專案

不照日期、按主題收錄的深入長文。兩種題目：「我怎麼解決一個問題」與「某件事的原理到底是什麼」。這裡的文章會像一座小型參考書庫慢慢累積，隨時可回頭查閱。

主題

• 區塊鏈 — 換幣、跨鏈、wrap、預測市場份額的底層原理（hub＋原子筆記，持續更新）
• Serenity 選股策略 — 拆解 X 帳號 @aleabitoreddit 的 AI 半導體供應鏈「瓶頸壟斷」選股法（hub＋原子筆記，持續更新）
• AI memory（Agent Memory 架構） — 以 X 帳號 @wquguru 的〈Agent Memory 架构全景〉為一手來源，拆解 AI 記憶的分層架構、業界對照與風險治理（hub＋原子筆記，持續更新）
• Problem Framing ＋ Spec-Driven Development — 把模糊需求定義清楚（Problem Framing），再以規格先行驅動實作（Spec-Driven），兩者合一的閉環工作流程（hub＋原子筆記，持續更新）
• AI Agentic SaaS — 怎樣實際用 AI 建造服務 — 從 orchestration、RAG、結構化輸出可靠性、UIUX、計費、幻覺控制到資安限制，工程實作層面的深入研究（hub＋原子筆記，持續更新）
• Event Storming + Event Sourcing + Pattern Language：AI 輔助領域設計流程 — 把四套方法論串成一條可操作流程：Event Storming（探索領域）→ Problem Frames（框定假設）→ Event Sourcing/CQRS（後端落地）→ 前端從領域模型推導 → Pattern Language（固化重複解法）；每步有具體 artifact，可直接交給 AI agent 執行（hub＋原子筆記，持續更新）
• Crux Capital（@crux_capital_）光學／Physical AI 研究 — 拆解 X 帳號 @crux_capital_（Gaetano）以「光取代銅」與 Physical AI 分層框架為核心的投資研究：主張、方法論、覆蓋標的，並用獨立產業資料檢視「主張 vs 可佐證」（hub＋原子筆記，持續更新）
• JoeAnima（@JoeAnima）物理 AI 感知層研究 — 拆解 X 帳號 @JoeAnima 的「物理 AI 感知層」長文系列與康寧 GlassBridge／CPO 主線：LiDAR／毫米波／觸覺的技術卡位、Gartner 曲線與三層護城河方法論、人形機器人 VLA 標準之爭，並用第三方來源檢視「主張 vs 可佐證」（hub＋原子筆記，持續更新）
• Engineering AI Coding Methodology — 工程化的 AI 編碼方法論 — 當 AI 能大量生成程式碼，真正的槓桿在「工程方法論」而非「生成出來的 code」：意圖/spec、驗證、審查、品味、擁有權。涵蓋 70% 問題、AI 失敗模式、八個方法論支柱、AI 編碼工程閉環，並客觀區分主張 vs 可佐證（hub＋原子筆記，持續更新）
• Design Pattern 高級詳解 — 跳過入門，直接討論進階應用、取捨、反模式與現代演進；以 5W 框架拆解後端（Saga、Outbox、Circuit Breaker、Hexagonal、Actor Model 等）、前端（RSC、Signals、Islands、State Machines 等）、DevOps（GitOps、Canary、Service Mesh、Feature Flags 等）共 24 個 pattern，附 GoF 演進分析與主張 vs 可佐證客觀檢視（hub＋原子筆記，持續更新）
• AI 時代的新商業模式——用 AI、有護城河、不被 AI 淘汰 — 用 AI 當槓桿但護城河建在 AI 之外：AI 商品化論、九類非技術護城河、六個「低科技 × AI × 護城河」具體商業模式（垂直賦能服務、Productized Service、策展社群、在地實體 × AI、專有資料、Services-as-Software），附框架 vs 可佐證客觀檢視（hub＋原子筆記，持續更新）
• 2026 AI 精通：20 項必學必做的最佳實踐 — 使用者「學 AI ＋ 個人成長」核心索引：橫跨技術（Context Engineering、Spec-Driven、Agentic Workflow、Code Review、架構、除錯、測試、MCP、Evals、安全、成本路由）與軟技能（委任溝通、深度研究、決策紅隊、寫作、學習、PKM、帶團隊）共 20 個方向，每項各一篇原子筆記，全程區分「主張 vs 可佐證」（hub＋20 篇原子筆記，持續更新）
• 人人都是產品經理——由淺入深 — 以中文 PM 最大平台 woshipm.com 高熱度文章為素材，分析整理由淺入深的 PM 學習路徑：入門→用戶研究→PRD/原型→數據增長→B端修煉→AI PM，附來源連結，全程標示「主張 vs 可佐證」（hub＋6 篇原子筆記，持續更新）
