[{"content":"","date":"2026年3月29日","externalUrl":null,"permalink":"/categories/","section":"Categories","summary":"","title":"Categories","type":"categories"},{"content":"","date":"29 March 2026","externalUrl":null,"permalink":"/en/tags/dream-of-the-red-chamber/","section":"Tags","summary":"","title":"Dream of the Red Chamber","type":"tags"},{"content":"","date":"29 March 2026","externalUrl":null,"permalink":"/en/tags/literary-simulation/","section":"Tags","summary":"","title":"Literary Simulation","type":"tags"},{"content":"","date":"2026年3月29日","externalUrl":null,"permalink":"/tags/llm/","section":"Tags","summary":"","title":"LLM","type":"tags"},{"content":"","date":"2026年3月29日","externalUrl":null,"permalink":"/","section":"QQder 核舟記部落格","summary":"","title":"QQder 核舟記部落格","type":"page"},{"content":"","date":"29 March 2026","externalUrl":null,"permalink":"/en/tags/rule-engine/","section":"Tags","summary":"","title":"Rule Engine","type":"tags"},{"content":"","date":"2026年3月29日","externalUrl":null,"permalink":"/tags/","section":"Tags","summary":"","title":"Tags","type":"tags"},{"content":"","date":"2026年3月29日","externalUrl":null,"permalink":"/categories/the-workshop/","section":"Categories","summary":"","title":"The Workshop","type":"categories"},{"content":"","date":"2026年3月29日","externalUrl":null,"permalink":"/tags/thermodynamics/","section":"Tags","summary":"","title":"Thermodynamics","type":"tags"},{"content":"","date":"2026年3月29日","externalUrl":null,"permalink":"/ja/tags/%E3%83%AB%E3%83%BC%E3%83%AB%E3%82%A8%E3%83%B3%E3%82%B8%E3%83%B3/","section":"Tags","summary":"","title":"ルールエンジン","type":"tags"},{"content":"","date":"2026年3月29日","externalUrl":null,"permalink":"/zh-hans/tags/%E7%BA%A2%E6%A5%BC%E6%A2%A6/","section":"Tags","summary":"","title":"红楼梦","type":"tags"},{"content":"","date":"2026年3月29日","externalUrl":null,"permalink":"/zh-hans/tags/%E8%A7%84%E5%88%99%E5%BC%95%E6%93%8E/","section":"Tags","summary":"","title":"规则引擎","type":"tags"},{"content":"","date":"2026年3月29日","externalUrl":null,"permalink":"/ja/tags/%E7%B4%85%E6%A5%BC%E5%A4%A2/","section":"Tags","summary":"","title":"紅楼夢","type":"tags"},{"content":"","date":"2026年3月29日","externalUrl":null,"permalink":"/tags/%E7%B4%85%E6%A8%93%E5%A4%A2/","section":"Tags","summary":"","title":"紅樓夢","type":"tags"},{"content":"app url: LINK\n前言 # 上一回主要強調的點\n是要將文字看作本質的符號\n天文、水文、人文等\u0026hellip;所有天地人之文\n它將世界與思想以符合成本的方式映射\n變成我們主要理解以及與客觀世界的工具\n理解這點才會意識到\nLLM(大語言模型)雖然本質只是文字接龍\n但是能力高到一個程度便已是核能級的國之重器\n它的重要性讓我想要驗證它的能力\n並且能夠隨著他能力的提升反覆驗證\n一個堪稱完美的目標就是紅樓夢\n假設有個全知全能的LLM\n它可以在輸入曹雪芹原本紅樓夢前八十回，然後輸出後面的章節\n但因為LLM的訓練資料有限\n就如同題目不完整的數獨一樣無法確定答案\n它現有的能力是在它能夠理解的範圍內，生產力非常高\n紅樓夢模擬器要做的是在這種生產力的協助下\n用傳統結構化的方式，用極少的人力快速產出及累積成果\n假設 # 我們需要一些假設、偏見、理論來讓預測結局的工作足夠可行及機械\n講到準確地預測我直覺想到古典物理學其中的熱力學\n在一個封閉的系統中，熱力學系統如果給定初始條件、運作規律\n則系統的演化可預測且必然的\n另一個假設是，LLM的模型能力會越來越強，\n但在可預見的未來我們不會有更多清朝及曹公的訓練資料\n所以我們可以有一個結構化的工作流程，並且可以讓現在和未來的LLM執行\n初始條件 # 初始條件主要是從小說原本萃取的資料，\n現在我們使用LLM做原本高勞力密集的事情，\n以往人力成本太高，並且人力多也是無法壓縮時間的，\n如果做到一半，想要微調萃取規則重新來過太不實際。\n時間跟成本不再是問題，而萃取的品質則取決於模型的能力。\n例如我提取了：\n主要角色的資訊，性格檔案，家族族譜;\n一百二十回每回角色在那一回的經濟、社會、情緒、健康、人際關係等快照;\n還有基本的賈府的空間地圖，空間資訊;\n所有的對話記錄、詩詞語料\u0026hellip;\n先用不嚴謹但至少覆蓋率高的方式，將所有出現的文本都被提取到某個分類。\n運作規律 # 運作規律我用我的判斷分為兩種，一是基本的世界法則，二是作者的藝術意志。\n這很武斷，但不做某種判斷的話完全無法進行。\n世界法則則不限於且包含了以下基本的項目\n社會：階級、權力、主僕關係、婚姻;\n經濟：收支、債務、抄家風險;\n文化 : 禮教、節慶、封建價值觀;\n心理：角色情緒、性格驅動、內在衝突\n政治: 皇恩、朝廷、外部勢力\u0026hellip;\n藝術意志則是紅樓夢除了沒有結局這個事實，他之所以適合當預測標的的原因，\n那就是曹公在開頭以及全書到處都暗示了角色的命運，\n最具代表性的就是十二金釵的判詞已點出了女一及女二的結局\n可嘆停機德，堪憐詠絮才。玉帶林中掛，金簪雪裡埋。\n規則引擎 # 有了初始條件跟運作規律要如何套用呢\n較理想的方式是建造類似遊戲的3D物理引擎，每個角色有自己所知的資訊，並讓一個ai chatbot 像是演員演繹角色那樣扮演互動\n但是一來這樣成本太高，只是提高觀賞性而已，我們並沒有引入新的資訊，在3D引擎裡也不會有新的結果;\n二來是我們不是做風洞流體力學的物理模擬，而是在猜測曹學芹的想法，目前停留在文字就可以了。\n根據前面提取的資料，歸納出一些運算的主體跟規則，\n實際上就是傳統上針對一件事發生與否的證據、信心、加減過程，\n做系統化可重複、可修改的全面性暴力運算。\n每一回合的模擬步驟為：\n處理延遲效果 — 檢查 pending_effects，到期的立即 apply\n評估所有法則 — 逐條檢查 premises 是否全部滿足（跳過 confidence \u0026lt; 0.3 的）\n衝突解決 — 同時觸發的法則可能矛盾，裁決誰贏\n套用效果 — 有 delay 的排入佇列，沒有的直接修改 state\n快照 — 把當前 state 壓成數值向量\nchapter += 1\n文末附上一個完整的範例，九十八回的黛玉之死。\n工作流程總結 # 以上流程中主要的幾個組件，\n萃取的資料在學術上是不是嚴謹、規則是否合理適用、模擬步驟是否合裡，\n其實不是太重要，因為每個部分都可以分別改進及重新產生。\n已軟體工程的思維來看，我的目標是讓這個引擎在介面上可以良好運作，\n並隨著更多資訊的引入以及方法論的改進，不斷的完善預測結果。\n目前成果：主客觀層次平行對照 # 這裡又要提出一個自己獨斷的方法論，讓它能夠被結構化的比較，\n那就是將推論的引擎的層次主要分為客觀條件以及藝術選擇兩個部分。\n客觀條件 # 成書年代的背景，其中的人物、場景、封建制度、經濟等等都是第一層的客觀條件，這可以限定故事能夠發生的所有範疇，目前已經針對該年代背景及學術文章提取一些客觀規律。\n反過來在那時代實際上有的東西，理論上也能出現並對故事產生影響。\n例如書中已經有一些西方現代物品例如自鳴鐘及懷錶，那如果西方的火槍出現並作為推動劇情的重要物品呢？\n這種第一層客觀條件的可能性窮盡，是未來可以補足的方向，也許可以達到某種情理之中意料之外的效果。\n藝術選擇 # 而第二層則是作者曹雪芹對這個虛構世界的經營，\n書中許多角色以及整個家族的走向帶有濃厚的命運論色彩，\n書中無數的詩詞及隱喻，包括據說看過結局的友人的批注，也暗示這這點。\n所以我們可以依照作者的背景經歷，\n去推測他選擇讓角色有怎樣的命運，\n進而呈現他真正想表達的價值觀。\n交叉比對 # 自此我們可以把高鶚的版本，視為一個最領先的玩家，\n他做的事情其實跟我現在做的事情一樣，\n根據書中人物及背景，去盡可能揣測曹雪芹的藝術選擇。\n並且高鶚他補足了現有結局，讓紅樓夢的流傳度更廣，並且此版本已經被廣泛接受，所以把他的版本放在平行的地位比較。\n寫實模擬 # 而如果撇除所有藝術化處裡，只保留客觀的法則，讓故事自然演進會怎樣呢？\n那就是大部分的情節在一百二十回的長度內不會發生，比較不戲劇化，比較少悲劇。\n提高預測品質的方法 # LLM的能力提高後重新萃取文本\n更多人為介入細修及嘗試不同的prompt\n請紅學或歷史學者協助資料清理及調整引擎邏輯\n更多相關資料出土或是未數位化的資料(若有)納入訓練\n嘗試其他方法論\n固定工作流程，讓ai agent 不斷微調產生許多版本，因沒有明確的終止條件，只能人工判斷品質\n結論 # 因為現存以及預訓練的資料關係，還有紅樓夢作為藝術作品的強烈自洽性，\n不太會有機械降神的預測產生，更多的是內在的差異比較，\n比如賈家實際上被抄家及破敗注定會發生，只是在時間點上的差異。\n最後一點心得 # 原本這種工作至少要一兩年以上，全職一人以上才有辦法完成，\n現在可以利用下班時間就可以扮演另外一種職業，也算是滿足我當年因為經濟壓力轉領域的缺憾。\n希望我實作紅樓夢模擬器中間的思考過程對你有幫助，\n也期望除了電腦科學及自然科學，社會科學也能受益於AI 快速發展。\n附錄 完整模擬過程範例 # 第 97–98 回「黛玉之死」**走過完整六步的範例(以下內容由AI產生）：\n範例：第 97 回 — 掉包計 → 焚稿斷情 → 黛死\n背景狀態（進入第 97 回時）\n經過前面十幾回的累積衰退，林黛玉的狀態已經是：\nagent.