寫 Python、跑模型、做後端、架 pipeline、分析數據，這些事對我來說都不算陌生。但越做越久，我越發現 — — 我會「用」，但有些更底層的東西，我其實沒有學過。

例如：程式寫好之後，compile 到底在做什麼？

Python 不需要 compile，我以前也不太在意；

但真正開始學

職場

學習

以行動支持創作者！付費即可解鎖

軟體開發

資料科學家之路

歡迎來到《桃花源記》專欄。這裡不僅是一個文字的集合，更是一個探索、夢想和自我發現的空間。在這個專欄中，我們將一同走進那些隱藏在日常生活中的"桃花源"——那些讓我們心動、讓我們反思、讓我們找到內心平靜的時刻和地方

Karen的沙龍

語言

程式

課程

基礎

覺得根基不穩？從 CS50 再次找到基礎的力量

本文探討 AWS 與 OpenAI 斥資 380 億美元的多年期合作，AWS 將提供強大的運算基礎設施給 OpenAI，以支援其先進的生成式 AI 模型。文章分析此合作凸顯了 AI 時代「算力」作為關鍵資源的重要性，以及其背後衍生的基礎建設、效能、擴展性與安全性等挑戰。

文化生活

投資理財

科技

討論區

OpenAI

基礎建設

模型

吉卜力

生成

Ultra

挑戰

最近看到 AWS 和 OpenAI 宣布多年期合作的消息

接手「寫到一半的專案」常讓人頭痛，需求、程式碼、版本、註解混亂不堪。本文分享一套實際可行的框架，讓你釐清現況、建立差異清單、制定修復計畫，並依照「跑通→驗證→測試」的策略逐步推進，最終穩定專案並成功上線。

專案

接手

測試

清單

版本

順序

開發

執行

接手寫到一半的專案，我做的第一件事不是「coding」

String = 一個 Unicode 字元的序列。 雖然看起來像 Array，但 大多數語言的字串是 immutable（不可變的）。不可變的原因主要有三個： 1️⃣ 安全：多執行緒或多變數共用同一字串時，不會被偷偷改動。 2️⃣ 效能：可利用 String Pool 共用常用字串。 3️⃣ 穩定：內容固定，hash 值不會變，可當 dict key 或 set 元素。🔹修改字串的正確做法因為字串不可變，頻繁拼接會導致 O(n²) 時間。Python : list 收集 → "".join(list) 一次拼接重點概念：大量修改時，不直接動 String，本質要改成操作「可變結構」。題目如果提到「拼接」「搜尋」「前綴」「進位」「比對」—— 幾乎都在考 String 的 iteration 或 immutable 思維。

贊助珍奶

刷題～ String 的部分

Array 的幾個核心觀念:1. In-place 操作：直接在原始陣列上修改，不建立新結構，節省空間從 O(N) → O(1)。2. Two Pointers（雙指標）：用兩個指標同時移動，常見於排序或區間問題。3. Subarray（子陣列）：連續的一段，如 [2,3,1,2,4] → [3,1,2]。4. Subsequence（子序列）：不必連續，如 [2,3,1,2,4] → [2,1,4]。練習題: 可以思考 return 的條件，有些達到條件即可 return 不用跑完整個 loop (例如： 724. Find Pivot Index、66. Plus One) 2D Array 的概念：用 index A[i][j] 存取資料可分成： 1. 靜態陣列：長寬固定（例：int A[3][4]） 2. 動態陣列：大小可變，可用 arr.append([7,7]) 新增列重點在於： 同時處理兩個維度的座標變化 思考方向： 1. 看 index 變化規律： 遇到明顯的「座標走法」題，優先觀察 i、j 的變化規律。 像對角線題可用 i+j、螺旋題要維護 top/bottom/left/right。2. 想空間結構: 先畫出矩陣，再觀察 travel 順序，會比想演算法更快。3. 規則統整： 大多 2D array 可歸納成 固定方向、循環走訪（Spiral、Snake、Zigzag）、逐層生成（Triangle、DP) 因為寫這些題目就好奇，實務應用可能在哪些情境1. 影像處理：矩陣即像素，每種遍歷路徑都是一種「掃描方式」。 2. 資料壓縮與編碼：對角線或螺旋順序可壓平 2D 資料，同時保留鄰近關聯性。 3. 資料視覺化：螺旋或對角模式常用來轉換高維度資料到 1D 呈現。next : Linked List