• Thoughtworks 2026：AI 工作流與方法論（高階應用） — 以 Thoughtworks Technology Radar（已更新至 Vol.35，2026-11-04，117 個 blip）、martinfowler.com “Exploring Gen AI” 系列（Böckeler 等）、Looking Glass 2026 等第一手報告為來源，整理資深工程師和技術主管視角的 AI 方法論：交付管道瓶頸、Harness / Context Engineering、Human-on-the-Loop、五支柱框架、Radar Vol.34 與 Vol.35 判讀、Team Topology 治理。Vol.35 的核心轉折是瓶頸從「AI 寫太快我們讀不懂」變成「agent 一次跑好幾個之後，誰審得完、誰付得起」，10 個 Caution 中有 7 個是新的——human-in-the-loop theater、meat proxy、agent skill 認知投降、AI 文件蔓延等，記錄的都是「我們為了應付 AI 之亂而發明的做法，本身也出了問題」。全程標示「主張 vs 可佐證」（hub＋6 篇原子筆記，持續更新）
• 因子投資（Factor Investing）研究 — 以 QuantSkills 開源社群工具箱為主要素材，搭配 Fama-French、AQR 學術與實務資料，由淺入深拆解因子投資：Smart Beta 的本質、五大經典因子（規模/價值/動能/品質/低波動）與 FF3/FF5 模型、因子建構流水線（IC/正交化/混合/回測）、Factor Zoo 與過擬合陷阱，全程標示「學術可佐證 vs 爭議」（hub＋6 篇原子筆記，持續更新）
• Procreate 畫畫教學——由淺入深 — 從介面手勢到不同畫風與效率工作流，把 iPad 數位繪畫攤成一條由淺入深的學習路徑：入門（介面/圖層/筆刷/匯出）→ 核心技巧（混合模式/剪裁遮罩/選取/QuickShape/對稱）→ 不同畫風怎麼畫（動漫/cell shading/厚塗/水彩/lineless/漫畫/像素/lettering）→ 快速畫出理想畫作（縮圖先行、value 先於顏色、省時功能與時間陷阱）→ 資源總覽；操作以官方 Handbook 為準，附可查證的 YouTube 頻道，客觀區分「操作事實 vs 風格主張」（hub＋5 篇原子筆記，持續更新）
• Handoff（交接）深入解說——對工作流與產品開發的幫助 — 把交接當成一個貫穿產品開發生命週期的概念拆解：本質是「上下文＋責任＋決策依據」的轉移，交接品質＝資訊損耗率；四類人際交接（設計→工程、需求→工程、PR／值班、離職輪調）加上 AI 時代的兩類（人↔agent、agent↔agent）；六個共同要素、四份可抄用模板、量測指標與反模式，全程區分可佐證研究（NEJM I-PASS、Google SRE、DORA）與機制性主張（hub＋12 篇原子筆記，持續更新）
• 小商務・落地客製化網站服務 — 把「幫小商家建網站」產品化成一門有系統、有護城河的生意：市場定位與競品矩陣、產品化分層定價與單位經濟、四類護城河（在地/關係/成果/利基）、轉介系統與獲客策略、SDD 規格先行的交付工作流、可維護技術棧與 SEO/無障礙基本盤，全程區分「可佐證 vs 框架主張」（hub＋6 篇原子筆記，持續更新）
• DaVinci Resolve 研習——由新手變大神 — 不做功能導覽，以「我想達成 X／我卡在 Y」編排的影音後期學習路徑：入門（硬體判斷、免費版 vs Studio、建專案、Cut vs Edit、第一支片上片）→ 進階（trim/多機/音畫同步、代理與 GPU 效能、一級二級調色與示波器判讀、節點結構、RCM/ACES 色彩管理與監看、Fairlight 響度、Fusion 去背與追蹤、各平台交付）→ 大神（排錯救援與協作、工作流資產化與腳本自動化）。版本基準 Resolve 21.0.2，操作以官方文件為準，並分級標示官方事實／產業標準／社群做法／版本相依（hub＋14 篇原子筆記，持續更新）
• 網格自動化交易（Grid Trading Bots）——由淺入深 — 把網格當成一個可以在開單前算完的策略來拆解：基礎（機制、名詞、等差 vs 等比）→ 機制（現貨 vs 合約、無限／移動／反向網格）→ 參數設計（區間與突破機率、格數與手續費門檻 s ≥ 10f、槓桿上限 (U+L)/(U−L)）→ 數學（期望收益 C·σ²T/R × (1 − 2f/s)、跌破區間的浮虧 (U−L)/(U+L)、負 gamma 與賣波動率）→ 選標的與回測驗證 → 實戰（Binance／OKX／Pionex／3Commas 現況、監控與 AI 參數、停損與資金管理）→ 十二個常見錯誤的機制拆解。全程區分數學恆等式／模型推論／實務共識／平台宣傳；非投資建議，含本金虧損與爆倉風險（hub＋17 篇原子筆記，持續更新）
• 德州撲克研習——由淺入深的職業級技術 — 把 NLHE 當成有數學結構的不完全資訊賽局來拆解：基礎（規則／位置／資金與變異數）→ 前翻與數學（位置化開牌範圍、3-bet／4-bet、pot odds／equity／EV）→ 翻後（board texture 與 c-bet、價值 vs 詐唬、bet sizing、check-raise）→ 進階（GTO 與 MDF／alpha、剝削性打法與 HUD 讀數、組合數與阻斷牌）→ 錦標賽（ICM、bubble factor、push/fold Nash）→ 職業（讀牌推理、tilt 與 A/B/C game、資料庫復盤與求解器用法、常見錯誤診斷）。理論以求解器時代的現代 NLHE 為主軸，全程區分數學恆等式／求解器輸出／產業共識／爭議（hub＋17 篇原子筆記，持續更新）
