跳至主要內容

冬日漫步

今年的冬季如預期的酷寒。
漸漸的習慣在沒有下雨的星期日午後,帶著水杯和相機,到中和的四號公園散步。這次帶的相機,是想了很久的Yashica Electro 35 MC。
原想向常去的相片行買底片,冰箱裡還有一些,只是還沒退冰,就先放著,而且多數是ISO 200,不適合在陰天拍攝,硬著頭皮走去便利商店,然而,現在在便利商店也已買不到底片了。還好原舍就在公園旁邊,便順路走過去買。小姐問我要哪一種?我說:「400兩捲,200一捲。」她問了一個我第一次聽到的問題:「妳知道400的底片是什麼時候用吼?」我愣了一下,還有什麼時候用啊?借了地方裝底片,忍不住又問她為什麼會問我這個問題?她說:「因為有些人覺得比較貴的底片就比較好……」我笑了一下,原來是這樣。
很喜歡用這支Kodak UltraMax 400,比起冰箱裡那些貴死人的底片,我比較捨得用這款,而且,我還蠻喜歡它的顏色。還記得我第一次拿著底片機去原舍,差點被他們拆壞一台的情景,這次自己裝片已熟練多了。
Kodak UltraMax 400底片
這次從公園的另一個入口(中安街,靠宜安路這邊)走進去,先是看到一座小丘。那是圓形廣場的另一面,有些小朋友在涼亭那練習直排輪,有些則在玩球,繼續往永和的方向走,泥濘的水池,也許是為了安全緣故在周圍加了一圈會變色的LED燈,上星期有一家人在那野餐,這星期則是一群國中生瑟縮在台階上。
這次在公園裡,則發現裡面的樹木似乎正遭受到一場浩劫,不知是什麼緣故,許多樹木的葉子呈現一個一個的洞,而溜冰區旁邊一圈松樹,也呈現十分悽慘的模樣,全部紅了頭,不然便是紅綠摻半,十分怪異的顏色。
如果說是因為氣溫低導致,怎麼會那麼多棵樹的樹葉都坑坑疤疤的,洞緣還紅紅的像皮膚發了炎一樣,而那面積也太大了。那株在活水園區旁的辛夷則呈現一副要死不活的樣子,而那幾株稀稀落落的櫻花,居然讓我發現一朵搞錯時節的殘花,旁邊的樹葉也全都佈滿了坑洞。
佈滿坑洞的葉子
我心想,這如果不是蟲害,就是酸雨吧?
據說之前曾經大規模的噴藥,掉了滿地的毛毛蟲。這情景,光想都覺得很恐怖。
在公園裡,我偷偷的捕捉了一些影像,遠遠的(照片還沒洗,先發揮想像力吧!):
  • 拿著棉花糖傘的阿姨,她看到我說:「可以拍棉花糖,不要拍人,謝謝。」
  • 練舞的女孩們發現了我,喊著:「有人在偷拍!」我對她們點點頭。
  • 在公園裡打陀螺的孩子們,教他們打陀螺的大叔說:「沒有我不會的動作。哈哈哈。」他真的很厲害。
  • 盪鞦韆的孩子們(不曉得有沒有拍成功)。
  • 打籃球的男孩們。
  • 落葉。一旁聊天的人們看到我蹲在地上拍,她們問我:「妳在拍什麼呢?」
走到近圖書館門口,我看到一幅,我想拍卻按不下快門的影像。有個中年人與一個年紀很大的老人家,像跳舞般的姿勢,中年人大聲的唱著歌,老人家靠在中年人的身上吃力的和著唱,一旁則是。我從觀景窗裡看著,聽著他們的歌聲,老人家發現了我,害羞的轉過身,以致於中年人差點重心不穩,我不好意思的問:「可以拍嗎?」中年人笑著說:「不要啦!拍我們沒有意思。」我向他們道謝後就離開,然而那影像與聲音卻徘徊在腦海裡久久不去。