繼續更新刷題:Array and string 的後半段


今天參加的 AWS 高峰會，最印象深刻的是: AI Agent 新紀元：從大型語言模型走向主動回應系統寫點筆記心得今年，明顯感受到 AI 進入 Agent 的時代 慢慢的工具已經 ready，重點不在是「能不能用」，而是怎麼有效率且安全的使用。AWS 提到 Agent 的核心組成: LLM + Memory + Planning + Tool Use + ReflectionAI 不只是生成文字，而是用更像是人類的行為模式在解決問題 能「思考、規劃、行動」，甚至根據回饋自我修正。在架構上有三種主要模式： 1.Orchestrator：中央協調者分派任務給不同專業 Agent 2.Agent Graph：多 Agent 互相通訊、形成網狀協作 3.Workflow：任務具狀態性與順序控制，可暫停或恢復可以想像成每個團隊有不同的運作模式，Agent 也可以用不同的模式去build團隊 最後特別是像金融業這種重視授權與合規的領域，光要定義「每個 Agent 能做什麼、能存取哪些資料」就已經不容易。先把框架與工具準備好，建立一個穩定、安全的工作台 再逐步把應用層 build 上去 將會是打造高效 Agent solution 的關鍵

參加 AWS 高峰會簡短心得

來更新刷題心得～這次是 Array and string環節（Array的部分）Array 的幾個核心觀念1. In-place 操作：直接在原始陣列上修改，不建立新結構，節省空間 2. Two Pointers（雙指標）：用兩個指標同時移動，常見於排序或區間問題 3. Subarray（子陣列）：連續的一段，如 [2,3,1,2,4] → [3,1,2]。 4. Subsequence（子序列）：不必連續，如 [2,3,1,2,4] → [2,1,4]。練習的題目可思考 return 的條件 有些達到條件即可 return 不用跑完整個 loop (例如： 724. Find Pivot Index、66. Plus One)2D Array 概念：「矩形網格」結構，用索引 A[i][j] 存取資料可分成： 1. 靜態陣列：長寬固定（例：int A[3][4]） 2. 動態陣列：大小可變，可用 arr.append([7,7]) 新增列核心在於：同時處理兩個維度的座標變化。 遇到題目的思考方式： 1. 看 index 變化規律：遇到明顯的「座標走法」題，優先觀察 i、j 的變化規律。像對角線題可用 i+j、螺旋題要維護 top/bottom/left/right。2. 想空間結構:先畫出矩陣，再觀察 travel 順序，會比想演算法更快。 大多2D 題都可歸納成以下類型：固定方向走訪、循環走訪、逐層生成（Triangle）因為寫這些題目就好奇實務會應用在哪些情境1. 影像處理: 每種遍歷路徑都是一種「掃描方式」 2. 資料壓縮與編碼：對角線或螺旋順序可壓平 2D 資料，保留鄰近關聯性Next : Array and String(String的部分)

刷題心得｜Array and string環節

最近花了兩週時間刷完 Leetcode 的 Arrays 101 🌸🌸🌸 對陣列有了更清楚的認識~ Leetcode 上面的內容整理得很方便學習：概念加上題組~ Array 概念: 1. 把 Array 想像成一個抽屜櫃：每個抽屜都有編號（index），可以放入或取出對應的物品。 2. 在使用上，陣列的基本操作大多圍繞著 search、sort、insert、delete 3. 而題目常見的挑戰是要 in-place 修改（不額外使用額外空間），並且要盡量控制在 O(n) 的時間複雜度。 回顧這些題型，我大概把它們分成幾個方向： 1. 由後往前的指標 → 適合處理覆蓋或需要右邊資訊的題目。 2. 排序類題目 3. 找特定 pattern → 找到之後再做 insert / delete / merge 等操作，有一題印象深刻的是：Valid Mountain Array(蠻可愛的題目) 4. 雙指標法 5. Set 的應用 → 幫助快速判斷元素是否出現，減少重複計算(可善用這個～才比較容易達到 follow-up 的要求) Next : Array and String

 Leetcode 的 Arrays 101

但不得不說，AI 修起來真的又快又好。直到最近刷 Leetcode，必須自己想邊界值、 自己 Debug，反而找回了動手的感覺。我也不確定這樣的投入是不是有價值，甚至未來可能根本不需要 Leetcode 來測驗工程師，但在獲得 accept 的當下，覺得很快樂。

平常寫程式，經常把 error msg 都丟給 AI

想用最簡單的文字，留下這次教學的過程與啟發。

重新認識小朋友 ：認識客戶 profile 永遠是最重要的

這次課程，讓我對小朋友有了全新的認識。現在的小朋友確實比我們那個年代更能接受科技與新方法，但也有對他們新的認識，例如：當他們判斷「這件事跟自己沒有直接關聯」時，就很容易選擇去做別的事，而一旦