林黛玉: health=0.12, mood=0.08, isolation=0.72, tragedy_risk=0.95, alive=True\nagent.賈寶玉: monk_tendency=0.35, mood=0.20\neconomy: debt_ratio=0.65\npolitics: family_decides_marriage=True\nrelation.賈寶玉::林黛玉: marriage_probability=0.15\nrelation.賈寶玉::薛寶釵: marriage_probability=0.72\n黛玉的 health 為什麼會從初始的 0.35 掉到 0.12？因為每一回都有這條法則在默默觸發：\n▎ PSY_E1_DAIYU_DECAY 「黛玉健康緩慢衰退」\n▎ 前提: health \u0026gt; 0.0 AND isolation \u0026gt; 0.3 AND alive = True → 效果: health sub 0.017\n▎ 每回 -0.017，十幾回下來就是致命的慢性消耗。\n① 處理延遲效果\n檢查 pending_effects 佇列。假設第 13 回觸發的：\n▎ FATE_010 「秦可卿托夢：盛極必衰」 delay_chapters: 20\n其效果 economy.spending_pressure add 0.1 早在第 33 回就已到期執行過了。此刻佇列已無待處理項。跳過。\n② 評估所有 369 條法則\n引擎逐條掃描。以下是本回會觸發的關鍵法則：\n法則 A — VAR_MARRIAGE_SWAP「掉包計：瞞天過海嫁寶釵」 conf=0.95\n前提檢查:\nagent.林黛玉.health \\\u0026lt; 0.15 → 0.12 \\\u0026lt; 0.15 ✅ agent.林黛玉.alive == True → True ✅ politics.family\\_decides\\_marriage → True ✅ relation.寶玉::黛玉.marriage\\_probability \\\u0026lt; 0.5 → 0.15 \\\u0026lt; 0.5 ✅ 全部通過 → 🔥 觸發! 法則 B — PSY_E1_DAIYU_DECAY「黛玉健康衰退」 conf=0.9\nhealth \u0026gt; 0.0 → 0.12 \u0026gt; 0 ✅ isolation \u0026gt; 0.3 → 0.72 \u0026gt; 0.3 ✅ alive == True ✅ → 🔥 觸發! 法則 C — VAR_MARRIAGE_DAIYU「木石前盟：寶黛終成眷屬」 conf=0.9\nrelation.寶玉::黛玉.marriage\\_probability \u0026gt; 0.7 → 0.15 \u0026gt; 0.7 ❌ → 不觸發 (寶黛婚姻概率太低) 本回同時還觸發了十幾條其他法則（經濟衰退、政治風險等），但以上是跟黛玉直接相關的。\n③ 衝突解決\nVAR_MARRIAGE_SWAP、VAR_MARRIAGE_NORMAL_BAOCHAI、VAR_MARRIAGE_DAIYU 三條屬於同一個 variant_group（婚姻結局互斥）。\n只有 VAR_MARRIAGE_SWAP 通過了前提檢查，所以沒有實際衝突。但如果黛玉已死（alive=False），則 VAR_MARRIAGE_NORMAL_BAOCHAI 會觸發而非掉包計版本 —\n那是另一條演化路徑。\nPSY_E1_DAIYU_DECAY 的效果是 sub（加法類），跟其他法則不衝突，全部保留。\n④ 套用效果\n法則 A 的效果立即執行（delay=0）：\nmarriage trigger_event BAOYU_MARRIED_BAOCHAI → fate_flags[\u0026ldquo;BAOYU_MARRIED_BAOCHAI\u0026rdquo;] = True\nrelation.寶玉::寶釵.marriage_probability set 1.0 → 1.0\nagent.賈寶玉.mood sub 0.5 → 0.20 → 0.00 (clamp)\nagent.賈寶玉.monk_tendency add 0.3 → 0.35 → 0.65\nagent.林黛玉.health sub 0.1 → 0.12 → 0.02\n法則 B 的效果：\nagent.林黛玉.health sub 0.017 → 0.02 → 0.003\n此時黛玉 health = 0.003，已接近零。\n⑤ 快照\n將當前世界狀態壓成數值向量：\nsnapshot = {\neconomy\\_vector: \\[0.42, 0.82, 0.65, 0.55, 0.80, 0.35], agent\\_vectors: { \u0026#34;林黛玉\u0026#34;: \\[0.003, 0.08, 0.10, 0.00, 0.30, 0.00, 0.72, 0.95], \u0026#34;賈寶玉\u0026#34;: \\[0.80, 0.00, 0.30, 0.72, 0.80, 0.65, 0.42, 0.92], ... }, politics\\_vector: \\[0.0, 0.60, 0.75] }\n這個向量之後會跟 actual_checkpoints.json 裡第 97 回的實際向量做歐氏距離比對。\n⑥ chapter = 98\n進入下一回。此時黛玉 health = 0.003，BAOYU_MARRIED_BAOCHAI = True。\n第 98 回再次跑 ② 時，兩條致命法則同時觸發：\n▎ VAR_DAIYU_HEARTBREAK「焚稿斷情：黛玉心碎而亡」 conf=0.95\n▎ health ≤ 0.05 → 0.003 ≤ 0.05 ✅\n▎ BAOYU_MARRIED_BAOCHAI → True ✅\n▎ → death trigger_event FATE_DAIYU_DEATH\n▎ → monk_tendency add 0.4 → 寶玉 0.65 → 1.0 (clamp)\n▎ → alive set False\n接著 SYS_E19_ZERO_DAIYU 觸發（checkpoint.FATE_DAIYU_DEATH = True），將黛玉所有屬性歸零。\n再過幾回，寶玉的 monk_tendency 到了 1.0 且 mood ≤ 0.15，觸發 VAR_MONK_DESPAIR「萬念俱灰：寶玉出家」。\n","date":"2026年3月29日","externalUrl":null,"permalink":"/posts/stonestory_thermodynamics/","section":"部落格","summary":"","title":"紅樓夢模擬器：熱力學與藝術選擇","type":"posts"},{"content":"","date":"2026年3月29日","externalUrl":null,"permalink":"/zh-hans/tags/%E7%83%AD%E5%8A%9B%E5%AD%A6/","section":"Tags","summary":"","title":"热力学","type":"tags"},{"content":"","date":"2026年3月29日","externalUrl":null,"permalink":"/tags/%E8%A6%8F%E5%89%87%E5%BC%95%E6%93%8E/","section":"Tags","summary":"","title":"規則引擎","type":"tags"},{"content":"","date":"2026年3月29日","externalUrl":null,"permalink":"/posts/","section":"部落格","summary":"","title":"部落格","type":"posts"},{"content":"","date":"2026年3月29日","externalUrl":null,"permalink":"/ja/tags/%E7%86%B1%E5%8A%9B%E5%AD%A6/","section":"Tags","summary":"","title":"熱力学","type":"tags"},{"content":"","date":"2026年3月29日","externalUrl":null,"permalink":"/tags/%E7%86%B1%E5%8A%9B%E5%AD%B8/","section":"Tags","summary":"","title":"熱力學","type":"tags"},{"content":"","date":"22 March 2026","externalUrl":null,"permalink":"/en/tags/eileen-chang/","section":"Tags","summary":"","title":"Eileen Chang","type":"tags"},{"content":"","date":"2026年3月22日","externalUrl":null,"permalink":"/tags/ontology/","section":"Tags","summary":"","title":"Ontology","type":"tags"},{"content":"","date":"22 March 2026","externalUrl":null,"permalink":"/en/tags/prophetic-verse/","section":"Tags","summary":"","title":"Prophetic Verse","type":"tags"},{"content":"","date":"2026年3月22日","externalUrl":null,"permalink":"/zh-hans/tags/%E6%9C%AC%E4%BD%93%E8%AE%BA/","section":"Tags","summary":"","title":"本体论","type":"tags"},{"content":"","date":"2026年3月22日","externalUrl":null,"permalink":"/tags/%E6%9C%AC%E9%AB%94%E8%AB%96/","section":"Tags","summary":"","title":"本體論","type":"tags"},{"content":"","date":"2026年3月22日","externalUrl":null,"permalink":"/ja/tags/%E5%AD%98%E5%9C%A8%E8%AB%96/","section":"Tags","summary":"","title":"存在論","type":"tags"},{"content":"","date":"2026年3月22日","externalUrl":null,"permalink":"/zh-hans/tags/%E5%BC%A0%E7%88%B1%E7%8E%B2/","section":"Tags","summary":"","title":"张爱玲","type":"tags"},{"content":"","date":"2026年3月22日","externalUrl":null,"permalink":"/zh-hans/tags/%E8%AF%97%E8%B0%B6/","section":"Tags","summary":"","title":"诗谶","type":"tags"},{"content":" 前言 # 預測未來吉凶乃至人類命運，是人類社會自古以來的一大命題，LLM(大語言模型)讓我們看到解決此問題的契機。\n本文介紹將LLM作為最新的工具，並以紅樓夢作為沙盒，尋找方法預測紅樓夢後四十回。