2026年9月29日 星期二

RAV4 駕馭筆記

我的大玩具 RAV4 交車 9 天來已跑 400 公里以上, 往返高雄 8 次 (9/18 回鄉下, 9/20 回高雄, 9/23 回廠補裝腳踏板, 9/24 回鄉下, 9/25 回高雄 + 回鄉下, 9/26 回高雄 + 回鄉下, 9/28 回高雄), 開起來非常舒適, 菁菁與姐姐前天第一次坐非常喜歡, 說空間寬敞還有電動坐椅, 已取名為小白. 不過我目前僅知道如何開車而已, 對車上多媒體功能與方向盤按鈕還不熟, 菁菁建議我搜尋 YT 教學影片學習最快, 以下是我趁中秋連假時看影片的筆記 : 


1. 開啟與關閉車門 : 
  • 鑰匙接進門邊約 1 公尺觸摸一下門把上的小橫溝, 輕拉拉門把即可開門, 後照鏡會自動打開.
  • 在開啟狀態下腳踢後車廂車底, 然後人要往後退一公尺 (這很重要, 否則會不動作), 後車箱門會自動開啟, 要關閉的話按上掀後車廂門底部的兩個按鈕即可, 左側是只關後車箱門但不鎖車; 右側按鈕是只關後車箱門同時鎖車. 
  • 關閉車門後再觸摸一下門把上的小橫溝就會自動收起兩邊後照鏡, 同時鎖車, 如果未鎖車, 手機的和泰智聯 App 會不斷收到未鎖車通知, 可用 App 遠端鎖車. 
  • 按壓遙控器上的按鈕也可以開啟或上鎖車門, 長按第三個按鈕 3 秒以上聽到嗶一聲放開可開啟後車廂.
  • 駕駛座方向盤左邊有一個按鈕, 長按 3 秒以上聽到嗶一聲放開亦可開啟後車廂. 
2. 開啟油箱蓋與引擎蓋 :
  • 油箱蓋與引擎蓋開關位置在方向盤左下角.
  • 加 92 以上汽油, 但不要混油 (建議固定加 95).
  • 將手伸進引擎蓋空隙向左撥即可將引擎蓋上掀, 拉下蓋上支撐桿插入左方小洞即可立起引擎蓋. 
3. 駕駛艙調整 :
  • 座椅左下方有三個按鈕可調整座椅位置, 由前往後分別是前後高低調整鈕, 椅背調整鈕, 與腰靠調整鈕. 調整好後可按一下左車門上的 Set 鈕, 再按 1/2 鈕記憶起來 (可記憶兩個駕駛人座椅位置), 此為旗艦版以上才有的功能. 
  • 方向盤左下方的撥桿往下拉, 可以調整方向盤位置, 調整完要記得往上拉鎖定. 
  • 按左側門上的 R/L 切換鈕可調整左右照後鏡位置. 
  • 旗艦版以上有搭載電子照後鏡, 將下方撥桿往下按可切換為傳統鏡面, 往上拉切回墊子照後鏡. 
  • 排檔為六速手自排, 除了一般 P/R/N/D 檔外還有 S 檔, 下坡時可用來做引擎剎車, 先打到 D 檔再往左打即可進入 S 檔. 
  • 排檔桿左下方有 EPB 電子手剎車 (左) 與 Auto Hold (右) 兩個按鈕, 停等紅燈時按下去可將車子剎住, 右腳毋須踩剎車, 只要腳踩油門就會自動放開. 
  • 天窗控制鈕在上方, 左側兩個是透氣通風, 右側兩個是全開. 
  • 方向盤左側撥桿控制車燈 (近遠燈, 霧燈), 建議放在 Auto, 會依據前方有無車輛自動切換遠近燈, 雨天則可開啟前後霧燈. 
  • 方向盤右側撥桿控制雨刷, 往上撥是刷一下, 往下撥是全自動.
  • 方向盤左邊是儀錶板與多媒體控制鈕, 可開啟語音助理, 調整音量, 切換上/下一首音樂, 控制 HUD 抬頭顯示器等.
  • 方向盤右邊是跟車與定速控制鈕, 

參考 : 





2026年9月27日 星期日

2026 年第 37 周記事

本周因周五為中秋節, 只上四天班 (下周也是, 下周一為教師節), 感覺真好. 週六去岳父農舍烤肉, 今天則是在自家曬穀場烤肉, 菁菁的朋友帶來小型鐵板燒, 是在嘖嘖募資買的, 我覺得很方便耶. 這次發現我家曬穀場非常適合烤肉, 回高雄打算買個露營摺疊桌, 下周要在窗框上裝一盞燈, 這樣烤肉時燈光會更亮. 