• Polymarket 自動化交易策略研究——原創推導與工程化 — 不整理現有技巧，而是推導最優解並設計自動化：機制與 2026 現況（CLOB V2／pUSD／費率 V2／perps／CFTC）→ 最優解框架（手續費 φ·p(1−p) 即變異數稅，直接從 Kelly 股數扣掉常數 φ；門檻 \|q−p\| > φ·p(1−p)；資本效率 edge/(p·T)）→ 現實訊號機率化（八類來源，關鍵是市場延遲 D−d）→ 把「難自動化」拆成工程題（判斷的四層拆解、盲估協議、LLM 陪審團、棄權機制）→ 六個原創策略（條款—標題背離掃描、邏輯蘊含圖 LP 套利與對偶隱含世界狀態分布、預言機混淆矩陣與 β 的時間結構、提案信譽搶跑、Shin-z 賠率收斂、到期校準扭曲與冷啟動做市）→ 五層 agent 藍圖與十二個失效模式。20 個原創假說中 17 個可用公開資料離線證偽；非投資建議，含本金全損與預言機結算風險（hub＋20 篇原子筆記，持續更新）
• 趨勢投資（Trend Following）——實質、可執行的策略 — 不談口號，只寫能落地、能回測的規則：基礎（定義與正偏態報酬結構、趨勢為何存在的行為／風險溢酬解釋與反方證據、時序 vs 截面動能）→ 進出場系統（Faber 10 月 SMA、Clenow 50/100 EMA＋50 日突破、Donchian／海龜完整條文含 1 Unit = 淨值1% / (N × 每點價值) 與 2N 停損、時序動能訊號 sign(過去12月報酬) × σ_target/σ_t）→ 部位與風控核心（波動率目標化 σ_p = s·sqrt((1+(N−1)ρ)/N) 解釋「40% 個別波動率」之謎、最適組合波動率＝Sharpe 的凱利恆等式與全凱利 50% 腰斷機率、三層曝險上限、回撤降槓桿）→ 標的多元化（20–40 個市場的甜蜜點與邊際效益表）→ 回測驗證（連續合約、成本模型、SE(SR)=sqrt((1+SR²/2)/T) 推出「要 17–20 年才能證明 Sharpe 0.5」）→ 實戰（無交易帶、訊號延遲檢驗、台灣期交稅與海外所得最低稅負制）→ 心理（連敗期望長度、檢視頻率與看到虧損機率表）→ 進階（carry／價值互補、crisis alpha 的成立條件、疊加算術、抵押品收益消失）→ 12 個常見錯誤的機制拆解與破解。全程區分恆等式／穩健實證／有爭議／參數相依／業界主張；非投資建議，含長回撤、鋸齒失血與槓桿風險（hub＋15 篇原子筆記，持續更新）
• Dark Theme 最佳實踐 —— Web、Mobile Web、In-App WebView — 從「不宣告等於把設計權交給 UA 的反色演算法」出發，把雙主題拆成可落地的元件：基礎（prefers-color-scheme 是讀偏好、color-scheme 是宣告能力，方向相反）→ 三層語意 token 與五步遷移法 → CSS 實作三種寫法與 light-dark() 的必要條件／@supports 降級 → 三態切換器（用「鍵不存在」表示跟隨系統）與 localStorage／cookie／Sec-CH-Prefers-Color-Scheme 取捨 → 避免主題閃爍（區分「宣告太晚」與「JS 還原太慢」兩種成因，各有解法）→ 視覺細節（WCAG 4.5:1／3:1、暗色不用純黑、高程靠明度不靠陰影、半透明疊層 token 化）→ 圖片決策樹（currentColor／<picture>／不反轉照片）→ 原生控件、捲軸、autofill 與 forced-colors → mobile web（theme-color、安全區域白邊、Chrome Auto Dark Theme）→ In-app WebView 專篇（WebView 的 prefers-color-scheme 來自宿主 app 佈景而非系統設定；setForceDark 在 targetSdk 33+ 已 no-op；algorithmic darkening 的四個觸發條件與「支援雙主題就不會被反色」的解法；FB／IG／LINE 內建瀏覽器的儲存與注入問題；可直接複製的一頁式診斷頁）→ 強制反色為何無法用 JS 可靠偵測 ＋ 17 格測試矩陣 → 症狀導向排錯手冊。全程以 MDN／web.dev／Android／Chrome／W3C 官方文件為據，並分 A/B/C/D 四級標示穩定標準／瀏覽器相依／hack／設計主張（hub＋14 篇原子筆記，持續更新）
• 全響應式（Full Responsive）最佳實踐——專攻遊戲滿版寬高 — 一塊佔滿整個螢幕的遊戲畫面，要在手機／平板／桌機都正確、清晰、不跑版：觀念（文件靠重排、遊戲只能靠縮放＋取景，兩套技術不能混用）→ 視口設定（meta viewport 全欄位、viewport-fit=cover、100vh 為何在手機被工具列吃掉、svh/lvh/dvh 的選用與 dvh 被瀏覽器節流的限制）→ 滿版容器（position: fixed; inset: 0 為何優於 100dvh、max(12px, env(safe-area-inset-*))、消滅捲軸與 iOS 橡皮筋的三層做法）→ 畫布縮放核心（letterbox min(sx,sy) ／ cover max(sx,sy) ／ expand 彈性視野的公式與選擇準則、安全框尺寸對照表、可直接貼上的 stage 管理器與 setTransform 寫法、object-fit 對應關係）→ DPR 與清晰度（backing store × devicePixelRatio、canvas.width 一設就重設整個 context、device-pixel-content-box 消除半像素誤差、像素藝術的整數倍縮放）→ 重算迴圈（用 ResizeObserver 取代 