留言

此網誌的熱門文章

停不下來的更新

一直更新Blog的版型,我必須承認是一件很無聊的事,不過這次除了版型的更動外,連分類和文章內文也做了變動。 先說分類吧!在Blogger叫做Label,不過,Blogger在分類上有一些bugs,只能使用英文,以前這裡的分類大多都是中文分類,結果在link上就是一堆亂七八糟的亂碼,所以我把它改成英文,同時細分一些項目,把出版的文章和一些教學的文章分開來,雖然已經很久沒寫新的,不過既然放上來就做個分類。然而就在新舊label移轉之後,發現中文的label還會存在,而且還會出現莫名奇妙的幽靈數字,Blogger知道這是個bug,不過似乎一直沒有修復的跡象。所以在分類上就出現了如右圖一般的情況,在英文標籤裡會有文章,但是在中文標籤裡是沒有文章出現的,但奇怪的是,有些中文標籤已經不見了,然而在Beauty-Beta這個部落格裡,我也做了分類上的變動,由於以前用英文開頭的Label,所以在label的變動上倒是不用擔心會有這樣的情況。 再來是文章的內容,把以前的文章重新分類,標題前面的一些全形符號或是分類刪掉,除了一些比較特殊的,我會留著,例如壹陸壹,因為在label裡為了統一,我留著原本的E61,但人家的店名是壹陸壹,所以留下文章標題前面的中文分類,另外像是Entertainment項目裡,可能有音樂,可能有電影,就會在前面留下中文分類。 前簡單的CSS和HTML改成現在的XML,這無疑是讓我們再多學些東西,能有時間鑽研當然是好事,可是轉換後,我一直沒有時間去改,當然多半也是因為懶,到現在也是拿別人做好的版型去改配色而已,所以像裡面的設定、安裝的widget和analytics的javascript都要一個一個重新裝,上個星期幾乎每天都弄到天亮才睡,只為了整理這個blog。也因為之前在blog裡放了technorati的分類,所以還要修改以前的文章,把它們加入technorati,還有裡面的語法要更改,所以這個星期甚至下個星期都會一直收到這裡的更新訊息,對於不斷收到訊息干擾的朋友們,在這裡說聲抱歉。 在版面上因為blogger系統在feed接受上的更新,所以還有四個東西沒加進去,分別是最近的文章(Recent Post)、Comments(目前是用別人寫的widget)還有GVO的feed訂閱顯示、Beauty-Beta的訂閱顯示也都還沒放上去。 在Feed訂閱上,以前bl...