週四下午接到管理室通知, 說二哥的兵役徵集令來了, 但不是這學期才要畢業嗎? 他應該也收到簡訊通知, 去教官室詢問, 才知因為他延畢一學期, 學校緩徵名冊似乎出了問題, 兵役課才發出徵集令, 學校已出具證明書, 下周二上班要去區公所辦理緩徵, 但效期是一個月, 學校那邊也要辦妥學期緩徵. 

想了很久要買 Mac Mini, 週五中秋節那天終於下單買了 (M6 + 32GB RAM + 512GB SSD), 預計 10/12~10/17 才會到貨. 我打算用來架設本地推理模型 + OpenClaw + Hermes + OpenCode, 對於開發中小型專案應該是足夠的. MSI 桌機則主要拿來測試用, 因為 RTX3060 較耗電, 24 小時開機不太划算. 

今天趁著菁菁她們在烤肉, 我終於動手整理鄉下家客廳前方的雜物, 清理後打算放一張書桌, 這樣二哥或姐姐她們回鄉時要趕工才有地方坐, 下周目標是整理之前的書房, 最大的困難是那台被白蟻吃掉的舊鋼琴 (別人給的), 可能需要用榔頭敲碎丟垃圾車. 那間書房最終要改成一間臥室. 總之, 在退休前要把鄉下老家大改造一番. 

2026年9月26日 星期六

購買 Mac Mini (M6 + 32GB DRAM + 512GB SSD)

由於我的 MSI 電競桌機若 24 小時不關機, 用來做本地模型推論耗電量不低, 參考 :


若要建置一台常駐的本地模型推論節點, Mac Mini 是性價比最高, 門檻最低的選擇, 且適合作為 24 小時不關機的常駐伺服器 (待機約 4W~6W, 進行推論時約 35W~65W, 平均功耗約 8W~15W), 以家用電費每度 $3.5 元估算, 每月電費支出約 30 元 :




今天上蘋果網站查詢 Mac Mini 價格, 發現 M4 CPU 產品已下架, 全部升級為 M6 與 M5 Pro, 如果挑選 48GB 以上的 DRAM, 必須改選具備多通道記憶體控制器的 Pro 晶片 (即 M5 Pro CPU), 這樣整體價格來到昂貴的 $80900 元, 因此只好退而求其次, 選擇 M6 + 32GB DRAM + 512GB SSD, 價格為 $50900 元 :





不過, 大專院校學生可以在蘋果的教育商店以 $46890 元優惠價購買 : 


因二哥這學期即將畢業, 所以還可以用他的 edu.tw 學生 E-mail 信箱透過 UNiDAYS 認證以教育版價格購買 (輸入學校配發的教育信箱 edu.tw, 前往該信箱點擊確認連結後完成驗證並返回 Apple 商店以 $46890 結帳) : 




可選擇三期無息分期 :




需要兩周才會交貨 : 




512GB SSD 是 CP 值最高的折衷選擇 (若升級 1TB 須加價 $10500 元), 用 Mac Mini 來跑本地推論來說足敷使用 :
  • macOS 系統與保留空間 (約 40 GB~60 GB) :
    包含系統核心, APFS 快照與基本虛擬記憶體 Swap 等. 
  • 開發工具鏈 (IDE, Python, Docker 等約 30 GB~50 GB) :
    VS Code, Homebrew, uv/conda 環境, 常用容器等.
  • 開源模型 : 
    • qwen2.5-coder:14b (約 9 GB) 
    • qwen2.5-coder:32b (約 20 GB)
    • deepseek-r1:14b (約 9 GB)
  • 自由可用空間 (約 300 GB~350 GB)
也可以透過機身後方的 Thunderbolt / USB4 連接埠 (速度高達 40Gbps) 擴充儲存, 例如 : 