orientationchange 解決「要轉兩次才對」、layout thrash 的讀寫分離、resize 後必須重建的七項）→ transform 縮放 vs 直接 resize 的取捨與 getBoundingClientRect() 座標換算 → 方向與裝置（pointer/hover media query 而非寬度、44/48px 命中區不隨 scale 縮小、平板桌機的資訊重排）→ 全螢幕與沉浸（Fullscreen API 的手勢要求、screen.orientation.lock() 的前置條件、iPhone 的天花板與 PWA standalone 降級）→ 鍵盤與 visualViewport（innerHeight − vv.height − vv.offsetTop 推算鍵盤高度、interactive-widget 的分裂支援）→ 效能（render scale 與像素量的平方關係、中位數＋hysteresis 的動態解析度控制器、分層渲染與記憶體代價）→ 14 條症狀導向排錯。全程分級標示規範保證／Baseline 可用／部分支援／實務共識／平台相依，來源為 MDN、web.dev、WebKit 官方部落格與 caniuse（hub＋13 篇原子筆記，持續更新）
• 簡報（Presentation）最佳實務 × open-slide —— 進階實戰 — 不寫入門，只寫「已經會做投影片之後」的深度：把一場簡報拆成三個獨立產物（投影片／講稿／講義）、先定 big idea 與目標行為再動手 → 結構語法（Minto 金字塔＋SCQA 給決策者、Duarte sparkline 的 what is ↔ what could be 擺盪、S.T.A.R. moment、峰終定律及其邊界）→ 兩種體裁的完整模板（簡約 15 分鐘：單一 big idea、逐段時間分配表、以「視覺節拍」而非分鐘算張數、10–14 頁的頁面預算與行動呼籲顆粒度；深入 1 小時：四章 × 12 分鐘、每章「定位→預測題→解釋→案例→邊界→提取」微結構、29 分鐘處三選一的中場、40–55 頁且 Q&A 排在 60 分之外）→ 讓聽眾學到與思考（Mayer 五原則的施工版、訊噪比與「三個垃圾桶」分流法、retrieval／pretesting 先猜再學、把停頓寫成可執行動作、對比與雙碼、六種不該用的假互動）→ 讓講者有信心（四輪排練法、逐字 vs 要點的分工表、開場前 20 分鐘 protocol 與 Brooks 的「重新標定為興奮」、空間／時間／人三種錨點、器材雙備援表與進場 15 分鐘檢查表、Q&A 五類問題與六句救援話術、出錯復原）→ open-slide 實戰整合（檔案契約與 1920×1080 固定畫布的取捨、與 Reveal.js／Slidev／PowerPoint 的選擇準則、/create-slide → inspector 留言 → /apply-comments → git review 的閉環、theme 配方、兩份可直接跑的 React deck 程式碼：簡約 12 頁與一小時章節化骨架、present mode／speaker notes 索引對齊／匯出與離線備援）→ 15 條進階反模式 → 分六級標示實驗證據／證據有限／機制推論／業界共識／風格取向／工具事實（hub＋16 篇原子筆記，持續更新）
• Hi-Fi 音響知識——從 DAC、擴大機到 DSD 的硬體邏輯深入解說 — 不做器材選購，只拆訊號鏈上每個方塊的機制、誤差種類與量級：數位音訊基礎（取樣定理是恆等式不是逼近、6.02N+1.76、TPDF dither 的 4.77 dB 代價、為何 16/44.1 已涵蓋人耳）→ DAC 架構（R-2R 的 20-bit 需 0.00005% 電阻匹配 vs delta-sigma 的 (6L+3) dB/OSR 倍頻 noise shaping、數位濾波器選項在改什麼、NOS 的 sinc 滾降 20 kHz −3.2 dB、ESS／AKM／Burr-Brown 家族差異）→ 時脈與 jitter（SNR = 20log₁₀(1/2πf·t_j) 完整推導與對照表、隨機裙擺 vs 離散旁瓣 vs 資料相關抖動、async USB 與 ASRC 為何有效、femto clock 為何無邊際效益）→ DSD（1-bit 本身只有 7.78 dB、理論 167 dB 與實際 120 dB 那 47 dB 落差的來源、無法 dither 與條件穩定、DoP 的 176.4 kHz 算式）→ 擴大機 class（A 的 25% 效率上限與 4× 靜態耗散、AB 偏壓熱失控、Class D 的死區／負載相依／後濾波回授、耳機功率計算差 74 倍）→ 輸出阻抗與增益結構（分壓公式讓多單體 IEM 頻響偏差達 5.7 dB，是電子鏈唯一常超過 1 dB 的機制；阻尼係數超過 50 被音圈電阻主導；平衡的真實好處是電壓與共地串音）→ 訊號鏈與介面（I2S／S/PDIF／USB 差在時脈不在位元、UAC1 上限 24/96 的頻寬推導、接地迴路物理、電源看 PSRR 不看拓樸、晶片 132 dB 到成品 118 dB 掉在哪）→ 量測與聽感（THD+N 沒標頻寬等於沒標、FFT 頻譜比 SINAD 有資訊量、可聞閾值表與其薄弱的證據基礎）→ 玄學與實證專篇（A/B/C/D 四級分類、三個反覆出現的歸因錯誤、對「可聞但量不到」的公允處理）。全程機制先於現象、量級先於有無，來源含 Xiph.org、Analog Devices MT 系列、AES 論文（Lipshitz & Vanderkooy、Benjamin & Gannon、Meyer & Moran）、ESS／AKM 原廠資料與 Audio Science Review（hub＋9 篇原子筆記，持續更新）