\n先聲明我並沒有做到，也許未來某一天做得的時候，此文章將會被搜尋到。\n此文更多的是思考文字本身，雖不像物理公式明確，\n但作為人類掌握現實與推測未來的工具，比我們想像的更為重要，\n文字不僅是一種\u0026quot;想像\u0026quot;的現實，並且文字並不是不客觀，他只是以最符合成本的方式映照客觀事實。\n而LLM作為預測文字的自動化機制，將極致的壓縮這種現實的抽取、產生、映照客觀事實的成本。\n最新的實作會更新在ios app: 紅樓夢模擬器\nAPP: Link\n人生三大恨事： 一恨鰣魚多刺，二恨海棠無香，三恨《紅樓夢》未完。\nby 張愛玲\n天文: 不只是文字接龍而已 # 預測未來一直是人類社會的大事，每個古文明都有專職觀星的祭司或官職，\n天文、水文等符號系統將自然現象、物理規律文字化，最典型的例子就是經緯度，文字變成人類理解及影響客觀環境的重要工具。\n文字與世界的映射帶來的實用性，在大語言模型(LLM)能力爆發的這幾年得到驗證。\n以往語言這種工具因為不夠明確(deterministic)，在科學作為第一生產力的工業革命之後，一直處在歧視鏈的下方。\nLLM 的時代終於把文字的消化與產出，帶進毫秒級的領域，並擺脫人類閱讀、打字、筆誤等阻礙。\n原本極度消耗腦力及時間的工作，現在有機會跟生產線一樣組裝配置。\n生產線產出的是甚麼呢? LLM的本質是\u0026quot;預測\u0026quot;下一個字，這是否是有生產力呢？ 它\u0026quot;算是\u0026quot;\u0026ldquo;懂\u0026quot;自己在說甚麼嗎？\nIlya (前openai聯合創始人及首席科學家) 講過一個例子:\nsay you read a detective novel, and on the last page, the detective says \u0026ldquo;I am going to reveal the identity of the criminal, and that person\u0026rsquo;s name is \u0026hellip;\u0026hellip;\u0026ldquo;你讀到偵探小說的最後一頁，偵案說我即將揭露兇手是誰，他就是\u0026hellip;.\n如果LLM 總是可以穩定的、正確的猜測到兇手，那我們姑且可以說他\u0026quot;理解\u0026quot;了這本小說吧，至少超越了許多猜錯的讀者。\n而我們必須正確評價\u0026quot;理解\u0026rdquo;，理解其實是為了預測未來，各個古文明不約而同研究天文、水文，\n就是為了預測接下來的氣候、河道改變及旱澇等等，在客觀環境下更好的生存。\n甚至可以說，預測正確比理解更重要。\n人文: 人跟agent都還是黑盒子 # 預測未來，是自然科學的追求及必要條件(可再現性)，更是社會科學的聖杯。\n這的確是有點科幻，在艾西莫夫的基地系列科幻小說裡，這種預測未來的學科被虛構為\u0026quot;心理史學\u0026rdquo;:\n經濟學家、歷史學家、心理學家、社會科學\u0026hellip;都想知道個人及社會，對特定事件會如何反應，\n特別是金融大概是軟體業以外，AI最被用力使用的領域。\n雖然還無法看到終點，這件事的可行性已經有了顯著的提升。\n它的提升以及侷限在於，我們多了一個很棒的黑盒子(LLM agent)，\n在某些跟人類程度相當的任務上，它超快成本超低，適合取代人類;\n而侷限在於它現在的使用方式類似吃角子老虎機，我們可以用一些技巧(prompt context enginering)提升他的中獎率，但也僅此於此\n但是我們很難把黑盒子打開，把幾個黑盒子串聯起來的效果提升有限(multi-agent)。\n目前單agent作得到的任務做得又快又好，但是更抽象的任務難以線性提升。\n應用在社會科學裡，一個agent都無法完好的模擬一個各人的記憶跟情感，遑論讓multi-agent 模擬一個群體。\n樂觀的是，這比較像是性能問題，這個範式的性能未來還會繼續提升。\n沙盤: 不要只想著一擊必殺 # 既然是黑盒子的話，直覺的想法就是找一個小一點的盒子來嘗試破解。\n假設目前的模型能力基準是前面提到的，將任何一本偵探小說丟進LLM這台角子老虎機，它能夠直接(one shot)且正確地吐出兇手是誰。\n在此基準上，我們多做一些苦工，搭建一些鷹架，多跟LLM 來回討論，想辦法把成果在每次的討論中線性的累積，理論上就能夠做難度更高的預測。\n紅樓夢是完美的目標，依據前八十回的內容，讓它程度上預測後四十回。\n這個預測難度很高，但對我的工作目標來說剛剛好，理論上機會不是零，實際上不太可能，很適合在近幾年觀測LLM能力的成長。\n寫到這裡終於可以提出兩個工作目標:\n如何做額外的功夫，讓one shot得不到的答案可以嘗試接近。 要如何選擇戰場，讓我們的成果不會直接被更強的模型取代，甚至在未來模型進步時，讓我們的架構也受益。 以下開始根據紅樓夢以及LLM的特性考慮研究方法\n假設 # 假設紅樓夢的結局確實曾經存在，並且前八十回與後續結局是有機、有意識的連續寫作，如同前八十回彼此的內在關聯。\n若實際上不存在，那預測難度更高，接近預測平行宇宙，問題會變成如果曹雪芹有寫完結局，“一定”是寫成怎樣;\n這個\u0026quot;一定\u0026quot;是重點，要有信心到這個程度，無中生有才有意義。\n紅樓夢成書 # 約在1750年代，此時多半在親友之前傳閱，到1791年程偉元出版木活字排版印刷，才為大眾所知。\n紅學\u0026amp;AI 輔助研究 # 王國維及胡適等為紅學的先驅，紅學持續發展，一直到近年有大眾化娛樂化的趨勢。探佚學與癸酉本的關注度可見大眾對結局的好奇。\n搭配最新技術的研究成果主要是:\n機器學習再次證明後四十回不是原作者所著 使用LLM對文字做更細緻的語意向量化Word Embedding 使用LLM建立知識圖譜Domain-specific Graph 等… 有針對前八十回及清代古籍作為輸入資料訓練的模型 LLM特性 # LLM跟此任務相關的特性是:它是現有網路上所有資料，以及這些前沿AI實驗室所能夠得到的所有有價值的材料，所訓練出來的。\n對於既有的資訊它預測能力跟傾向很高，比如你輸入哈利波特書中的一個片段，它可以背誦出後面的段落。\n但是紅樓夢的後四十回並沒有流傳，沒有在模型的訓練資料裡面，他無法背誦。\n問題一:窗口限制 # 如果我們直接輸入一到八十回的內容，請LLM輸出後面四十回，可行嗎\n輸入端目前在第一梯隊的模型(gemini 3.1/gpt5.4/opus4.6) 使用API模式，如果能支援到1M tokens沒有問題，\n但以目前模型的範式，輸出token窗口會遠小於輸入，輸出會局限在最多四千到八千個中文字，大約只能輸出一回的內容。\n問題二:流水帳與品質下降 # 那如果我們將給LLM的輸入改成，請輸出第八十一回的內容，可行嗎\n他會被大量文本的輸入\u0026quot;汙染\u0026rdquo;，行文風格非常像曹雪芹，他可以合理延續前面已知的劇情，但是會像流水帳。\n然後像似的動作，八十二、八十三回\u0026hellip;品質會急遽的下降。\n問題三:模型的先驗汙染 # 另外一個問題是，模型當初訓練時，他已經看過高鶚的版本，各種論文的推測，如果這些資訊不符合正本，輸出會被帶偏。\n待續 # 因篇幅過長，在此做個收尾及下回預告。\n我們無法單純的讓LLM直接吐出未知的資訊，\n所以還是需要更傳統，機械式或程式化的方法，\n好消息是，筆耕不輟的文史哲研究者們，我們有耕耘機了!\n紅樓夢具有高度結構化屬性，裡面重要人物有自己的判詞暗示人物的結局，\n並且前八十回可以彼此互相驗證，所以他比其他許多虛構的作品更適合預測，\n雖然裡面人物眾多背景複雜，但實際上我們預測的是曹公的想法，他的藝術意志貫徹全書，這對預測結局有很大的幫助。\n下一篇:紅樓夢熱力學 # 下回會介紹實驗的方式，結構化抽取文本的內容，反覆實驗抽取書中規則，並用程式反覆做實驗。\n最理想化的情況是能夠熱力學系統一樣：給定初始條件(premise，例:人物、家族財富、社經地位、人際網路…)，加上系統的運作機制（人性心理、社會階級、經濟動態、文化規範、因果報應等…），就能夠預測後續任意時間點的系統狀態。\n","date":"2026年3月22日","externalUrl":null,"permalink":"/posts/stonestory_fate/","section":"部落格","summary":"","title":"紅樓夢模擬器：社會科學的聖杯，大語言讖判詞","type":"posts"},{"content":"","date":"2026年3月22日","externalUrl":null,"permalink":"/tags/%E5%BC%B5%E6%84%9B%E7%8E%B2/","section":"Tags","summary":"","title":"張愛玲","type":"tags"},{"content":"","date":"2026年3月22日","externalUrl":null,"permalink":"/tags/%E8%A9%A9%E8%AE%96/","section":"Tags","summary":"","title":"詩讖","type":"tags"},{"content":"","date":"25 February 2026","externalUrl":null,"permalink":"/en/tags/ai-assisted-development/","section":"Tags","summary":"","title":"AI-Assisted Development","type":"tags"},{"content":"","date":"2026年2月25日","externalUrl":null,"permalink":"/ja/tags/ai%E6%94%AF%E6%8F%B4%E9%96%8B%E7%99%BA/","section":"Tags","summary":"","title":"AI支援開発","type":"tags"},{"content":"","date":"2026年2月25日","externalUrl":null,"permalink":"/zh-hans/tags/ai%E8%BE%85%E5%8A%A9%E5%BC%80%E5%8F%91/","section":"Tags","summary":"","title":"AI辅助开发","type":"tags"},{"content":"","date":"2026年2月25日","externalUrl":null,"permalink":"/tags/ai%E8%BC%94%E5%8A%A9%E9%96%8B%E7%99%BC/","section":"Tags","summary":"","title":"AI輔助開發","type":"tags"},{"content":"","date":"2026年2月25日","externalUrl":null,"permalink":"/tags/app-store/","section":"Tags","summary":"","title":"App Store","type":"tags"},{"content":"","date":"25 February 2026","externalUrl":null,"permalink":"/en/tags/gantt-chart/","section":"Tags","summary":"","title":"Gantt Chart","type":"tags"},{"content":"","date":"25 February 2026","externalUrl":null,"permalink":"/en/tags/indie-developer/","section":"Tags","summary":"","title":"Indie Developer","type":"tags"},{"content":"","date":"25 February 