MSI 桌機 RTX3060 耗電估算

前陣子用功率計測量我那台 MSI 桌機功耗, 發現一般文書作業時約 50~60W, 跑 Ollama 用本地模型推論時約 120~150W, 我叫 Gemin 根據這數據推估每個月平均電費, 推算基準數值如下 :
  • 1 度電 = 1,000 瓦時(Wh)
  • 每月以 30 天(720 小時)計
  • 閒置功率取中位數:55W   
  • 推論負載功率取中位數:135W
不同使用情境的耗電度數預估 : 
  • 情境 A (純閒置掛機) : 24 小時皆閒置 (無推論任務), 約 39.6 度
  • 情境 B (輕度推論) : 每天累計推論 2 小時, 其餘 22 小時閒置, 約 44.4 度
  • 情境 C (中重度推論) : 每天累計推論 6 小時, 其餘 18 小時閒置, 約 54.0 度
  • 情境 D (極端全速滿載) : 24 小時不間斷推論, 約 97.2 度
計算範例 (以情境 B 為例) :




每月電費估算 : 

台灣住宅用電採累進費率 (家戶平時已有冰箱, 冷氣等基本用電, 新增的桌機用電通常會落在中段級距, 約每度 2.5 ~ 4 元). 自住住宅以平均每度 3.5 元估算 :
  • 純閒置 : 約 139 元 / 月
  • 輕度使用 (每天跑 2 小時) : 約 155 元 / 月  
  • 中度使用 (每天跑 6 小時) : 約 189 元 / 月
以中度使用來看, 比起 Claude/GPT/Gemini 月費 600 多元來說, 大概是 1/3 費用. 

2026年9月24日 星期四

三民買簡體書 1 本 : 打開量化投資的黑箱(原書第3版)

今天找到一本很棒的量化投資書籍 :


這是華爾街資深量化對沖基金經理人 Rishi K. Narang 所寫的經典書籍 "Inside the Black Box: A Simple Guide to Quantitative and High-Frequency Trading" 的簡體中文版, 原著第一版於 2009 年由 Willy 出版, 後來因應 2010 年美股閃電崩盤以及演算法技術升級, 作者又進行了大量重寫於 2013 年出版第二版, 大幅擴充高頻交易與反思系統性風險等內容. 

作者曾創辦並主持量化投資顧問公司 Telesis Capital LLC, 專注於量化交易系統評估與量化基金投資組合配置. 在 Narang 的這本經典之作中並無任何數學公式或程式碼, 他是從頂層哲學視角將量化系統拆為 Alpha 模型, 風險模型, 交易成本模型與部位構建. 讀懂這本書才會明白每一行量化程式碼背後是在解決哪個環節的問題.

此書中文版僅有中國機械工業出版社的簡體版而已, 博客來與天瓏都只寫第二版, 三民的第三版可能是出版社重新引進, 換封面或重新排版再刷的中文譯本版本號, 因為原版最新也只有第二版. 由於三民打 79 折, 所以就在三民買 :




7-11 至興店取貨 469 元. 

2026年9月23日 星期三

OpenAI API 儲值 10 美元

昨天用 LINE 串接測試 OpenClaw 生圖, 發現它特別吃 token, 幾番生圖下來就把剩餘的 3.5 美元吃光, 檢視 OpenAI 的 Billing 頁還欠 0.24 美元 : 




不過用光了也好, 反正去年 10 月儲值 5 美元後一直沒在用, 是最近玩 OpenClaw 才有用, 一年到期如果沒用完會被沒收. 按 "Buy credits" 鈕可再儲值, 考量後續還有很多測試要做, 所以這回儲值 10 美元 (現在最低要儲值 6 美元了) : 





扣掉欠債 0.24 美元, 剩下 9.76 美元, 刷 LINE Pay 卡支付 :