• 最新 AI Memory 處理框架與可複用架構模式（2026） — AI memory 專欄 的續篇，定位「最新框架 ＋ 可複用藍圖」：先統一記憶分類學（working／episodic／semantic／procedural、user vs agent memory），再逐一拆解 Letta(MemGPT) 的 memory block 與 sleep-time compute、Mem0 的 extract-update 管線與 ADD/UPDATE/DELETE/NOOP、Zep/Graphiti 的雙時間軸與事實失效、Cognee 的 ECL 與 ontology、LangMem/LangGraph 的 checkpointer vs Store、Claude 的 memory tool 與 context engineering、ChatGPT 的 saved memories 與 Dreaming、OpenClaw 與 Hermes Agent 的檔案原生路線；核心產出是可重新套用的架構藍圖（決策樹、參考架構、寫入／召回／遺忘三條管線）與可直接照抄的介面／SQL schema 草案，另附橫向比較表、評測與可觀測性、實作陷阱（記憶投毒／膨脹／PII／多 agent）與依專案類型的選型建議，全程區分官方文件事實／論文結果／廠商自我宣稱／我的設計主張（hub＋15 篇原子筆記，持續更新）
• 直播視頻（Live Streaming）研究——由淺入深，最後到安全 — 以「延遲與保護能力的因果鏈」為主線，把直播攤成一條由淺入深的學習路徑：基礎（五段管線、bpp／GOP／延遲預算）→ 擷取與編碼（OBS、H.264/H.265/AV1、CBR vs VBR、硬體 vs 軟體、音訊與多軌）→ 傳輸協定（RTMP/SRT/RIST 第一哩路，HLS/LL-HLS/DASH/CMAF/WebRTC 最後一哩路，各自延遲與規模經濟取捨）→ 分發與延遲（CDN 快取邏輯、延遲三級與成本非線性、ABR 與低延遲的互斥、LL-HLS 的請求量暴增）→ 轉碼打包（transmux vs transcode、ABR 階梯設計、per-title 在直播的 ROI 限制、CMAF＋cbcs）→ 播放端（ABR 兩種流派的失效模式、buffer 與卡頓、QoE 指標排序、首幀拆解）→ 專家（bonding 備援、四種同步、字幕、監控分層、成本模型與敏感度）→ 安全壓軸：內容保護機制與威脅的逐項配對（盜連、signed URL/cookie、JWT、AES-128/SAMPLE-AES、Widevine/FairPlay/PlayReady、forensic 浮水印、地理封鎖）及各自能力邊界，再以**使用者提供的《真人視頻流防盜刷與防盜播技術方案 V2.0》**為核心依據逐項拆解一份真實方案（六層框架、四個授權物件、session_epoch 撤銷閉環、全局並發租約、A/B 浮水印與 WebRTC 缺口、10 萬併發容量模型、四階段驗收）。全程區分標準規格／機制推論／量級參考／行銷話術，附供應商提問表（hub＋10 篇原子筆記，持續更新）
• 黑白研究——黑與白的著迷、互補，與顏色學 — 以「黑白是明度軸上互相定義的一對」為樞紐，橫跨物理、視覺神經科學、色彩測量、設計理論、東西方美學與心理學：物理本質（無彩色定義、加法 vs 減法、反射率的 20–30 倍侷限、Vantablack 與極黑材料靠幾何而非化學）→ 明度軸（為何黑白不在色相環上、L* 的立方根與 18% 中灰的由來、gamma 與線性光、灰階不能三通道平均）→ 感知與互補（側抑制與中心－周邊感受野、同時對比、馬赫帶是低階案例而 Adelson 棋盤陰影是中階案例、Bezold 同化與對比方向相反、CSF 帶通、圖地組織）→ 對比與易讀性（WCAG 公式與它的四個盲點：忽略字級字重／深色高估／極性對稱／色相不敏感，以及 APCA）→ Notan／陰陽／留白／chiaroscuro（四個傳統的同一個問題：媒材明度範圍小於現實）→ 黑白攝影與 Zone System（十一格、置放、為陰影曝光為亮部顯影、數位時代曝光策略為何反轉）→ 設計與品牌的黑白語言（單色標誌的工程理由、奢侈品的訊號、明度作為天然層級、半色調與單色經濟）→ 為何著迷（拆成訊號集中／建構層次／文化慣例／美學詮釋四層，並更正流傳極廣的 Amit 2009 誤引、正確來源為 Lee 等 2014）。全程分 A–G 七級標示物理定論／視覺科學／有限實證／機制推論／文化慣例／證據薄弱／我的判斷（hub＋9 篇原子筆記，持續更新）
• 高達模型（Gunpla）組裝教學——從手法、用具由淺入深 — 按完成度的累積順序而非工具清單編排，每一步都建立在前一步做乾淨的前提上：等級與選購（SD/EG/HG/RG/MG/PG/FM 的實際差別、RG 其實不低於 MG、年份比等級重要）→ 工具預算分級（斜口鉗是投報率最高的單一投資、兩把鉗子比一把頂級鉗實用）→ 剪件與二段切（應力白化的材料學、單刃剪切 vs 雙刃擠壓、留 2–3 公釐再貼齊補一刀）→ 打磨（番手是用細刮痕覆蓋粗刮痕所以不能跳級、終點取決於消光還是亮光、換番手轉 90 度檢查）→ 無縫（模型膠是熔接不是黏著、乾透 24 小時否則接縫會重新浮現）→ 入墨線（墨線＝人工陰影所以顏色要比底色暗一階、琺瑯溶劑的應力開裂風險與隔離層）→ 貼紙（銀化的唯一成因是膜下空氣，所以底材必須亮光）→ Topcoat（消光把鏡面反射打散成漫反射、blushing 來自高濕低溫、薄噴多層）→ 進階（乾刷強調凸起/漬洗強調凹陷、海綿掉漆、分件噴塗與漆類疊層相容性）→ 症狀導向排錯手冊（含三個不可逆錯誤與「做不完」的流程對策）。全篇附安全提醒（筆刀、溶劑通風、防塵口罩擋不住有機溶劑蒸氣），並分 A–E 五級標示材料化學事實／共識手法／個人偏好／品牌行銷／我的判斷（hub＋11 篇原子筆記，持續更新）