2026","externalUrl":null,"permalink":"/en/tags/product-development/","section":"Tags","summary":"","title":"Product Development","type":"tags"},{"content":"","date":"2026年2月25日","externalUrl":null,"permalink":"/tags/side-project/","section":"Tags","summary":"","title":"Side Project","type":"tags"},{"content":"","date":"2026年2月25日","externalUrl":null,"permalink":"/categories/the-observatory/","section":"Categories","summary":"","title":"The Observatory","type":"categories"},{"content":"","date":"2026年2月25日","externalUrl":null,"permalink":"/ja/tags/%E3%82%AC%E3%83%B3%E3%83%88%E3%83%81%E3%83%A3%E3%83%BC%E3%83%88/","section":"Tags","summary":"","title":"ガントチャート","type":"tags"},{"content":"","date":"2026年2月25日","externalUrl":null,"permalink":"/ja/tags/%E3%82%B5%E3%82%A4%E3%83%89%E3%83%97%E3%83%AD%E3%82%B8%E3%82%A7%E3%82%AF%E3%83%88/","section":"Tags","summary":"","title":"サイドプロジェクト","type":"tags"},{"content":"","date":"2026年2月25日","externalUrl":null,"permalink":"/ja/tags/%E3%83%97%E3%83%AD%E3%83%80%E3%82%AF%E3%83%88%E9%96%8B%E7%99%BA/","section":"Tags","summary":"","title":"プロダクト開発","type":"tags"},{"content":"","date":"2026年2月25日","externalUrl":null,"permalink":"/zh-hans/tags/%E7%94%98%E7%89%B9%E5%9B%BE/","section":"Tags","summary":"","title":"甘特图","type":"tags"},{"content":" 前言 # 本篇講一下獨立開發者的市場、資源、生態、開發過程等面向。 為了強行宣傳所以私心結合甘特星球當作範例: URL。 先承認這些只是我的side project，跟靠這個吃飯的人壓力不同，所以只就調研的方式討論。\n發想與卡住 # 甘特星球的發想是，甘特圖不管是軟體、app、網頁免費的都很難用， 看起來堪用的都要收費，想說自己做一個甘特圖的app。\n做沒多久就發現事情沒那麼簡單:\n手機要看類似試算表的甘特圖實在太擠了 正經的甘特圖需要連結很多資源，比如email、通訊錄、會議室等等 要解決這兩點的成本都很高，要花大量的時間微調UI，並且預設一些理想的使用流程，有些流程無法被整合的需要捨棄;\n整合資源的話需要登入所有常用的主流帳號，要處理的接口跟驗證太多，並且日後需要維護。\n到這裡因為成本卡住了，在規模不經濟的情況下幾乎是必然。\n轉彎再轉彎 # 這種時候我想說把每個因素都往外延伸一兩步，能不能找到一個能夠成立的交集。\n身為一個興趣使然的開發者，所謂的成立包括極低的成本，加上即使微小但明確的價值。\nAI幫我做到前者，極低的成本;\n後者所謂的價值主要還是自己定義，跟AI聊也可以聊出一點東西。\n對我來說主要是自己會想要做的，至少自己用得到看得開心，再來是如果沒人做過、沒有免費版、有明顯差異點，也是一種價值。\n此時我心中想說有沒有什麼是甘特圖，但又不是甘特圖的東西，\n最終一個畫面再我腦中浮現了，\n我想起來我使用甘特圖的時候會把更重要的項目往下排，\n最下面的項目通常是整個專案最終完成的大條件，或者是代表整個專案本身。\n如果那個甘特圖最下面的項目，還要有其他、更重要的項目，會是什麼？\n其實有很多更重要的，但都是跟工作無關的，關於我自己，關於人生的。\n所以這時我確立了，不是做一般商務用的甘特圖，而是人生甘特圖。\n下一步 # 所以我決定做不同於一般商務情境的甘特圖，\n這樣可以順理成章不用再連結線上的資源，\n因為現在只跟使用者自己有關。\n至此我多走了一步，讓這專案暫時活了下來，但是他有辦法通往足夠多的元素嗎？\n我想了一下關於自我管理、人生重要不緊急的事項，都是有規律跟頻率的。\n比如健康很重要，所以公司每年會健檢;家人很重要，所以會在頻率變得太久之前跟家人見面。\n結合甘特圖本身的特性，在需要做的時間範疇內，都會在當天重疊;\n那如果考慮一生的長度，每個項目都是今天潛在的項目，如此我可以將所有內容集中在UI的中線。\n如此解決了UI擁擠的問題，並呈現了我覺得有價值的價值觀。\n實際的時間軸畫面：所有人生項目集中在日曆中線，一眼看到今天需要關注的事\n完整性 # app store審核有一個大前提是，不能只是做純文字網頁也能做的功能，\n比如簡單的待辦清單可能就不成立，所以我必須讓這個app不只是一個試算表，否則其實google sheet可以做一樣的事情。\n這個試算表由上而下的視覺感受，讓我直觀的想到跟往下挖土一樣，每天只做最必要不得不做的事情，只是做表層，一個成語人浮於事就是講這個狀態。\n越重要的項目越底層這個比喻，我想要把他更視覺化更固化，很直觀的就想到往地層挖掘、挖礦這個動作。\n這時又要考慮如何實現? 將試算表的每一行稍微彎曲嗎? 加一點變形透視？\n結合這個人生甘特圖，孤獨而自省的那種情境。\n我想到的畫面是：在地殼表面，一個人孤獨的挖掘。這不就是在那個金頭髮，為玫瑰澆水、豢養狐狸的那個少年嗎？\n於是我做了3D立體版本的甘特圖，並且用礦坑跟寶石作為待辦項目的視覺化。\n更激進的做法是，我可以只保留星球版本的甘特圖，但考量到實用性、審核難度、理解難度，還是同時保留。\n3D 星球版甘特圖：用礦坑與寶石視覺化待辦項目，孤獨挖掘的小王子意象\n還缺一張書桌 # 還在唸書的時候，我有很多正襟危坐在書桌前獨處的時候，除了讀書，就是寫字。\n去思考跟使用這樣的人生甘特圖，彷彿把我帶回那張我已經被丟掉的書桌。\n如果我完成了三個月或一年才會做一次的事情，甚至是長期的目標，\n我應該會很想寫日記吧，或是想寫信給自己的好朋友。\n我發覺這個甘特圖還缺乏最後的情緒出口，但如果是做分享到社群網站的功能，使用者無法足夠誠實。\n另一個是app使用者互相寄信的功能，現在或永遠不會有足夠的裝機量，或是連安卓版本也上架，至少第一個版本還沒有必要性。\n最後想到比較自洽的功能就是，最萬用的聊天機器人，\n丟給聊天機器人很多經典名著，讓他扮演樹洞的角色，給予使用者一些回饋。\n最後 # 以上就是這個app背後的產品開發跟管理，\n看起來只是改來改去把它做完了，實際上很多棄案很多功能都被否決沒有提到。\n除了讓有興趣的朋友知道開發產品會考量的一些面向，\n我最後想強調以及回答標題，個人開發者的生態位與考量就是：爽啦!\n應該會有不少人覺得這個東西很小眾，或者跟自己審美或價值關不同。\n但即使是這樣，只要有一些時間，藉由AI的幫助就可以把你想要，但是還不存在的東西做出來。\n你可以跟公司老闆一樣，由你自己決定什麼是有價值的，值不值得做;\n跟美編一樣用你喜歡的格式、顏色、字體、圖片;\n跟PM一樣決定要怎麼寫，功能要做到多完整;\nAI會越來越強，即使現在還不行，在可預期的未來，你也能夠享受這些樂趣。\nappstore 現在就是新時代的無名小站，每個人都可以發表自己的文章。\n如果有興趣可以follow此部落格，日後會繼續發表appstore上架的各種真實經驗跟心得。\n","date":"2026年2月25日","externalUrl":null,"permalink":"/posts/gantt-planet-intro/","section":"部落格","summary":"","title":"甘特星球：個人開發者的生態位與考量","type":"posts"},{"content":"","date":"2026年2月25日","externalUrl":null,"permalink":"/tags/%E7%94%98%E7%89%B9%E5%9C%96/","section":"Tags","summary":"","title":"甘特圖","type":"tags"},{"content":"","date":"2026年2月25日","externalUrl":null,"permalink":"/zh-hans/tags/%E4%BA%A7%E5%93%81%E5%BC%80%E5%8F%91/","section":"Tags","summary":"","title":"产品开发","type":"tags"},{"content":"","date":"2026年2月25日","externalUrl":null,"permalink":"/zh-hans/tags/%E7%8B%AC%E7%AB%8B%E5%BC%80%E5%8F%91%E8%80%85/","section":"Tags","summary":"","title":"独立开发者","type":"tags"},{"content":"","date":"2026年2月25日","externalUrl":null,"permalink":"/ja/tags/%E5%80%8B%E4%BA%BA%E9%96%8B%E7%99%BA%E8%80%85/","section":"Tags","summary":"","title":"個人開発者","type":"tags"},{"content":"","date":"2026年2月25日","externalUrl":null,"permalink":"/tags/%E7%94%A2%E5%93%81%E9%96%8B%E7%99%BC/","section":"Tags","summary":"","title":"產品開發","type":"tags"},{"content":"","date":"2026年2月25日","externalUrl":null,"permalink":"/tags/%E7%8D%A8%E7%AB%8B%E9%96%8B%E7%99%BC%E8%80%85/","section":"Tags","summary":"","title":"獨立開發者","type":"tags"},{"content":"","date":"2026年2月22日","externalUrl":null,"permalink":"/tags/claude/","section":"Tags","summary":"","title":"Claude","type":"tags"},{"content":"","date":"2026年2月22日","externalUrl":null,"permalink":"/tags/claude-code/","section":"Tags","summary":"","title":"Claude Code","type":"tags"},{"content":"","date":"2026年2月22日","externalUrl":null,"permalink":"/tags/gemini/","section":"Tags","summary":"","title":"Gemini","type":"tags"},{"content":"","date":"2026年2月22日","externalUrl":null,"permalink":"/tags/gemini-cli/","section":"Tags","summary":"","title":"Gemini