用Claude Code做一個AI飲食營養分析Bot:從拍照辨識到條碼查詢的實作筆記

沒想到在十多年後,因為想做飲食營養控管,所以自己利用 AI 開始做一個簡單的食品營養分析工具,能分析我每餐的飲食是否充足或過量,並提供有依據的飲食建議。 最初的雛形是基於以往曾參與「 Food Open Data 」倡議的經驗,我希望用最簡單的方式,拍照-->AI辨識與分析-->提供建議,然後統計一段期間的營養攝取狀況。 最初的想法 當我把我的雛形想法告訴 AI 後,Claude Code 很快的就幫我設計好雛形、教我如何申請Telegram Bot,這些步驟都寫得很清楚,整個雛形做好不用半天,我還愣住了,怎麼可能這麼簡單?難怪那些應用程式公司只把飲食營養分析當作一個「附加功能」,主要目的是蒐集其他的生理監測資料,但這些公司蒐集資料的用途,我自己在處理過美國資料經紀公司所販售的資料隱私資訊後,這是值得關心的議題,但不在此篇文章裡討論。 不過,我只專注在飲食分析項目,我覺得這個功能如果可以做好,再想想其他的。最初的想法很宏大,因為家人與自己患有慢性疾病,所以特別針對某些族群設計,但事實上,如果沒有實際的使用情境,可能也無法做出符合需求的產品。 於是我把這個Bot的使用者只鎖定在我自己的飲食分析上,那就簡單多了。 工具與環境限制 我在今年已經改用 Claude Cowork 與 Claude Code 協作,雖然 Claude Code 有一般介面版,但我大多數時間都開著終端機視窗使用 Claude Code,這樣比較能專心工作。 基於使用工具的習慣,我使用 Claude Code 開始建置,當時的模型雖然已經有Opus 4.8,但Sonnet 4.6已綽綽有餘,而後來出現的Fable 5 則用在其他專案裡。 因為只做給自己用,所以選擇最簡單的 Chatbot 形式;也因為我希望可以自由的使用而不是提供過多的個人資料給其他平台,選用 Telegram Bot,而不是台灣人常用的 LINE Bot ,而且 LINE上太多廣告,根本不想開它。 在衡量經濟現實及自我管理資料的想法後,目前這個 Bot 與資料庫只放在我的電腦裡,沒有上雲端,當電腦休眠、網路斷線時,Bot就會停止工作。 雖然只是給我自己使用,但我還是要求資料庫是加密儲存的,匯出資料時也必須加密。 台灣的飲食文化很多元 我不是開發者、也不是營養師,我自己也沒使用過其他的應用程式,所以無從理解在開發飲食營...

AI 提高產出,但誰得到好處?

我收集了 2026 年 3 月至 9 月由 Anthropic 研究團隊公開發表的 5 篇文章,讓 Claude 重新翻譯並編輯,並修改為習慣的閱讀語氣,以利閱讀。 Anthropic 今年 3 月發表的報告顯示,美國整體失業率沒有上升,但 22 到 25 歲的年輕人每月順利進入 AI 高曝露職業的比例比 2022 年低約 14%。這是我讀完今年他們發布的 5 份經濟研究摘要後,最常想起的一句話:「AI 讓產出變多」與「誰能把產出變成自己的收穫」,是兩個得分開回答的問題。 AI 做得到,不代表已經在做 過去大部分研究或媒體在衡量 AI 對工作的影響時,常問「AI 理論上能做哪些任務」。問題在於,AI 做得到,不代表企業或個人真的已經拿來用。 在這次閱讀的文章中,研究團隊提出「觀察曝露度」(Observed Exposure)。這個指標結合 O*NET(美國職業資訊網路,Occupational Information Network)的任務清單、理論可行性評分與 Claude 的實際使用資料,並對「自動化」與「工作用途」給予較高權重。 排名最高的是電腦程式設計師(約 75%)與資料輸入人員(約 67%),客服代表也名列前茅;另有 30% 的勞工觀察到曝露度為零。AI 目前的實際使用與理論能力還有一段距離。 在公布的研究中,高曝露職業的從業者有幾個共同特徵:女性比例高 16 個百分點、平均薪資高 47%、學歷較高、年齡也偏長。受衝擊的是中高薪的知識工作者,和「AI 先淘汰低薪年輕勞工」的直覺相反。 衝擊有多大?研究用差異中差異法比對,發現 ChatGPT 發布前後,高曝露職業的失業率未見系統性上升。唯一較清楚的訊號在 22 到 25 歲:這個年齡進入高曝露職業的新工作起始率,約比 2022 年低 14%。研究團隊也註明,這個結果僅勉強達到統計顯著。 同一套 AI,成果為何不同 在針對使用者研究的報告中,使用 6 個月以上 Claude 的人,其對話成功率為 73.1%,新使用者為 66.7%,相差 6.4 個百分點。控制任務類型後,差距縮到約 3 個百分點;再加上模型、使用情境、國家等變數,差距維持在約 4 個百分點。 Anthropic 曾假設,資深使用者會更傾向於把工作整包交給 AI 自動完成。研究的資料指向相反的方向:資深使用者更常與 Claude 來回...