• 貝果（Bagel）做法研究——還原店家產品、在家重做 — 以台中「貝與果 Bagel & Bagels」為對象的仿製研究（非店家官方配方）：由官網截圖逐款辨認卡士達六款（原味／巧克力／開心果／柚香檸檬／藍莓／玫瑰），指出只有兩款麵團有調色、藍莓是唯一擠圓球的、系列標示蛋奶素而該標示直接排除明膠、決定了餡料如何定型 → 五個系列的口感分析（店家文案寫「外層Q彈」但食評一致指偏鬆軟，還原的是實物而非文案；鹼水是 23 款中唯一真正外韌內軟的、乳酪抹醬比慕瑟琳紮實帶酸、蒜香厚奶酪是唯一須二次加熱的，並說明 22/23 款冷凍配送代表比對對象應是「冷凍後回烤」而非剛出爐）→ 基本麵團（含水量 60%、奶油 6%、麥芽精 2%，附完整烘焙百分比，說明為何縮短煮水時間至每面 20–30 秒）→ 基本卡士達（牛奶 100% 計澱粉 8%／糖 22%／蛋黃 22%，為何變稠後要煮至沸騰令蛋黃澱粉酶失活，以及蛋奶素條件下採用慕瑟琳而非外交官鮮奶油）→ 五個系列 23 款的統一做法教學（由官網商品 JSON 取得完整清單：原味 6／乳酪 6／卡士達 6／燻肉起司 2／限定 3，附售價 NT$50–100、SKU 與銷量，按「麵團加料／夾餡與抹醬／表面裝飾」三層編排，五個系列並排——可可麵團同時服務經典可可與巧克力卡士達、伯爵麵團同時服務經典伯爵與伯爵柑橘乳酪；含基本乳酪抹醬配方、鹼水貝果的浸泡液差異與氫氧化鈉安全規則、鹹味三明治的防水層組裝、合併的香港採購表）→ 症狀導向失敗排解 → 食安紅線與分開保存策略（店家 23 款有 22 款冷凍配送，正好佐證「別冷藏、要冷凍」）。全程分 A–F 六級標示官網事實／相片可見／食評二手／烘焙原理／我的推斷與設計／證據薄弱，並明確記錄該站 23 款的描述欄位全部為空、沒有任何成分資料，故所有配方皆屬推斷（hub＋6 篇原子筆記，持續更新）
• Grok bot 用法、功能與實際應用 — 釐清「Grok bot」其實指五種不同形態（X 上的 @grok、Grok App／grok.com、API、自建 Telegram／Discord bot、2026-08 推出的常駐代理 Grok Bot），逐一處理呼叫方式、能力與價格：@grok 的提問模板（問「有沒有可信的反面說法」優於問真假）、Think／DeepSearch 的正確用法（摘要任務要關 Think、DeepSearch 當書目而非結論）、以官方文件為準的模型與價目（旗艦 grok-4.7、200k token 計費懸崖、x_search 按抓取則數計費）、Grok Bot 那台所有 Bot 共用的 microVM（官方發布訊息與文件說法衝突，安全切分單位是使用者而非 Bot），以及完整的爭議時間序（系統提示事件、MechaHitler、深偽、程式庫上傳事故）。全程分 A–F 六級標示官方文件／可查證二手／社群用法／互相矛盾無法確認／我的判斷／證據薄弱（hub＋10 篇原子筆記，持續更新）
• Figma MCP 深入研究——對 UI 工作流有利的 AI 設計開發流程 — 以 developers.figma.com 官方文件為一手來源，拆解把 Figma 設計資料經 MCP 餵給 AI agent 的完整做法：核心心智模型是MCP 只提供脈絡、寫程式的是你的 agent（產出品質＝脈絡 × 模型 × 提示，而脈絡通常才是瓶頸）→ 2026 年的兩次結構性改變（本機轉為以遠端 mcp.figma.com/mcp 為主、唯讀轉為可雙向寫回畫布）→ 各 client 完整設定指令（Claude Code／Cursor／VS Code／Codex／Xcode）→ 讀取／寫入／Weave 三組工具逐一拆解 → design→code 忠實度分維度（為何總是吐 React：中介格式是 React／Tailwind 風格；Professional 方案一次只能啟用一個框架）→ Code Connect 如何讓 agent 用你真實的元件而非每次重生（CLI 版 vs UI 版的差別、自訂指示是最大槓桿、add_code_connect_map 不計入限額所以可批次）→ 變數與 token 的三種命名對應策略（官方只處理了「agent 挑錯工具」，未處理命名不一致）→ 三條 UI workflow（handoff 自動化／從 frame 生元件入庫／從實際網頁反向生成設計）→ 規則檔與 skills 的分工 → 限額硬數字（Professional 200／日、10／分；View 席次每月僅 20 次）與忠實度上限（互動／響應式／無障礙是資訊問題，檔案裡沒有就傳不過來）。全程分 A–E 五級標示官方文件／官方承認的限制／官方未說明／我的判斷／行銷說法（hub＋10 篇原子筆記，持續更新）