Cli","type":"tags"},{"content":"","date":"22 February 2026","externalUrl":null,"permalink":"/en/tags/handwriting-recognition/","section":"Tags","summary":"","title":"Handwriting Recognition","type":"tags"},{"content":"","date":"2026年2月22日","externalUrl":null,"permalink":"/tags/ios-app/","section":"Tags","summary":"","title":"IOS App","type":"tags"},{"content":"","date":"2026年2月22日","externalUrl":null,"permalink":"/tags/on-device-ai/","section":"Tags","summary":"","title":"On-Device AI","type":"tags"},{"content":"","date":"2026年2月22日","externalUrl":null,"permalink":"/tags/swiftui/","section":"Tags","summary":"","title":"SwiftUI","type":"tags"},{"content":"","date":"2026年2月22日","externalUrl":null,"permalink":"/tags/udemy/","section":"Tags","summary":"","title":"Udemy","type":"tags"},{"content":"","date":"2026年2月22日","externalUrl":null,"permalink":"/tags/uikit/","section":"Tags","summary":"","title":"UIKit","type":"tags"},{"content":"","date":"2026年2月22日","externalUrl":null,"permalink":"/zh-hans/tags/%E6%89%8B%E5%86%99%E8%AF%86%E5%88%AB/","section":"Tags","summary":"","title":"手写识别","type":"tags"},{"content":"","date":"2026年2月22日","externalUrl":null,"permalink":"/ja/tags/%E6%89%8B%E6%9B%B8%E3%81%8D%E8%AA%8D%E8%AD%98/","section":"Tags","summary":"","title":"手書き認識","type":"tags"},{"content":"","date":"2026年2月22日","externalUrl":null,"permalink":"/tags/%E6%89%8B%E5%AF%AB%E8%BE%A8%E8%AD%98/","section":"Tags","summary":"","title":"手寫辨識","type":"tags"},{"content":" 前言 # 假名私塾(kana juku)是我第一個製作及上架的app，\n心得比較有完整得來龍去脈，\n本系列包括製作的過程，使用AI輔助及變化、使用公開語料與版權等等…\n其他app有值得一提的點也會另外刊登。\n本篇主要講**[25年第四季]** 開始從聊天機器人到agent 的轉變過程，\n相關產品變化很快，重要時間點直接很生硬的標注了。\nApp簡介 # 有apple device 的朋友可以下載來玩看看，\n後面應該會有幾篇也是用這個當例子：\n整理ETL語料、apple create ML、pytorch、voicevox、手機本地大語言模型等等…\n假名私塾: URL\n開發時間軸 # 動機 # 我跟家人都有興趣學日語，很久以前就想要完全符合自己需求的日語學習app。\n家人的痛點是不會英文，看不懂大部分教材跟其他app的羅馬拼音。\n我自己則是很想要假名可以跟字源對照(例如\u0026quot;あ\u0026quot;的字源為\u0026quot;安\u0026quot;)，\n然後痛點是安裝系統安裝日文鍵盤偶爾會用到，但是每天打字切換輸入法都被干擾，要多跳過一次日文的鍵盤。\n前期準備 # [24年第四季]\n這段時間換工作不用上班，因此有時間看Udemy 的課程，因為接觸過javascript所以先看的reactjs \u0026amp; expo。\n這時候就是跟著上課內容做很簡單的網頁式內容，以及多一些GPS、相機控制、抓取遠端資料之類的，\n但是非蘋果自家生態，需要額外管理很多東西。\n[25年第一季]\n猶豫很久買了mac mini之後就完全改用蘋果自家的swiftUI，也是找Udemy的課程来看，\n時間主要花在熟悉基本UI原件以及佈局，還有所有基本功能資料持久化、抓取資料、導入地圖等在swiftUI對應的寫法。\nswiftUI 比較現代也不像UIkit跟xcode完全綁定，但是也比較難預期swifiUI 的佈局最後長相，一開始很在意花很多時間嘗試。\n[25年第三季]\n因為平常要上班只有晚上可以寫，也不是每天都有空，所以進度很慢，就是把基本的雛形做出來，把日文的資料塞進去。\n第一個app比較難預期後面的長相，所以經常修改，或是確定要用到的部分跑回去仔細看影片，大致上是在交學費的狀態。\n到這時後包括**[24年第一季]**開始，其實單純chatpgt那種聊天機器人就對寫程式有很大的幫助了，\n但是複製貼上以及解釋一大堆背景非常花時間，結果往往不是一次過又或者方向偏差，\n又要回到複製貼上的步驟，難以進入正向循環，只能作為學習參考。\n這時後最流行的其實是cursor編輯器，使用tab鍵自動補全，但是因為用量有限需要訂閱，所以沒有嘗試。\n同時claude也已經是因為寫程式表現最好開始流行，並且推出了claude code在本機電腦上執行的ai agent，但是因為需要訂閱所有沒有嘗試。\n轉向AI代理 # [25年第四季]\n這時我預期我只最多只會同時只會訂閱一個聊天機器人，並且剛從chatgpt轉到google gemini，\n此時因為 Spec-Driven Development (SDD) 很紅，gemini也推出對標claude code的agent: gemni cli，所以我終於嘗試了。\n我發現agent 省去複製貼上的步驟效率大幅提升，以及修改後貼回去找要修改哪幾行的步驟也不用了。\n這時我已經確信寫程式應該使用agent 而不是chatbot，所以又跑去訂閱claude 使用claude code(以下簡稱CC)。\nCC的模型能力的確比較強，對於對話的理解與執行符合預期的機率已經很高。\n操作電腦與opus4.5 # 有一次我mac mini硬碟爆滿無法使用，我直接問CC怎麼辦？就像我在聊天機器人的網頁那樣問。\nCC直接給出具體的方案：可以清除哪些目錄、哪些搬移到外接硬碟等等…\n我擔心他把電腦搞壞，所以一步步允許他操作，最後全部都順利完成了。\n我對麥金塔還有xcode編譯環境不熟，這時我發現AI對所有事情包括我不熟悉的都有八十分以上的理解，並且會寫程式大約等於會操控電腦。\n因為CC可以直接操作電腦，他自由的在目錄之間穿梭，寫完程式自己看到錯誤，再自己修復，完全進入正向循環。\n使用agent 的開發速度不可同日而語，並且讓我晚三個月才開始改用CC的顯得十分無知。\n這在主客觀的時間浪費都是非常可觀的，\n主觀上如果及早採用最新的工具，前三個月的工作量完全兩到三週就可以完成。\n客觀上使用最新工具的其他人，效率比你高也比你更早推出產品。\n我前面的沒有嘗試，省去了半個或一個小時的時間，省去了幾百塊的訂閱，但反而浪費大把人生。\n這也許也是現在許多人熱衷追逐AI最新產品消息的原因，\n至少我是這樣，我不得不一直關注最新產品，做時間管理的風險對沖。\n[2025年11月24日]\nopus4.5釋出。opus是claude 收費最高的旗艦模型，此時4.5釋出，\n相比前一代它除了各方面性能顯著提升，差別最大的是他對於意圖的理解。\n舊版只是指哪打哪(實際上也已經很不錯了)，從4.5版開始，他收到你的需求後，會先做一定程度的總結跟規劃，用人格套用的話就是，更機靈更有經驗了。\n不用再很具體的說哪個檔案要怎麼修改，只需要像主管或老闆描述最終需求，他就會展開並規劃下一兩個步驟的事。\n這種規劃的能力對效率的提升又更大了，前面說過AI對所有事情都知道八成以上，他會主動做下一兩步的工作，並且做好。\n搭配這點大幅增加抽象的程度，更多東西外包給了CC，逐漸的開始不用自己查看跟修改程式碼了。\n自從opus4.5 問世後，社群媒體對於AI寫程式的爭論到此結束，\n對於對於全職軟體工程師跟高手們，我無法想像，\n至少跟我自己比較，原本自己花一兩年做得到的事情，變成兩三個月內完成，\n成品停留在我認知邊界往外擴散一些，我反而是最大的瓶頸所在。\n此篇完\n","date":"2026年2月22日","externalUrl":null,"permalink":"/posts/kana_juku_dev_1/","section":"部落格","summary":"","title":"假名私塾開發筆記(一)：從聊天機器人到AI代理","type":"posts"},{"content":" 關於這個網站 # 標題是核舟記的核舟，意思是承載不了什麼東西，只是雕蟲小技，享受製作的過程，並留下一點訊息。 這裡會分享一些自己使用AI幫助自己寫app、做小工具、改善生活效率的真實例子，以及發想、心得、挫折等等…… 太多人在說的熱點就不重複了，因為無法頻繁更新所以會側重時效性較長的內容。簡言之，分享挖礦的過程，而不是反覆地介紹鏟子。 另外本站部落格目錄下面的原文是本人自己寫的，因為有趣的部分要自己享受。 關於我 # 本名：ChengChe Lee · qqder339@gmail.com 24歲以前自我認同都還是文科生;之後的工作是系統管理員（電腦有問題時會跳出來 “XXXX…，請洽詢您的系統管理員” 的那個管理員） 用龐克搖滾的方式使用AI，用簡單的和弦、粗糙的技術，表達真實的情感。 哲學 # 體驗即擁有，體驗一樣新奇的東西比它能不能夠賺錢還優先。 電影發明以後，人類的生命比起以前至少延長了三倍 ——《Yi Yi: A One and a Two》\nAI就是這時代延長人類生命的新媒體 ","externalUrl":null,"permalink":"/about/","section":"QQder 核舟記部落格","summary":"核舟記","title":"About","type":"page"},{"content":"這裡是目前已上架與持續維護中的 App 入口頁。整體產品分成兩條線：\n離線成長 — 面向個人長期學習、自省與成長，涵蓋語言學習與自省沉澱兩個子類別。 數位公民 — 圍繞真實性、記憶與數位主體性，目前以民主 EDC（EveryDay Carry）為主要切入點。 從下面的卡片直接進入各款產品的說明頁。每款都附上 App Store 入口、支援頁與隱私政策。\n","externalUrl":null,"permalink":"/apps/","section":"Apps","summary":"目前已上架與持續維護中的 App 目錄","title":"Apps","type":"apps"},{"content":" 重點是把學習節奏做對 # 很多 Python 學習工具卡在兩個極端：一邊只有碎片化題目，答完還是不知道自己哪裡薄弱；另一邊直接把你丟進太完整的 IDE，初學者反而被嚇退。Python 點線面在兩者之間搭了一座橋，讓你先建立閱讀力、語法感與邏輯感，再往更完整的寫程式能力前進。\n它的核心不只是「做很多題」，而是把學習拆成三個層次：「點」是單字與概念辨識，「線」是語法與局部結構，「面」才是完整的程式流程。