役男線上申請短期出境

因 11/23~11/28 要帶爸前往京都賞楓, 二哥那時論文口考應該完成了, 可以一起去看看. 想起五月去沖繩時, 小姨子與高中剛畢業外甥同去, 在機場報到時有提到役男服役前出國旅遊要先申請, 出境時要連同護照給移民署那關檢查, 今天打電話詢問區公所兵役課, 原來是要在出國前去內政部役政司網站申請後下載 pdf 檔列印 (因效期為一個月, 不要太早去填, 建議出國前兩周~三天前去申請) : 


按底下的 "進入役政司" 鈕 :



拉到最底下, 按 "役男線上申請短期出境線上申請" 鈕 : 




按 "線上申請" : 




拉到最底下, 勾選 "完全同意與了解上述事項" 後按 "進入填寫頁面" 鈕 : 



 
填寫完畢按 "確定送出" 即可 :




11/23 出國大約 11/5~11/20 之間去填寫即可, 核准後下載 pdf 列印出來出境時要提交. 

好書 : 活用數學交易選擇權

昨天整理臥房書櫃, 找到這本 2009 年買的書 (天啊! 17 年前), 拍拍灰塵後翻閱, 發現當時只看了前兩章就擱下了 (滿滿的數學呵呵). 此書為寰宇出版, 藍子軒翻譯自 C. B. Reel 於 2005 年出版的 "The Mathematics od Options Trading", 書附光碟一片, 內有兩個 Windows 程式 Expectation.exe 與 DailyCheck.exe, 這種 32 位元的舊軟體在目前 PC 上可能已無法執行. 

雖然是年代久遠的老書了, 但其中第 2~5 章介紹的是不隨時間改變的選擇權底層數學原理部分 (機率論, 部位管理與敏感度模型等), 在過去的幾十年並未變動值得一讀 :
  • 第二章 : Statistics, Probability, and Other Wonders (統計, 機率與其他好用的數學工具)
    建立選擇權交易必備的統計學基礎, 包含常態分佈, 標準差與報酬機率分配, 偏態與峰態 (解釋為何市場實際波動往往有肥尾 (Fat tails) 而非完美的常態分佈. 學習目標是在撰寫 Python 模型或分析回測時能深刻理解底層分佈假設與真實市場的落差. 
  • 第三章 : Visualizing Option Structures and Strategies (將選擇權的架構與策略圖形化)
    用圖形化與代數化方式來解析選擇權基本組合. 此章重點內容為探討買賣雙方在不同履約價下的損益平衡點 (Breakeven) 與風險邊界, 並透過代數公式表示各類價差單 (Vertical Spreads 等) 的線性/非線性回報輪廓.
  • 第四章 : Mathematical Expectation and Optimal Position Size (數學期望值與最佳部位規模)
    這是本書含金量最高的一章, 聚焦於解決 "該不該進場" 與 "該壓多少資金" 的問題. 學習重點有二 : 
    • 數學期望值 (Mathematical Expectation / EV) :
      如何將各價格區間的發生機率與損益加權, 計算一筆策略的長期期望回報.
    • 部位規模控制 (Position Sizing) :
      借鑑凱利準則 (Kelly Criterion) 與資金管理邏輯, 說明即使期望值為正, 重倉或滿倉依然可能因為連續回撤而爆倉 (破產風險 Risk of Ruin). 
  • 第五章 : Volatility and Sensitivity to Change (波動率與敏感度分析)
    拆解選擇權定價靈魂-波動率與希臘字母, 這是所有衍生品定價模型的基石, 不論是用 Black-Scholes 還是進階的二項樹模型, 其原理都一樣, 主要介紹下列內容 :
    • 歷史波動率 (HV) 與隱含波動率 (IV) 的計算差異.
    • Delta, Gamma, Theta, Vega 的數學定義與動態連動.
    • 波動率隨時間流逝對價內/價外選擇權的時間價值衰減影響.
其餘探討市場結構與實務工具的章節則已過時. 我叫 Gemini 列舉此書過時與未討論的課題摘要如下 : 
  • 目前市場交易量極大比例集中在 0DTE (零日到期期權) 與 Weekly Options (每週選擇權), 它們的 Gamma 暴衝與日內波動特性, 在傳統按月結算的架構下並未涉及. 
  • 現代造市商與交易員對厚尾風險 (Tail Risk), 跳躍擴散模型 (Jump-Diffusion), 局部/隨機波動率模型 (如 Heston Model) 的依賴度極高, 而這本書則假設波動率對稱或簡化處理. 
  • 2005 年的書通常使用靜態試算表 Excel/VBA 或手動計算, 現代量化交易與分析幾乎全面採用 Python 的 scipy, numpy 或 pyql / QuantLib 等函式庫. 
實作方面, 歐萊禮 Yves Hilpisch 寫的 Python for Finance 會更實用. 至於這本老書, 我希望能在明年春節前看完 2~5 章. 