• 自然強化人體——肺活量、握力、營養最優標準、保健品與全身強化訓練（實證導向） — 不靠藥物把身體推到自身條件的上限，逐一拆解可動的槓桿並標示證據強度：核心界線是關聯不是因果（握力與心肺適能都與全因死亡率有極強關聯，但「推高指標」與「取得風險下降」是兩件事）→ 肺活量（健康人 VO2max 受最大心輸出量限制而非肺；可訓練的是呼吸肌，50% MIP × 30 次 × 每日 2 次；LHTL 劑量窗窄、面罩不是高地訓練、水中憋氣有淺水昏厥風險）→ 握力（每降 5 kg 全因死亡 HR 1.16；EWGSOP2 切點男 < 27 kg 女 < 16 kg 取自常模 2.5 SD 而非診斷準確度，敏感度僅 18.5%／23.6%；碾握／支撐握／捏握三類與農夫走路為主的處方）→ 營養最優標準（蛋白質轉折點 1.62 g/kg/day、每餐 0.4 g/kg × 4、年長者單餐需 0.40 而非 0.24；纖維 25–29 g/day；EFSA 水分 AI 含食物、「八杯水」無來源；RDA 回答缺乏不是最優，鎂補充劑 UL 350 mg 不含食物）→ 保健品三級分類（A：肌酸 3–5 g/day、咖啡因 3–6 mg/kg、乳清、僅限缺乏的維生素 D；B：omega-3、鎂、硝酸鹽、beta-alanine；C／X：BCAA、麩醯胺酸、睪固酮促進劑；附劑量、時機、交互作用與「肌酸傷腎」的肌酸酐誤讀）→ 阻力訓練（WHO 每週 ≥2 天；Schoenfeld 2017 連續變項 P = 0.002 但三級分類僅 P = 0.074，「10 組門檻」是讀法不是結論）→ 心肺（Mandsager 2018 逾 12 萬人、無效益上限，但回溯觀察性）→ 恢復（靜態伸展不降低整體傷害率、睡眠優先、冷水浸泡鈍化肌肥大）→ 十二個推論錯誤的形狀。全程分 A–E ＋ X 六級標示統合分析／大型 RCT／觀察性關聯／機制假說／我的歸納／行銷宣稱，並列出所有僅有二手來源的數字；一般教育資訊非醫療建議（hub＋9 篇原子筆記，持續更新）
• 藏傳佛教深入研究——歷史、四大教派、金剛乘教義、修行次第與轉世制度 — 從佛教傳入吐蕃（前弘期／後弘期）、四大教派（寧瑪、噶舉、薩迦、格魯）的傳承與哲學分歧（自空／他空、密續之見是否更高），到三士道、四部續、生起與圓滿次第、加行與上師瑜伽、大手印與大圓滿；並處理祖古／活佛制度的制度邏輯、金瓶掣籤與當代轉世爭議（2007 年活佛轉世管理辦法 vs 2025 年達賴喇嘛聲明，兩造並列）、法器與儀軌的符號學、與漢傳／南傳的異同、十二個常見誤解。全程以 A–E ＋ X 六級分辨學術共識／主流但有爭議／教派傳統說法／政治爭議／我的歸納／誤傳，中立客觀、不傳教不貶抑（hub＋10 篇原子筆記，持續更新）
• best 半熟蛋糕——做法研究（在家重現最佳半熟口感） — 把「半熟」拆成一個溫控問題：讓中心停在窄窗口、邊緣越過它。涵蓋蛋的凝固溫度（蛋白 62–65°C、蛋黃 65–70°C、蛋奶糖 80–85°C）、糖與澱粉如何改寫凝固點、水浴的兩個物理效果、餘溫與冷藏定型；三份完整配方（克數＋烘焙百分比）——半熟起司蛋糕（140°C 水浴、中心 63–66°C）、巧克力熔岩（220°C 短烤，附把流心與時間解耦的冷凍甘納許夾心法）、半熟卡士達布丁（150°C、中心 78–80°C）；再加關鍵步驟的原因、十二種失敗的症狀→原因對照、香港材料與小焗爐調整、保存與回溫。含完整食安章節（FDA 71°C 門檻、香港食安中心巴士德消毒蛋 55–60°C／60 分鐘以上），三款風險分級並列（hub＋9 篇原子筆記，持續更新）
• 2026 男士時尚穿搭——趨勢與實用穿搭法 — 把「會過期的趨勢」與「不會過期的原則」徹底分開：趨勢全部集中在一篇（SS26／FW26-27／SS27 秀場報導，棕色主調＋群青藍與胭脂紅、紅色接棒酒紅、運動套裝平反、仿毛皮、全皮革、大格紋、細領帶；Pantone 2026 年度色 Cloud Dancer），其餘各篇只寫長青原則——五個合身檢查點（肩線誤差 1 cm、袖口露 1–1.5 cm、微反摺）、比例與中性色骨架、dress code 八級階梯（並列 business casual 無公認定義的衝突）、30 件膠囊衣櫥與每次穿著成本、身形的四個視覺機制（不是禁令）、配件與鞋履、12 組實戰搭配公式與「四旋鈕」模型、十二個常見錯誤＋偽規則清單。全程以 A–E ＋ X 六級分辨可驗證事實／業界共識／當季趨勢／主觀品味／我的歸納／偽規則（hub＋9 篇原子筆記，持續更新）
• 量化模型全解析——「Quant Model Tier List」圖中全部模型深入研究 — 以一張社群迷因式排名圖（S：Markov Chains／Bachelier／Black-Scholes／Heston-SABR／Transformers／Linear Regression；A：ARCH-GARCH／PCA；B：ARIMA 族／Kalman／Autoencoders；C：HMM／VAEs-GANs；D：Trees／Nelson-Siegel）為起點，逐一拆解全部 15 格約 20 個模型的數學結構、假設與失效模式：定價（Bachelier 的算術布朗運動與 2020 年負油價下 CME 改用它、Black-Scholes 的 PDE 與 1987 年後波動率微笑對其分布假設的否證、Heston 的特徵函數與 Feller 條件、SABR 的翼部爆炸與 shifted 版本、粗糙波動率 H ≈ 0.1 對兩者的挑戰）→ 迴歸與時序（OLS 與 Fama-MacBeth、偏誤－變異分解為何在低訊噪比下偏好簡單模型、ARIMA 為何在報酬上必然退化成白噪音、GARCH(1,1) 的持續性半衰期與 Hansen-Lunde「分資產兩半相反」的真實結論）→ 狀態空間（馬可夫性質作為整張圖的地基、信用評等轉移矩陣的非馬可夫實證、Kalman 增益即訊噪比且 Q/R 只是換名字的窗長、HMM 濾波與平滑機率的落差就是回測幻覺）→ 降維（PCA 三因子與 Nelson-Siegel 固定負載的取捨、為何「輸出是函數而非向量」才是關鍵）→ 機器學習（樹無法外插、條件 autoencoder 把非線性放在 β 上、生成模型造不出訓練資料裡沒有的事件類型、Transformer 在九個資料集上輸給一層線性模型）。