這樣的分層適合零基礎使用者，也適合已經知道自己卡在哪、想用更有效率的方法補弱點的人。\n適合在什麼情境下用 # 準備 PCEP、TQC+ 或 CPE 的學生，很適合拿來做日常維持感。不必每次都打開筆電才能開始讀，只要有 10 到 20 分鐘的空檔，就能練一輪選擇題、補幾題克漏字，或把一段程式流程重新排出來。這種低摩擦，對長期累積來說比熱血衝刺重要得多。\n剛入門的自學者也不會被拋給一台只會報對錯的機器。你可以先用題型建立基本輪廓，再進到遊樂場實際跑程式碼，理解「為什麼這樣寫會動、那樣寫不會動」。知識因此不會只停留在記憶層面，會慢慢長成你自己的判斷。\n裝置端 AI 在這裡是真的有用的角色 # 看到 AI 家教，很多人的第一反應會是「是不是又要把我的內容送上雲端」。Python 點線面把 AI 放在一個真正有用、而且不破壞隱私的位置上。你做錯題時，它可以依題目脈絡給提示；想確認某個語法觀念，也可以直接問，不必在搜尋引擎與論壇之間來回切換。\n這些互動不需要把你的學習歷程交給外部伺服器。對學生來說使用門檻更低；對老師、家長，或任何在意資料外流的人來說，它更接近一個能長期放心使用的學習工具，而不只是一個順手玩玩的 demo。\n也並不只有「把聊天模型塞進來」就交差了事。題庫、錯題脈絡、依題目脈絡的智慧檢索、可直接執行的 Python 遊樂場，這些東西是在同一個學習回路裡運作的。先做題、再問、再跑程式驗證；需要時，還能從能力分析看出自己卡在語法、概念，或程式流程的哪一層。\n這個 App 值得留在手機裡的原因 # 會被持續打開的學習工具，通常最知道你什麼時候會想放棄，而不一定是功能最多的那個。Python 點線面把題目訓練、AI 提示與可執行環境收在同一個裝置裡，目的是讓你在「本來要滑掉時間」的那些片段裡，也能很自然地往前推一點點。\n真正讓人進步的，不是一次刷五十題的熱血，而是每天願意打開 App 的那三分鐘。Python 點線面就是為這三分鐘做的。\n","externalUrl":null,"permalink":"/apps/python-dimensions/","section":"Apps","summary":"","title":"Python 點線面","type":"apps"},{"content":"最後更新：2026-04-15\n1. 概述 # Python 點線面由 QQder339 開發，是一款內建 Python 執行環境與本機 AI 助教的程式設計學習應用程式。\n簡單來說：本應用不會收集、儲存或傳輸您的任何個人資料到外部伺服器。\n2. 我們不收集的資料 # 本應用不收集：\n個人識別資訊（姓名、電子郵件、電話號碼） 位置資料 裝置識別碼 使用分析或追蹤資料 3. 本機儲存的資料 # 以下資料僅儲存於您的裝置，絕不傳輸至外部：\n學習進度：各題型（點選、填空、重組）的作答記錄與錯題資料 程式碼：您在內建 IDE 中撰寫的程式碼 AI 對話記錄：與 AI 助教的對話內容儲存在本機 使用者設定：難度偏好、介面設定等 4. 離線 AI 功能 # 所有 AI 功能完全在裝置端運作，無需連線：\nAI 助教：使用本機大型語言模型（LLM），提供解題提示與詳解，推論完全在裝置端執行 Python 執行環境：內建 Python 直譯器在裝置端本機執行，程式碼不傳送至任何伺服器 AI 模型需在首次使用前下載（使用者主動選擇），下載後無需連線即可使用所有功能。\n5. 第三方服務 # 本應用不使用任何第三方分析或廣告框架（無 Google Analytics、無 Facebook SDK、無廣告）。\n6. 網路存取 # 網路存取僅限於以下情況：\n下載 AI 模型（可選，一次性）：僅在您主動選擇下載 LLM 模型資源時連線 外部連結：點擊相關連結時開啟瀏覽器 除上述情況外，本應用不主動發起網路連線。程式碼執行完全在本機 Python 環境中進行。\n7. 聯絡我們 # 📧 qqder339@gmail.com\n主旨請註明：Python 點線面 隱私政策諮詢\n","externalUrl":null,"permalink":"/privacy/python-dimensions/","section":"隱私權政策","summary":"","title":"Python 點線面 — 隱私權政策","type":"privacy"},{"content":"App Store · 隱私政策\n常見問題 # Q: 內建 Python 執行時出現錯誤，App 閃退？\nA: 部分複雜程式碼（無窮迴圈、大量記憶體使用）可能導致執行逾時或閃退。請確認程式碼沒有無窮迴圈，並避免一次申請過大的記憶體。若是特定程式碼導致閃退，請來信附上程式碼內容。\nQ: AI 助教需要下載模型嗎？多大？\nA: 是的，首次使用 AI 助教功能時需要下載本機模型（約 1-4 GB）。下載後完全離線，所有問答與解釋均在裝置端處理，不需要網路。\nQ: 題庫的題目好像有錯誤？\nA: 若你發現題目或答案有誤，請來信說明：題目內容、你認為正確的答案，以及理由。我們會盡快確認並更新題庫。\nQ: 錯題雷達圖沒有顯示？\nA: 雷達圖需要一定數量的作答記錄才會生成。請先完成至少 20 題後再查看。\nQ: 程式碼模板如何使用？\nA: 在內建 IDE 畫面，點擊右上角的「模板」按鈕，選擇你需要的模板類別（迴圈、函式、類別等），程式碼會自動插入編輯器。\n常見排錯步驟 # Python 執行閃退：確認程式碼無無窮迴圈，確認裝置有充足可用記憶體 AI 模型載入失敗：確認有 3 GB 以上可用空間，Wi-Fi 下重新嘗試下載 強制關閉並重啟 App 確認 iOS 版本 ≥ 17.0 聯絡支援 # 📧 qqder339@gmail.com\n主旨請填：[Python 點線面] 問題描述\n來信時請附上：裝置型號、iOS 版本、App 版本、問題重現步驟（若為程式碼問題請附上程式碼）。\n本 App 不收集任何使用者資料，Python 執行與 AI 推論完全在裝置端進行。了解隱私政策 →\n","externalUrl":null,"permalink":"/support/python-dimensions/","section":"支援","summary":"Python 點線面的支援與聯絡方式","title":"Python 點線面支援","type":"support"},{"content":"如果你在使用任何一款 App 時遇到問題、有使用上的疑問，或希望提出隱私相關詢問，都可以從下列連結找到對應的支援頁。每一頁都會提供聯絡信箱、產品頁與隱私權政策。\nApp 支援頁 假名私塾 前往 英語 N+1 前往 甘特星球 前往 聽覺旅伴 前往 Python 點線面 前往 原子在場 前往 回聲種子 前往 紅樓夢模擬器 前往 ","externalUrl":null,"permalink":"/support/","section":"支援","summary":"各 App 的支援入口","title":"支援","type":"support"},{"content":" 一個安放長期人生項目的地方 # 大多數任務管理工具都很擅長處理今天、這週、這個月要做什麼，卻不擅長處理那些「重要但不會馬上爆炸」的人生項目。閱讀、運動、學語言、整理情緒、維持與某些人的連結，這些事並非不重要，只是太容易被眼前更吵的事情擠掉。甘特星球就是為這些東西設計的。\n它的目的並非把你變得更忙，而是幫你看見那些本來就值得你花時間的東西。時間軸、3D 星球、樹洞、藝術圖鑑，這些表面上看似各自獨立的模組，其實服務同一件事：讓自律成為一種可視化、可感受、可回來停靠的節奏，而不只是咬牙硬撐。\n為什麼它會比一般效率工具更容易留在手機裡 # 傳統待辦工具大多以清單邏輯思考，完成就勾掉，沒完成就累積壓力。甘特星球比較像在幫你養一顆星球：你在做的是讓這顆星球慢慢長出地形與記憶，而不是消除代辦項目。這種視覺語言會讓長期目標更難被放棄，因為它們已經不再只是冰冷的一行字。\n時間軸畫面適合看今天該關注什麼，3D 星球視圖適合感受整體進度。前者把你拉回現實，後者提醒你當初為什麼開始。兩者合起來，恰好把「今天」和「一生」放在同一個畫面裡。\n它的出發點並不是把企業專案管理工具縮小，而是從個人的「重要不緊急」長出來。你可以在時間軸上同時追蹤每日、每週、每月乃至更長週期的節奏，並把完成感轉成 3D 星球地景與圖鑑收藏。這也是它與「把任務排得更密」那類效率軟體最大的差別。\n樹洞與圖鑑，讓人願意回來 # 長期習慣養成不只是計畫問題，也是情緒問題。很多時候你知道要做什麼，只是累了、煩了、分心了、或根本不想再看那些沒有回應的效率工具。甘特星球把 AI 樹洞放進來，就是在處理這一層。只是想說說話、整理一下自己的時候，它不會要求你表現得很有效率。\n圖鑑系統把「完成事情」從責任轉換成一種收藏與累積。不是每個人都需要這種設計，但對容易被枯燥感打敗的人來說，它正好是重新建立耐性的方式。任務完成後逐步解鎖插畫與收藏的回饋，比較像替長期人生工程留下痕跡，而不是 KPI 式的壓力。\n隱私與離線，在這類 App 特別重要 # 目標、日記、情緒、對話，比一般 productivity app 更私人。甘特星球的價值之一，就在於你不必為了獲得陪伴與視覺化體驗，把這些資料交給外部服務去運算。對很多人而言，資料真的留在自己裝置裡，他們才會願意把內心的東西寫下來。\n甘特星球不會替你排滿行事曆，也不會用紅字提醒你落後。它擅長的是把那些你不想放棄的事，慢慢累積成一顆看得見的星球。\n","externalUrl":null,"permalink":"/apps/gantt-planet/","section":"Apps","summary":"","title":"甘特星球","type":"apps"},{"content":"最後更新：2026-04-15\n1. 概述 # 甘特星球由 QQder339 開發，是一款結合 3D 視覺化習慣養成與 AI 樹洞的人生目標管理應用程式。\n簡單來說：本應用不會收集、儲存或傳輸您的任何個人資料到外部伺服器。您的習慣、日記與對話記錄只屬於您自己。\n2. 我們不收集的資料 # 本應用不收集：\n個人識別資訊（姓名、電子郵件、電話號碼） 位置資料 裝置識別碼 使用分析或追蹤資料 3. 本機儲存的資料 # 以下資料僅儲存於您的裝置，絕不傳輸至外部：\n習慣與目標記錄：您建立的所有項目、完成記錄及時間軸資料 AI 樹洞對話：與內建 AI 的所有對話記錄均在本機儲存 日記與情緒記錄：所有日記內容 藝術圖鑑收藏：您解鎖的貼紙與插畫記錄 3D 星球狀態：您的星球地形與成長資料 使用者設定：各類偏好設定 4. 離線 AI 功能 # AI 樹洞功能完全在裝置端運作：\nAI 對話：使用本機大型語言模型（LLM），推論完全在裝置端執行，對話內容不傳輸至任何伺服器 模型下載：AI 模型需在首次使用時下載（使用者主動選擇），下載後完全離線運作 5. 第三方服務 # 本應用不使用任何第三方分析或廣告框架（無 Google Analytics、無 Facebook SDK、無廣告）。\n6. 網路存取 # 網路存取僅限於以下情況：\n下載 AI 模型（可選，一次性）：僅在您主動選擇下載時連線 下載藝術圖鑑貼紙（按需）：當您解鎖藝術獎勵時，App 會從公開的 GitHub 儲存庫抓取對應圖片並快取到本機，之後離線可用 天氣資訊（可選）：若您啟用真實天氣功能，僅傳送必要的地區資訊取得天氣資料 外部連結：點擊相關連結時開啟瀏覽器 上述網路請求只傳輸您所選擇或觸發的資源 URL，不夾帶任何個人識別資訊。\n7. 聯絡我們 # 📧 qqder339@gmail.com\n主旨請註明：甘特星球 隱私政策諮詢\n","externalUrl":null,"permalink":"/privacy/gantt-planet/","section":"隱私權政策","summary":"","title":"甘特星球 — 隱私權政策","type":"privacy"},{"content":"App Store · 隱私政策\n常見問題 # Q: AI 樹洞對話需要連網嗎？\nA: 不需要。AI 樹洞使用裝置端本機模型，所有對話完全離線處理，內容不會傳送至任何伺服器。首次使用需要下載模型（約 1-4 GB），之後完全離線。\nQ: 3D 星球畫面有點卡頓？\nA: 3D 星球需要一定的 GPU 效能。