一場人貓大戰。牠是愈來愈聰明了,居然橫躺在我家的門檻前,讓我進退兩難,足足被牠擋在家門外近二十分鐘。

附近的鄰居都知道這隻貓,也常看到我和貓一前一後的走著,而這隻貓也不怕人,所以大家都很喜歡牠。我喜歡牠的原因,除了牠不怕人外,牠家教很好,吃東西會把碗裡的貓飼料添乾淨,吃東西的坐相也很優雅,更不會一直喵喵喵的亂叫,除了睡姿不太好看之外,就是一隻優雅的貓,更奇怪的是,我們全家都覺得牠聽得懂人話。有次牠在樓下,吃飽了在洗臉,我對牠說:「你乖乖在樓下好不好?好好照顧自己啊!」牠居然發出了像是「好」一樣的貓叫聲,而且也接的剛好。好吧!我知道很難讓人相信。

年初遇到牠,看到牠的第一眼就讓我覺得愛上牠了,可是我養不起牠,家裡也沒那個空間給牠活動。我相信和這隻貓咪相遇是有原因的,雖然我還不知道是什麼,晚上我和牠互望對方,牠今天的許多舉動都讓我覺得牠想要我抱牠,但一來我不懂得如何抱貓才不會傷害牠,二來家裡也禁止我去抱還未清理過的牠,第三,上星期我被牠抓傷了,傷口不淺,所以現在還是會怕牠抓我。

昨晚幾番搏鬥後,還是讓牠留在樓梯間,牠窩在牠最喜歡的那一層樓梯,明明身體就比樓梯大上不少,牠還是蜷成一團的窩在那。看牠窩在那,我們都不由自主的把關門的動作放的輕柔,生怕把牠吵醒了。我很開心老天爺讓我遇到一隻這麼熱情又鬼靈精的貓咪,希望我有能力去照顧牠,不讓牠餐風露宿或再被其他的野貓攻擊,如果牠是有人養的,那我很謝謝牠的主人讓從沒養過寵物的我能學習如何貓相處,感受到動物可愛之處。

隨選歷史閱讀:

Powered by Stuff-a-Blog
Tags: ,

留言

此網誌的熱門文章

哪個應用、服務、平台可以代表台灣?

大概 2003、 2004 年,我還是個大學生,那個時候「電子商務」是一門選修課,那個時候台灣還在所謂的電子商務泡沫化中復甦,很多熱極一時的「電子商務」就像今天大家看到的 FTX 事件一樣,一點都不真實,很多執行長、總裁瞬間就失業了,也有很多投資人的錢拿不回來。 看過歷史上的鴻源事件、經歷過電子商務的虛無飄渺時期,再看到 FTX,其實也不會太驚訝。通常泡沫消散後,未來才會到來。 回到大學課堂,穿著輕便但言語犀利的老師談到當時的 Amazon 網路書店,他問大家對 Amazon網路書店的看法,那時的Amazon一直被看壞,所有的媒體都不看好它。甚至會有各種市場傳言,覺得 Amazon會被賣給哪家公司或哪家公司、網路書店會主動併購它。 最後老師說,不會,Amazon書店不會那麼輕易就垮掉,它有其代表的意義。 這個答案給了我很深的印象,我常會問自己,台灣有哪個服務會具有這樣的意義? 偶爾我會問身邊的朋友、同事,對於台灣的哪個服務,會覺得有不能輕易垮掉、要支持它的?我列一下自己所接觸過的,這個世代的應用: 通訊服務:ICQ、MSN Messenger、LINE、Cubie Messenger(台灣,已無服務)、Google Talk、WhatsApp、Telegram、Skype、Signal,還有一些台灣可能較少聽到。 社群平台:Twitter、Facebook、LinkedIn、無名小站(已停止服務,它雖然是Blog,但比較像社群)、Plurk、PTT、Dcard、Instagram、AKASHA、Pinterest Blog平台或架站:Blogger、Wordpress、Drupal 共享書籤 : HemiDemi(已沒有提供書籤服務)、美味書籤delicious 叫車服務:UBER、55688 、呼叫小黄、LINE Taxi、yoxi  當然還有很多是我沒接觸過的,請原諒我的見識不夠廣泛,忽略了哪一個平台、應用或服務。一時想到的大概就這些。有一些服務已經消失或在被併購後就消失了,我也忘了名稱,至於 TikTok 和小紅書,是我不想碰觸的應用服務。 在韓國有 Kakao,日本有 LINE、PayPay,東南亞國家有Grab,中國有自己的網路應用,那台灣呢?之前 KaKao 中斷服務,造成民生應用的線上服務也幾乎中斷,過度集中依賴在一個服務上的確是一個缺點。在和...

