自己從圍棋萃取出的單點知識的學習框架做實際應用，這次學習SGF檔案的流程簡單說明 : 找出學習開始與結束，並觀察底層邏輯中的1個存量與1個流量概念。
- 以下透過框架的5步驟，來呈現我學習SGF檔案的結果。
- step 1 - 找出單點知識的基本規則，設定為學習起點
- Step 2：找出單點知識可應用的最小事件，設定為學習終點
- Step 3：從單點知識與規則中，找出結果可能的「存量情境」
- Step 4：從預期失敗的結果，觀察「超出存量負荷」所引發的流量變化
- Step 5：依據底層本質的思考，展示學習單點知識的框架
step 1 - 找出單點知識的基本規則，設定為學習起點
- 我透過AI(chatgpt)，快速找出學習起點。蒐集和整理的資訊如下:
SGF格式的最小單位是節點（Node），由「;」符號開始 以及一組屬性（Properties），由「[]」符號 包住的值組成，舉例 : W[aa] ，這表示這紀錄1手白棋，座標為aa的位置上。
我理解，需要就由一個點去記錄誰與位置，作為判斷棋譜一手棋的關鍵資訊。
Step 2：找出單點知識可應用的最小事件，設定為學習終點
- 我透過AI(chatgpt)，快速找出學習終點。蒐集和整理的資訊如下:
成功讓1手棋的圍棋顯示在擺譜軟體上
Step 3：從單點知識與規則中，找出結果可能的「存量情境」
- 測試實際讀取器上能正常顯示1手棋，最小存量就是 (;W[aa]) 的組合，也就是要先有一個括號再加上一組基本節點的架構。
- 過程中，我作了以下的動作來觀察 :
- 先把我認知的節點單位寫進txt檔案，並另存為sgf格式觀察到無法正常顯示
- 加上括號後，就正常讀譜了，所以試著把節點的符號都拿掉一遍，確實都無法正常運行
- 最後把顯示棋子位置的英文改為大寫以及數字皆無法成功顯示
Step 4：從預期失敗的結果，觀察「超出存量負荷」所引發的流量變化
- 最後我還發現，棋盤的大小也是需要注意的，舉例: 當你的棋盤格是19路棋盤，在節點描述座標的英文字母就不能超過s，所以檔案寫成 (;W[as]) 可以正常顯示，(;W[at])則無法顯示。
Step 5：依據底層本質的思考，展示學習單點知識的框架
以下就是整個框架學習後組合在一起的學習結果 :
- SGF是一種用來儲存棋盤遊戲的格式，是圍棋常見的儲存格式，最小的單位規則為「節點」，例如 : W[aa]，這樣就能在棋盤上記錄1手棋的位置。
- 在W[aa]的這1手棋的格式中，我發現英文字母的大小寫是能否成功顯示棋譜的關鍵，當我把座標改為大寫AA時，就顯示不出來;把W改為小寫w，同樣無法顯示。
- 最後考慮到棋盤的大小，當圍棋是N路棋盤時，表示你的座標不能超過第N個英文字母，舉例 : 19路棋盤，在節點描述座標的英文字母就不能超過s，所以檔案寫成 (;W[as]) 可以正常顯示，(;W[at])則無法顯示。
總結 : 這個框架對我的幫助是甚麼?
在Step5 可以看到一份對SGF 初步階段的認知， 其實這樣就足以寫成一張永久卡片，內容中觀察的存量與流量變化就是屬於個人認知的部分，是最有價值在後續延伸更多的思考方向。
所以我利用CHATGPT 快速設定學習的終點，並實際拆解學習的起點做測試，累積對存量與流量變化的認知，讓其形成一個屬於自己認知的知識迭代。