若在較舊裝置上卡頓，可在設定中降低渲染品質或關閉粒子效果。建議裝置：iPhone 12 以上。\nQ: 時間軸上的習慣項目消失了？\nA: 所有資料儲存於裝置本機。若資料異常消失，請確認是否不小心刪除了項目（可在回收區中還原）。若非如此，請來信並附上 App 版本資訊。\nQ: 天氣功能顯示不正確？\nA: 天氣功能需要定位權限。請確認在 iOS 設定 \u0026gt; 隱私 \u0026gt; 定位服務中允許此 App 取用位置。若已允許但仍不正確，可嘗試關閉後重新開啟天氣功能。\nQ: 解鎖的藝術貼紙不見了？\nA: 貼紙解鎖記錄儲存於本機，解除安裝後會清除。若在未解除安裝的情況下資料消失，請來信說明情境。\n常見排錯步驟 # 強制關閉並重啟 App 確認裝置有足夠空間（AI 模型 + 3D 資源需要 2 GB 以上） 確認 iOS 版本 ≥ 17.0 若 3D 渲染異常，嘗試在設定中重置星球顯示設定 聯絡支援 # 📧 qqder339@gmail.com\n主旨請填：[甘特星球] 問題描述\n來信時請附上：裝置型號、iOS 版本、App 版本、問題重現步驟（截圖更佳）。\n本 App 不收集任何使用者資料，AI 對話與習慣記錄完全在裝置端處理。了解隱私政策 →\n","externalUrl":null,"permalink":"/support/gantt-planet/","section":"支援","summary":"甘特星球的支援與聯絡方式","title":"甘特星球支援","type":"support"},{"content":" 把一個人留下來 # 多數記錄工具處理的是今天發生了什麼。回聲種子想處理的是另一個尺度的問題。如果一個人的價值觀、經歷、偏好、語氣與判斷方式值得被保存下來，要怎麼留？而且要能留成可以被未來重新理解、重新對話的結構，不是一堆散亂的筆記。\n所以它既像日記工具，也像個人知識庫，還帶著一點數位遺產系統的味道。你在這裡留下的，除了事件本身，更包括你怎麼看待事件、怎麼解釋自己、在乎什麼、不在乎什麼。這才是回聲種子真正想收集的材料。\n為什麼它值得單獨存在 # 關鍵在於，它不只是讓你存東西，還幫你把內容逐步整理成可分析的結構。文字、語音、問卷、人格摘要、價值觀雷達圖、數位分身對話，這些模組組合起來是一條完整的鏈：先記錄、再整理、再理解，最後才有真正意義上的對話。\n這讓它很適合那些有強烈記錄慾望、又知道純筆記會越堆越亂的人。可以把它當成專為「人生材料整理」設計的容器，而不只是一頁負責輸入的空白頁。\n私密與公開兩條路都保留，這很重要 # 很多產品會逼使用者在「完全私密」和「完全社交」之間二選一。回聲種子比較成熟的地方在於，它承認這兩種需求都合理。你可以把內容完全留在自己的裝置與 iCloud 裡，也可以選擇把部分內容以公開授權方式貢獻出去，成為更大的 Human Wisdom Library 的一部分。\n這樣的雙軌設計是產品哲學，而非點綴。人生經驗有些只屬於你，有些則可能值得成為公共知識。要不要分享，應該由你自己決定。\n裝置端 AI 讓這件事不像交出自我 # 當一個產品的核心就是你的思想、價值觀與人生經歷時，隱私就不再是附加功能，而是這個產品能否成立的前提。回聲種子盡量把分析與對話放在裝置端；意義在於，你不必先把整個自己交出去，才能換來一個會理解你的工具。\n總有一天你會想起某段人生，卻再也說不清楚它。回聲種子在做的，是把那個「某一天」往後推得很遠，很遠。\n","externalUrl":null,"permalink":"/apps/sown-echoes/","section":"Apps","summary":"","title":"回聲種子","type":"apps"},{"content":"最後更新：2026-04-15\n1. 概述 # 回聲種子（Sown Echoes）由 QQder339 開發，是一款讓您主動記錄思想、價值觀與人生經歷，並透過 BIP-39 密碼學身份建立數位遺產的應用程式。\n簡單來說：本應用不會收集、儲存或傳輸您的任何個人資料到外部伺服器。您的思想與記錄只屬於您自己。\n2. 我們不收集的資料 # 本應用不收集：\n個人識別資訊（姓名、電子郵件、電話號碼） 位置資料 裝置識別碼 使用分析或追蹤資料 3. 本機儲存的資料 # 以下資料僅儲存於您的裝置，絕不傳輸至外部：\nBIP-39 助記詞：您的 Meme ID 身份密鑰（僅儲存在本機，請務必自行備份） 語音與文字記錄：所有透過問卷輸入的思想、價值觀、故事 語音轉文字結果：Whisper 裝置端辨識的結果儲存在本機 使用者設定：各類偏好設定 4. 離線 AI 功能 # 所有 AI 功能完全在裝置端運作，無需連線：\n語音轉文字（Whisper）：使用本機 Whisper 模型，所有語音辨識在裝置端完成，語音資料不傳輸至任何伺服器 BIP-39 身份生成：助記詞在裝置端本機生成，不依賴任何外部服務 AI 模型需在首次使用前下載（使用者主動選擇），下載後無需連線即可使用所有功能。\n5. 資料匯出 # 若您選擇匯出資料用於 AI 訓練貢獻，匯出行為完全由您主動控制，本應用不會自動上傳或分享任何內容。\n6. 第三方服務 # 本應用不使用任何第三方分析或廣告框架（無 Google Analytics、無 Facebook SDK、無廣告）。\n7. 網路存取 # 網路存取僅限於以下情況：\n下載 AI 模型（可選，一次性）：僅在您主動選擇下載 Whisper 模型資源時連線 主動資料匯出（使用者主導）：僅在您明確選擇匯出時 外部連結：點擊相關連結時開啟瀏覽器 除上述情況外，本應用不主動發起網路連線。\n8. 聯絡我們 # 📧 qqder339@gmail.com\n主旨請註明：回聲種子 隱私政策諮詢\n","externalUrl":null,"permalink":"/privacy/sown-echoes/","section":"隱私權政策","summary":"","title":"回聲種子 — 隱私權政策","type":"privacy"},{"content":"App Store · 隱私政策\n常見問題 # Q: BIP-39 助記詞（Meme ID）忘記了，可以找回嗎？\nA: 無法找回。 助記詞僅在首次生成時顯示，且只儲存在您的裝置本機。我們沒有任何備份機制，也無法存取您的助記詞。強烈建議在生成後立即抄寫或截圖保存在安全的地方。 若助記詞遺失，您的身份將無法在其他裝置上還原。\nQ: 語音辨識（Whisper）需要連網嗎？\nA: 不需要。語音辨識使用裝置端本機 Whisper 模型，所有辨識完全離線處理。首次使用需要下載模型（約 200 MB - 1 GB），之後完全離線。\nQ: 我的記錄在哪裡？可以匯出嗎？\nA: 所有記錄儲存於裝置本機。您可以在 App 內的「資料管理」中匯出您的記錄（JSON 格式）。匯出是使用者主動觸發的行為，App 不會自動上傳任何內容。\nQ: 語音輸入辨識準確率很低？\nA: 語音辨識準確率取決於：背景噪音、說話清晰度、語言選擇。建議在安靜環境中使用，並確認 App 有麥克風權限。若某特定語言辨識率特別差，請來信告知。\nQ: 安裝更新後，之前的記錄消失了？\nA: 正常更新不應清除資料。若資料消失，可能是誤操作或裝置儲存空間不足導致的異常。請立即來信，附上 App 版本資訊，以協助排查。\n常見排錯步驟 # 語音辨識失敗：確認麥克風權限已開啟（iOS 設定 \u0026gt; 隱私 \u0026gt; 麥克風） 模型下載失敗：確認 Wi-Fi 連線穩定，且裝置有足夠空間 強制關閉並重啟 App 確認 iOS 版本 ≥ 17.0 聯絡支援 # 📧 qqder339@gmail.com\n主旨請填：[回聲種子] 問題描述\n來信時請附上：裝置型號、iOS 版本、App 版本、問題描述。\n⚠️ 重要：請妥善保存您的助記詞（Meme ID）。遺失後無法找回。\n本 App 不收集任何使用者資料，所有內容完全在裝置端處理。了解隱私政策 →\n","externalUrl":null,"permalink":"/support/sown-echoes/","section":"支援","summary":"回聲種子的支援與聯絡方式","title":"回聲種子支援","type":"support"},{"content":" 讓一部古典小說重新變成會運作的世界 # 許多文學 App 在做的事，是把原文放進更漂亮的閱讀器。紅樓夢模擬器走的是另一條路，把《紅樓夢》裡的人物、場景、關係與事件，拆成一套可以運作的敘事系統。你看到的不只是段落，而是角色如何彼此牽動、如何在情境中顯露性格，以及一部古典小說如何像一個小型社會那樣運轉。\n這也是它叫「模擬器」而不是「閱讀器」的原因。它要帶你進入的是文本背後的結構，而不是只讓你把文字再讀一次。\n誰會真的需要這樣的產品 # 原本就喜歡《紅樓夢》的人，會在這裡得到一種新的進入方式：角色成為能被比較、觀察、重新詮釋的存在，而不是需要背誦的知識點。你會更容易看見誰在什麼場景真正做了選擇，誰的情緒如何累積，哪些細節早已暗示了後來的命運。\n對古典文學保持距離的人，這個產品也可能反而更友善。你不需要先把厚厚的原著吞完才有資格參與；這套系統把複雜的作品拆成一個可以慢慢接近、慢慢理解的結構。\nAI 在這裡的角色，是把理解的入口打開 # 紅樓夢模擬器用 AI 做的，是處理理解層面的工作：角色內心、情緒張力、現代視角的詮釋、事件之間的結構關聯。對使用者來說，這等於多了一層導讀，但不是教條式的導讀，而是會隨場景變化的互動式詮釋。情節生成並不是它的主要用途。\n這種設計特別適合《紅樓夢》這類人物眾多、關係複雜、細節密度極高的作品。你可以讓系統先把門打開，再決定自己要走多深，而不必每次從零建立結構。\n為什麼還要強調裝置端 AI # 這類產品很容易做成雲端演示；但一旦內容理解、閱讀歷程與互動都仰賴外部服務，整個體驗就會變得脆弱，也難以成為能長期陪伴的作品。紅樓夢模擬器把核心體驗壓回裝置端，意義是讓這種沉浸式閱讀與探索真的可以作為日常工具存在，而不是為了炫耀技術。\n想深入了解背後的技術與方法論，可以從底下的延伸閱讀開始；想先從體驗開始，也可以直接從 App Store 進去。\n","externalUrl":null,"permalink":"/apps/stonestory/","section":"Apps","summary":"","title":"紅樓夢模擬器","type":"apps"},{"content":"最後更新：2026-04-15\n1. 概述 # 紅樓夢模擬器（StoneStory）由 QQder339 開發，是一款以紅樓夢為底本的沉浸式閱讀與角色模擬應用程式。\n簡單來說：本應用不會收集、儲存或傳輸您的任何個人資料到外部伺服器。\n2. 我們不收集的資料 # 本應用不收集：\n個人識別資訊（姓名、電子郵件、電話號碼） 位置資料 裝置識別碼 使用分析或追蹤資料 3. 本機儲存的資料 # 以下資料僅儲存於您的裝置，絕不傳輸至外部：\n穿越者設定：您於「穿越者模式」中自訂的名字、性格特質、說話風格、背景、以及可選的大頭貼圖片 介面偏好：您選擇的顯示語言（繁體中文／英文／日文）與所選離線 AI 模型 下載內容：您於使用過程中觸發下載的角色肖像、場景圖像（快取檔） 離線 AI 模型：您選擇下載的 Qwen 2.5 模型檔（儲存於 App Group 本機目錄，供 App 內部使用） 4. 第三方服務 # 本應用不使用任何第三方分析或廣告框架（無 Google Analytics、無 Facebook SDK、無廣告）。\n5. 網路存取 # 核心閱讀與模擬功能完全離線運作，不需要網路連線。以下功能於您主動觸發時，會發起網路連線：\n下載角色肖像 / 場景圖像：當您首次瀏覽到該角色或場景時，App 會從公開 CDN 抓取對應圖像並快取到本機 下載離線 AI 模型：當您在設定中選擇下載 Qwen2.5 模型時，App 會從模型發行的公開來源抓取檔案 外部連結：點擊相關連結時以系統瀏覽器開啟 上述網路請求只傳輸您所選擇的檔案 URL，不夾帶任何個人識別資訊，也不會收集回傳資料。\n6. 