OpenClaw 學習筆記 : 在樹莓派 Pi 4 安裝 OpenClaw (十)

本篇旨在記錄 LINE 頻道無法傳出圖片問題. 本系列全部測試文章索引參考 :


在前一篇測試中, 我們利用 ngrok 提供的 https 網址, 在後面添加 /line/webhook 做為 Webhook, 當 LINE 訊息伺服器接到使用者訊息時便會透過 tunnel 穿透, 將訊息轉發到樹莓派 Pi 4 的 LINE 頻道模組處理 (利用 Webhook 網址), 再交由雲端 LLM 做出回應. 

實測發現, 將串接 OpenClaw 的 LINE 官方帳號加為好友後, 文字對話都沒問題, 但若叫它生成一張圖片, 回應說生好了, 但實際上卻沒傳回圖片 :




但改用 Telegram 叫小龍蝦生圖都沒問題 : 




在 Telegram 中測試生圖, 要求它要傳回圖片在本機中儲存的位置, 發現是放在 /home/pi/.openclaw/media/tool-image-generation/ 下 :




檢視 ~/.openclaw/media/tool-image-generation/ 下確實有生成的 png 圖檔 : 

pi@pi4b:~ $ ls -l ~/.openclaw/media/tool-image-generation/   
總用量 8900
-rw-r--r-- 1 pi pi 1453948  9月 22 11:15 cute_cat_2026-09-22---90b5cdfd-1323-44aa-80e7-0f6d1c7447c7.png
-rw-r--r-- 1 pi pi 1747312  9月 22 09:25 cute-cat-2026-09-22---c4514317-ab31-43c0-a704-87be7e66a547.png
-rw-r--r-- 1 pi pi 1374420  9月 22 10:33 cute-cat-512-source---d8bf61db-7b4d-4d4e-bc4c-824d46712638.png
-rw-r--r-- 1 pi pi  330464  9月 22 10:33 cute-cat-512x512.png
-rw-r--r-- 1 pi pi 1739107  9月 22 07:25 cute-cat-good-morning-2026-09-22---00e8e57b-f025-441a-b508-0d4131d617fa.png
-rw-r--r-- 1 pi pi 2459908  9月 21 16:33 cute_cat_good_morning---410cab78-268a-41d8-ab89-bc5311fea110.png

這樣就排除了模型有無生成圖片的疑問, 與 Gemini/M365 Chat/ChatGPT 討論, 推測可能是  OpenClaw 的 LINE Connector 收到圖片檔案路徑後不知道如何把本機檔案轉成 LINE Image Message, 所以只送出文字回覆, 而 Telegram 的 Connector 則能直接上傳該檔案, 所以看來並非 OpenClaw 設定有問題, 而是此版本的 LINE connector 有 bug, 或者傳出圖片為待實作功能. 直接問 OpenClaw 原因, 回覆如下 :




想要再次生成圖片卻出現錯誤 :




意思是我的 OpenAI API 額度不足, 進入 OpenAI 的 Usage 頁面查詢, 果真之前買的 credit 被這兩天的生圖測試用光啦 :





看來要再課金才能繼續用啦!

2026年9月22日 星期二

PChome 購買鎧俠 128GB 隨身碟 x 2

晚上滑臉書時看到 PChome 廣告, 鎧俠 128GB 隨身碟兩支 699 元, 幾乎是買一送一 (查 momo 一支要 799 元), 下單買了一組 :






刷 momo 卡 699 元. 這兩顆隨身碟打算用來插在 Mapleboard 後面當下載碟用. 

鎧俠為日本廠, 其產品特點 CP 值高, 讀取速度還可以, 但寫入速度則偏慢.