核心主張是這些模型回答不同問題、判準不可共量，故以「回答什麼問題」重新分組並逐級評價（Trees 應為 A 而非 D、Transformers 應為 B 而非 S、Nelson-Siegel 被多數央行每天使用卻墊底），並指出整張圖最大的結構性空缺：投資組合建構與執行（Markowitz、Kelly、Almgren-Chriss）完全缺席。全程分 A–E ＋ X 六級分辨數學事實／可複現實證／單一來源／業界共識／我的判斷／這張圖的主觀排名；非投資建議（hub＋14 篇原子筆記，持續更新）
• 日本盆栽全方位研究——歷史、工序、技法、認證、工具與市場 — 把盆栽拆成四件事：它從哪裡來（中國盆景傳入年代無確證、《春日權現驗記繪》的三處出入、《鉢木》、江戶園藝熱、明治定名、關東大震災催生的大宮盆栽村與 1928 年「持盆栽十鉢以上／不建二層樓／生籬／門戶開放」的居住規約）→ 工序（實生・挿木・取木・接木的時間成本與樹形代價、環狀剝皮為何要刮形成層、赤玉土・鹿沼土・桐生砂的配比沒有標準答案但有判準、松柏類不可全洗土、換盆後一個月不施肥）→ 技術（剪定／芽摘み／葉刈り／芽切り四個被中文統稱「修剪」卻目的相反的作業、黑松短葉法的完整前後配套與五葉松不做芽切り、針金 45 度與「寧可重纏兩次不要陷進去一次」、ジン・シャリ的石灰硫磺合劑工序與水吸い必須留住的生理學底線、主要樹形與尺寸分類的混亂）→ 體系（日本沒有盆栽的國家資格：所有「盆栽士」皆為民間團體所發且至少兩個團體同名；日本盆栽協會是一般社團法人而非公益社團法人、1965 年設立、初代會長吉田茂、設公認講師制度但審查要件查無公開資料；查無「重要盆栽」制度，實際存在的是「貴重盆栽」登錄，1980 年起至 2010 年 750 點、第 1 號為岸信介的花梨；全日本小品盆栽協會為公益社團法人且認定講師依審查基準授予；伝統工芸士由一般財團法人認定、樹沒有、盆可能有；BCI 是名錄登錄制而非考試；這一行真正的憑證是師承與獲獎履歷）→ 工具、盆器、展覽與市場（又枝切的凹面癒合原理、三條產地與昌國、平安東福寺與月之輪涌泉、中國鉢古渡／中渡／新渡分層；國風展 1934 年創辦而 92 年辦了 100 回的算術、雅風展、世界盆栽大會；輸出統計的口徑陷阱——盆栽單獨品目 2023 年 9.2 億日圓 vs 植木・盆栽合併 126 億日圓差一個數量級）。另有十四則常見誤解（室內養、盆小所以長不大、所有松都能芽切り、盆栽有三大流派——日本盆栽沒有家元制度）。全程分 A–E 五級＋查證缺口標示，並誠實列出四個結構性限制：技法無學術文獻、協會官網無法抓取、商業來源的動機偏差、中文轉譯的術語合併損耗（hub＋13 篇原子筆記，持續更新）
• 日本麻將（立直麻將）深入研究 ─ 天鳳心得 — 以 mjcopilot 立直麻將學習資料頁 的 57 條連結為核心書單（逐條開啟讀過，2 條無內容已標註），整合三十餘本日文戰術書的中文漢化成一套由淺入深的天鳳實戰指南。核心主張是：天鳳的段位制度不是計分方式，它改寫了規則本身——特上與鳳凰東南戰的三位是 0 pt、四位重扣（九段 −165、十段 −180），而一二位加分固定，於是「避開四位」的價值高於「爭取一位」（鳳凰七段：4→3 位值 +135，2→1 位只值 +45），所有天鳳特有心得都從這條算術推導出來。內容涵蓋：基礎（全銃制與振聽為何讓日麻比國標更重防守、符飜速記法、33 個役裡先學 15 個、四大核心役出現率皆 >20% 而其餘斷層掉到 0.25%–5%）→ 牌效率（5 block 框架、雀頭效率單獨成章、搭子序列 12・89 ＜＜ 24・68 ＜ 13・79 ＜ 35・57＝46 ＜＜＜ 45、吃 2 倍速碰 4 倍速、役牌對子實質進張 8–10 枚、四連形＞中膨形＞亞兩面、切牌四分類框架）→ 防守（危險度 ∝ 可構成的待牌形數量、現物／字牌／壁／筋的完整階梯與雙筋的正確理解、中盤後生張字牌反而危險、里筋跨筋「本身不特別危險」的精確版本、全棄要算「下一巡還剩什麼」）→ 押引（「聽牌就進攻沒聽就棄和」是基準線不是答案、三位天鳳位對模擬軟體也算不出的灰色地帶的分歧、4 位率 ← 放銃率 × 放銃素點 ← 立直）→ 讀牌（十八分之一理論、逆切推斷 2 面子完全形、副露讀牌 Lv0–Lv6，以及「讀牌只能是蛋糕上的草莓」）→ 天鳳特化（官方 pt 表全收錄，並自行推導安定段位公式 ＝ ((1 位×60＋2 位×30)÷4 位−20)÷10，證明它是「pt 期望值為零的段位」的代數結果、且只適用鳳凰東南；各段位該調整什麼、破段的四個典型原因）→ AI 與流派（Suphx 2019 年達十段但是特上桌而非鳳凰、是十段而非天鳳位、NAGA 的 0.001 pt 微差不該當正解、數據流擅長理論／模擬流擅長例外、以及運勢流「亞空間殺法」的機制無據但定石未必無用）。全程分 A–E 五級標示規則事實／牌理數據／來源分歧／經驗談／我的判斷，並列出本領域特有的四個查證限制：原始統計表不公開、來源皆為民間漢化、規則差異常被忽略、強者的分歧是真實的灰色地帶而非噪音（hub＋15 篇原子筆記，持續更新）