我在不會寫 code 的情況下做出一個桌面工具

當各種AI工具迅速發展的情況下,大家也開始製作自己常用的工具,更進一步公開分享給大家使用,例如 Jimmy Su 就分享自製的 沉浸式翻譯工具 ,滿足一般人平時上網閱讀外文頁面的需求;進一步像是 Justin Lee  開發的 ccxray ,讓Claude Code的使用者可以監看Claude Code與Anthropic API之間的互動,使 AI Token 的消耗變成視覺化的儀表板。 為什麼做這個工具 AI 幫助許多一般網路使用者做出適合自己使用的工具,我自己也曾 分享自己的經驗 ,現在做出一個應用程式的門檻已經降低許多,AI不會讓程式設計工作消失,反而讓更多人投入這樣的工作,從這個角度看應該是好事。 我自己也用AI打造一些工作上會使用的工具,包括後來做的這個「 AI-Doc-Translator 」,這是獨立自我日常工作使用的工具的其中一個功能,做成一支桌面程式。 由於每天都會接觸到外文論文、期刊,很多PDF檔下載後,只會放在儲存空間裡,或是丟到電子書應用程式裡,但什麼時候再打開?打開還要再閱讀外文的摘要、從頭理解?這些都會消耗掉耐心,於是我讓AI先幫我摘要重點,讓我大致了解檔案內容、記錄後,再做關聯成為自己的知識庫。 這個工具主要的功能是翻譯、摘要,它不是通篇翻譯,也不是改寫作者的內容,只做摘要,長期累積起來的文件會相當可觀,就可以做成知識庫應用。人們通常在下載文件時,自己已經先篩選過資料了,也不是隨便下載,所以使用者自己就是守門員。 為什麼不用 Notebook LM 就好 當然也有很多人習慣把檔案抓下來後丟進各種AI工具,Notebook LM、各種AI Chatbot或是翻譯軟體,但我自己在使用後的心得是,因為資料量太多,Notebook LM的效能會很差,而各種AI Chatbot 在對話結束後,使用者要再找回對話記錄可能還要花時間找尋。那為什麼不平時就開始做知識庫呢?所以在翻譯、摘要的過程中,也是在建立自己的知識庫,存在某個資料夾,可以再利用各種工具來搭建。 我自己是使用 Obsidian 配合 Claudian Plugin 一起使用。在閱讀由LLM產出的摘要時,我一定會遇到無法理解的內容,就可以再使用Claudian進一步「討論」內容,或請它解釋。於是文件就不是只有文件,而是可互動性的內容,也不會只在電腦裡積灰塵。 製作「AI...

不是公司設在哪裡,是公司的服務對象是誰:臺灣中小企業的跨境法遵現實

歐洲資料保護委員會(EDPB)在2026年2月發布的刪除權調查報告,給我一個很難忽視的數字:他們聯合調查了將近8,000家企業,回應率不足一成。 這個數字不只是個資法遵落差的指標,它更像是一個訊號:當監管機關開始大規模橫向調查,沒有回應不代表豁免,代表的是還沒輪到你。 更讓我在意的,是這場調查背後的制度性涵義。EDPB首次明確將備份系統納入刪除義務範圍,這意味著企業不能再把「刪除」當成一個資料庫指令的問題,而必須把它理解成一個系統架構問題。這一步看起來是資料保護法的問題,但它實際上開始觸碰AI系統設計的核心:一個以個人資料訓練的模型,要怎麼「刪除」某一筆資料的影響? 這正是我想在這篇文章討論的事:三個原本分開運作的監管領域——競爭法、資料保護、人工智慧監管——在近年間,已經開始彼此滲透,形成臺灣中小企業難以用過去的法遵邏輯應對的複合壓力。 競爭法:從行為合謀到架構審查 全球反壟斷執法在過去一年發生了一個根本性的轉變,而它的影響遠比多數企業意識到的更廣。 過去的競爭法問題大多有一個清楚的前提:企業之間是否彼此溝通、達成協議。現在這個前提正在鬆動。美國加州的反壟斷法在2026年1月修訂後,正式將「競爭對手共同使用同一定價演算法」納入審查範圍,即使業者之間沒有任何直接溝通,只要共享了同一套系統的輸出結果,就可能被認定為形成協同定價的制度環境。 這個轉變的理論基礎來自稍早的RealPage租金案:多家房東將非公開的即時租金資訊提交給同一平臺,平臺以演算法生成建議租金。法院的判斷是,不需要租東彼此達成共識,這個「共同使用同一個資訊中介」的架構本身,已經可能構成協同定價的條件。 紐約州對Instacart演算法定價機制的調查,和歐盟對Google AI內容抓取的反壟斷調查,都在同一個方向上進一步延伸。歐盟這個案子格外值得注意:Google被指控在未取得授權的情況下,以爬取網路出版商內容的方式訓練AI模型並生成搜尋摘要。這是競爭法第一次正面觸及AI訓練資料取得的合法性問題——從反壟斷法的角度,不是從著作權法。 對臺灣企業的直接影響在這裡:如果你的公司使用第三方定價工具、需求預測平臺或市場分析服務,你需要知道這些服務是否同時服務你的競爭對手,以及這些系統是如何處理競爭敏感資訊的。這不再是IT部門的採購決策,而是一個具有競爭法風險的經營選擇。 歐盟《數位市場法》(DMA)和英國《數位...