Posts

過去一個月，我真的像是進入另一種開發模式。從 Web 到 iPhone Simulator、從 feature worktree 到獨立驗證環境，我把整套全 Agent 開發流程慢慢補齊。這篇文章整理八個我目前最有感的實戰建議。

上週，一場圍繞著Python library: chardet的授權爭議，在開源社群大爆炸——這極有可能是開源世界大核彈。 為什麼影響這麼大？因為 chardet 的使用範圍極廣，每月約1.3 億次的下載量。 題外話，chardet是 Python的字元編碼偵測工具—— 想像一下，我不知道這個套件時，我如果拿到亂碼的文字檔案，我就會開啟vscode change file encoding亂猜。 這個套件就是讓你不用猜，chardet 會自動偵測出來UTF-8、Big5、Shift-JIS 還是 GBK 如果你不知道chardet，那以一定聽過requests，requests正是chardet的使用者。 本文基於 Simon Willison 的分析、GitHub Issue #327 的 211 則討論、以及 The Register 的報導，深入拆解這場爭議的每一個爭點。 故事的起點：一次「輕描淡寫」的版本發布 2026年3月4日，chardet的維護者Dan Blanchard發布了7.0.0版本，發布說明裡寫著： Ground-up, MIT-licensed rewrite of chardet. Same package name, same public API — drop-in replacement for chardet 5.x/6.x. Just way faster and more accurate! 翻譯過來就是：我們從零重寫了整個專案，把授權從 LGPL 改成了 MIT，而且更快更準。 這個改動有多大？LGPL 到 MIT 的轉變，也就代表所有下游使用者可以不必開源了。 但問題是——他有權這樣做嗎？ 原作者的怒火：「你們沒有這個權利」 隔天，一個消失了15年的名字重新出現在GitHub上。 Mark Pilgrim——chardet的原作，同時也是《Dive Into Python》的作者——開了一個Issue，標題直截了當：No right to relicense this project。 ...

最近龍蝦很多，但就是個仰賴包裝的產品。Claude Code (CC) 的失敗就在於宣傳，說實話能力都有到，就是主打給工程師用，離大眾的距離就遠了。 龍蝦的宣傳，搞得自己像是讓一般人變成工程師的橋樑，你上橋才發現盡頭不是對岸，是一堆爬不過的山頭，架 server、拿固定 IP、算 token 成本，這堆麻煩事都省不了。 講白了，龍蝦就是 CC 加上讓你以為你可以的宣傳，但難關終究要面對的。 既然要讓 CC 全天候運轉，那麼就要解決一個問題，就是可以遠端進去開發跟用手機下指令。 於是我就入手了一台 Mac Mini，專門當作 24 小時的遠端開發伺服器。 以下就分享我的實作筆記。 畢竟坑都踩了，總要記錄一些什麼下來。 下面的步驟你可以請CC幫你看，軟體設定的部分幫你做好，硬體的跟UI的設定，讓CC提醒你要做什麼。 Step 1：基本設定 — 讓 Mac Mini 永不休眠 關閉自動睡眠 到 系統設定 > 能源 中： 設定 值 原因 防止自動進入睡眠（顯示器關閉時） 開啟 核心設定，讓 Mac 永遠保持喚醒 喚醒以進行網路存取 關閉 避免 DarkWake 循環 啟用 Power Nap 關閉 避免背景維護觸發睡眠/喚醒 低耗電模式 關閉 避免省電模式干擾 到 系統設定 > 鎖定畫面 中： 使用電源轉接器時，閒置多久後關閉顯示器 → 設為 永不 Terminal 指令加強 sudo pmset -a displaysleep 0 disksleep 0 womp 0 powernap 0 sudo pmset -a autorestart 1 autorestart 1 會讓 Mac 在斷電後自動重開機！ ...

https://youtu.be/cy3SVoNyxuo MCP全稱叫做Model Context Protocol，基本上就是一個讓模型有操控電腦App的橋樑，雖然網路上討論很多，但是大多都是簡單的使用教學，沒有比較深度的討論。這篇文章希望可以更深入的探討要支撐MCP，LLM應具備哪些能力，目前開源模型可以做到什麼程度，以及目前有哪些推薦的MCP工具，未來可能的發展方向是什麼。 這篇文章主要說明…

來到新加坡也滿一年了，過去一年生活滿多波折，過程中每個決定有太多妥協，比起過往在台灣工作或去英國讀書這些昂首闊步、不悔當初的每一步，我更願意將這一年的一次次決定藏到看不見的角落，不過幸運的是，這一年終究是在沈潛與累積中過完了。 不得不說，新加坡真的是一個讓人心無旁鶩的地方，比起出門花錢找樂子，我更願意專注在學習與專案上面。也可能是消費習慣還沒適應，一出門就要大把大把花錢找樂子還是很彆扭，比起台灣的…

2017年我花了一年半時間踏入這個領域，比起會計財稅領域的穩定氛圍，AI技能的技術迭速度與創新環境代讓個人的光環得以顯現，也讓我在2018年開始成為全職資料科學家，並在未來的三年如魚得水，也寫下「非本科系轉職軟體工程師指南」，當時這篇文章在相關關鍵字排行上面可以排到廣告以外前一或二。 不過，也在我安穩的這幾年度過後，我發現自己在工作期間累積的經驗，其實對未來換工作沒有任何幫助，一方面因為這個領域的…

前言 去年開始接觸攝影測量，發現攝影機可以進行精準的三維量測與建模覺得驚為天人，雖然網路上對於理論講解的文章非常多，但把理論應用於實務問題的文章卻屈指可數，偏偏這個領域理論與實務可以說是天讓之別，主要是因為攝影測量精準程度極高，每一像素可以測量的精準程度可以到μm等級，因此需要透過非常多複雜的校正算法來彌補理論與實務的落差，同時理論在實踐時亦牽涉到硬體規格的選擇、參數之對照甚至是校正取像的技巧。 …

由於最近開始接觸工廠產線瑕疵檢測專案，工廠端對於錯誤判釋的可能幾乎是零容忍，因此一直致力於處理到99%準確率以上的模型瑕疵，但是工廠的訓練資料集大多都上萬張，要把所有錯誤標記抓出來實在太痛苦，剛好又被Medium廣告打到這篇文章: How To Train ML Models With Mislabeled Data，於是便開始研究Bi-Tempered Loss這個神奇的損失函數。 不過…先說結…

TronGisPy 簡介TronGisPy TronGisPy是基於Python語言，並以GDAL為底層進行開發的GIS影像自動化處理開源套件，同時也提供機器學習前處裡與後處理的重要功能。為了加速資料處理的開發速度與建置GIS自動化流程，TronGisPy簡化了GDAL的介面，並提供各式方便的Python介面，以利工程師快速開發出有價值且可自動化的應用。由於TronGisPy的所有函式幾乎是基於解…

前言 最近為了使用yolov4，花了兩周把裡面引用到的論文與技術脈絡爬梳了一遍，發現yolov4幾乎整理了近年CNN技術的重要進展，並將能整合進yolov4的技術幾乎都用上了，真的只能由衷佩服。我搭配大量網路文章、影片的解釋，才比較弄懂每一篇論文的重要進展，作者竟然可以分門別類、按時間排序，把每本論文想解決的問題跟解決手段都整理出來，並整合使用在yolov4上，真的是嘔心瀝血之作。 看完這些技術後…