聯絡我們 # 📧 qqder339@gmail.com\n主旨請註明：紅樓夢模擬器 隱私政策諮詢\n","externalUrl":null,"permalink":"/privacy/stonestory/","section":"隱私權政策","summary":"","title":"紅樓夢模擬器 — 隱私權政策","type":"privacy"},{"content":"App Store · 隱私政策\n常見問題 # Q: App 載入很慢，停在啟動畫面很久？\nA: 若已下載離線 AI 模型（標準 1.9 GB 或高品質 4 GB），App 啟動時會將模型載入記憶體，在舊機型上可能需要數秒。首次進入章節播放時，也會載入內建資料庫（角色、事件、詩詞等），屬正常現象。若啟動異常緩慢，請來信附上裝置型號與 iOS 版本。\nQ: 詩詞或段落顯示亂碼、缺字、方框？\nA: App 已內建霞鶩文楷、思源宋體、芫荽 Iansui 三種字體，不需額外下載或切換。若仍出現異常，請重啟 App 並截圖來信回報，我們會於下一版修正。\nQ: 閱讀進度有保留嗎？\nA: 目前版本（v1.1.1）章回播放進度為該次 App 使用階段內保留——您在同一次使用中可以返回章節繼續；但若強制結束 App 或裝置重啟，該章回會從頭開始播放。跨 session 的閱讀書籤功能預計於未來版本加入。\nQ: 角色肖像或場景圖像載入不出來？\nA: 肖像與場景圖像採按需下載，首次瀏覽時透過網路取得後會快取於本機。若無法載入：\n確認網路連線正常 滑動離開該畫面，再回到同一位置觸發重新下載 或至「設定 \u0026gt; 清除美術快取」後，網路順暢時重新進入 Q: 離線 AI 對話沒有回應？\nA: 首次使用需至「設定 \u0026gt; 模型管理」下載 Qwen 2.5 模型檔，可依裝置選擇：\n輕量 1.5B（約 0.9 GB）— iPhone 15 / iPad Air 標準 3B（約 1.9 GB，預設）— iPhone 15 Pro / iPad Pro 高品質 7B（約 4.0 GB）— iPhone 16 Pro / iPad Pro M 系列 請確認裝置有足夠可用空間。下載完成後即可完全離線使用。\nQ: App 可以離線使用嗎？\nA: 可以。章回播放、真實結局、角色性格、詩詞物件收藏、以及裝置端 AI 對話（模型下載後）皆可離線運作。僅角色肖像、場景圖像與 AI 模型檔需於首次觸發時下載。\n常見排錯步驟 # 強制關閉並重啟 App 確認 iOS 版本 ≥ 17.0 若特定章節異常，請記下章節名稱並來信 解除安裝後重新安裝（穿越者設定與已下載圖像會清除） 聯絡支援 # 📧 qqder339@gmail.com\n主旨請填：[紅樓夢模擬器] 問題描述\n來信時請附上：裝置型號、iOS 版本、App 版本、問題重現步驟（截圖更佳）。\n本 App 不收集任何使用者資料，所有內容儲存於裝置本機。了解隱私政策 →\n","externalUrl":null,"permalink":"/support/stonestory/","section":"支援","summary":"紅樓夢模擬器的支援與聯絡方式","title":"紅樓夢模擬器支援","type":"support"},{"content":" 問題往往出在材料不合身，而不是努力不夠 # 英語學習最折磨人的，通常是打開一篇文章時搞不清楚它到底是「稍微難一點」還是「難到會放棄」。太簡單缺乏成長感，太難則只會消耗耐心。英語 N+1 就是專門在處理這個落差的工具。\n它把 Krashen 的 i+1 理論做成實際可用的產品：先估計你的程度，再讓 AI 生成略高於現在能力的內容。核心不在「把 AI 塞進學習 App」，而在把「教材合身」這件事真正自動化。\n你會怎麼用它 # 常見流程是：先用分級測驗找出大致 CEFR 區間，再選一個你真正感興趣的主題，讓 App 生成符合目前程度的文章。閱讀時碰到新字可以直接收藏，後續就會進入複習節奏。整個設計是照著「找文章、查字典、做筆記、複習」這串習慣一口氣整合起來的，不需要自己額外拼湊。\n這種體驗對怕英文的人特別重要。它讓你在還能理解大部分內容的前提下，慢慢擴張邊界，而不是一上來就要你證明自己有多會。那個「只比現在稍微難一點」的差距，才是多數人能真正持續下去的地方。\nAI 在這裡扮演的是教材引擎 # 很多 AI 英語產品喜歡強調聊天有多自然。但長期留得住使用者的關鍵，通常是教材生成的品質穩不穩、複習節奏順不順。英語 N+1 比較像一個會依你程度調整的教材引擎：選文難度、詞彙密度與主題趣味性被整合在一起，不必每次都重新賭運氣找一篇「看起來也許適合」的材料。\n它把模型跑在裝置端，這點很關鍵。學習紀錄、程度資訊、閱讀偏好都很私密，尤其是當你正在面對自己不會的地方。把這些留在本機，會比上雲端更讓人願意長期使用。\n模型選擇也不會被硬塞到你臉上。分級測驗先拉出大致 CEFR 區間，後續由本地模型依裝置能力與記憶體狀況接手生成。使用者感受到的是「每次打開都能很快進入閱讀」，而不是先被一堆設定打斷。硬體自適應、但體驗保持簡單。這比把 AI 當成展示櫥窗更實際。\n誰特別適合下載 # 花俏但不合身的英語 App 太多，讀者常會有點疲勞。英語 N+1 想依靠的是「每次打開都剛好可學」，而不是連續登入或刺激機制。學生、自學者、想重拾英文的人，或只是想在通勤時穩定讀點英文，都能比自己在網路上亂找材料更有秩序。\n放棄英文的那一刻，通常不是因為不夠努力，而是因為材料不合身。英語 N+1 只想解決這一件事——讓你下次打開文章時，不必再猜它會不會折斷你的耐性。\n","externalUrl":null,"permalink":"/apps/english-n-plus-1/","section":"Apps","summary":"","title":"英語N+1","type":"apps"},{"content":"最後更新：2026-04-15\n1. 概述 # 英語N+1 由 QQder339 開發，是一款採用 CEFR 等級測驗、結合裝置端 AI 對話技術的英語學習應用程式。\n簡單來說：本應用不會收集、儲存或傳輸您的任何個人資料到外部伺服器。\n2. 我們不收集的資料 # 本應用不收集：\n個人識別資訊（姓名、電子郵件、電話號碼） 位置資料 裝置識別碼 使用分析或追蹤資料 3. 本機儲存的資料 # 以下資料僅儲存於您的裝置，絕不傳輸至外部：\n學習進度與等級：CEFR 程度測驗結果及學習記錄 對話記錄：與 AI 的對話內容儲存在本機 單字收藏：您標記的單字與學習筆記 使用者設定：語言偏好、難度設定等 4. 離線 AI 功能 # 所有 AI 功能完全在裝置端運作，無需連線：\nAI 對話練習：使用本機 Llama 3.2 或 Qwen 2.5 模型，推論完全在裝置端執行 文章生成：根據您的程度生成個性化學習文章，所有生成過程均在本機完成 等級評估：CEFR 程度判斷在裝置端計算 AI 模型需在首次使用前下載（使用者主動選擇），下載後無需連線即可使用所有功能。\n5. 第三方服務 # 本應用不使用任何第三方分析或廣告框架（無 Google Analytics、無 Facebook SDK、無廣告）。\n6. 網路存取 # 網路存取僅限於以下情況：\n下載 AI 模型（可選，一次性）：僅在您主動選擇下載 LLM 模型資源時連線 外部連結：點擊相關連結時開啟瀏覽器 除上述情況外，本應用不主動發起網路連線。\n7. 聯絡我們 # 📧 qqder339@gmail.com\n主旨請註明：英語N+1 隱私政策諮詢\n","externalUrl":null,"permalink":"/privacy/english-n-plus-1/","section":"隱私權政策","summary":"","title":"英語N+1 — 隱私權政策","type":"privacy"},{"content":"App Store · 隱私政策\n常見問題 # Q: CEFR 程度測驗完成後，難度感覺不準確？\nA: 初次測驗是基於詞彙選擇的快速評估，可能與實際程度有落差。建議在設定中手動調整難度，或重新進行測驗。使用一段時間後，App 會根據你的作答記錄自動調整。\nQ: AI 對話功能需要下載什麼模型？大小約多少？\nA: 依裝置效能，App 會推薦合適的模型（Llama 3.2 或 Qwen 2.5）。模型大小約 1-4 GB。下載後完全離線，不需要網路連線即可對話。\nQ: AI 對話回應很慢，幾乎卡住？\nA: 裝置端 AI 推論的速度取決於裝置效能，較舊的 iPhone 速度會明顯較慢。建議在設定中選擇較小的模型版本。\nQ: 文章生成功能產生的文章讀不懂，太難了？\nA: 文章難度依據 CEFR 等級生成。若感覺太難，請回設定降低程度等級，或在文章生成時手動選擇較低難度。\nQ: 我的學習記錄與收藏的單字會備份嗎？\nA: 目前所有資料僅儲存於裝置本機，不支援 iCloud 備份。解除安裝 App 會清除所有記錄。\n常見排錯步驟 # AI 模型載入失敗：確認裝置有至少 3 GB 可用空間，並確認下載未中斷 對話功能閃退：嘗試在設定中切換至較小的模型 強制關閉並重啟 App 確認 iOS 版本 ≥ 17.0 聯絡支援 # 📧 qqder339@gmail.com\n主旨請填：[英語N+1] 問題描述\n來信時請附上：裝置型號、iOS 版本、App 版本、問題重現步驟。\n本 App 不收集任何使用者資料，AI 對話完全在裝置端處理。了解隱私政策 →\n","externalUrl":null,"permalink":"/support/english-n-plus-1/","section":"支援","summary":"英語N+1的支援與聯絡方式","title":"英語N+1支援","type":"support"},{"content":" 在 Deepfake 時代，真正稀缺的是可驗證的真實性 # 影像與音訊的門檻變低，本來是好事；但偽造、重剪、斷章取義的成本也一起下降。「我有錄下來」這句話，已經沒辦法直接等於「我能證明事情真的如此」。原子在場切進的就是這個缺口：它讓你在錄製當下，就開始建立一條可以回頭驗證的證據鏈。\n所以它比較適合的場合，是那些你擔心素材會被事後質疑的時刻：受訪、採訪、見證、吹哨、爭議現場，或任何需要為談話留下清楚紀錄的時候。日常隨手拍並不在它的設計射程裡。\n它怎麼和一般錄影工具不一樣 # 多數錄影工具的思路是「先把檔案錄好再談保存」；原子在場則把雜湊鏈、動態 QR、數位簽章這些證明機制，在錄製當下就直接綁進流程裡。從一開始，「能否被驗證」就是它的產品核心，而非事後補丁。\n這讓它更像一個面向風險場景的技術防禦工具。平常也許用不到，但一旦需要，你會希望它早就在手機裡、流程也已經熟悉，不會臨時找一堆工具硬拼。\n四個等級背後，其實是在處理不同風險 # 產品內的不同保護等級，對應的是實際情境的差異：有些場合只需要提醒對方「現在有在錄」；有些則接近存證級的完整性驗證。分級的目的是讓工具具備中間檔位，能貼著現實工作流程用，而不是只有粗暴的全開與全關。\n對記者、法律工作者、公民記錄者、或經常需要留下清楚談話紀錄的人來說，這點很有價值。他們需要的是一個模糊地帶更少的錄製工具，而濾鏡與美顏並不會幫上忙。\n隱私與離線，是可信度的一部分 # 一個標榜真實性的工具，如果核心資料處理大量仰賴外部伺服器，可信度本身就會被稀釋。原子在場把關鍵運算盡量留在裝置端，一方面保護隱私，另一方面也在降低證據鏈上的外部依賴。素材經手的第三方越少，事後要說清楚它經歷過什麼就越容易。\n如果你想找的是一款在爭議發生時更有機會說服別人的錄製工具，原子在場值得你先熟悉一次。\n","externalUrl":null,"permalink":"/apps/atomic-presence/","section":"Apps","summary":"","title":"原子在場","type":"apps"},{"content":"最後更新：2026-04-15\n1. 概述 # 原子在場由 QQder339 開發，是一款運用密碼學雜湊鏈、數位簽章與音頻浮水印技術，協助使用者自證錄音錄影完整性的防深偽工具。\n簡單來說：本應用不會收集、儲存或傳輸您的任何個人資料到外部伺服器。所有密碼學運算與存證均在裝置端完成。\n2. 我們不收集的資料 # 本應用不收集：\n個人識別資訊（姓名、電子郵件、電話號碼） 位置資料 裝置識別碼 使用分析或追蹤資料 3. 本機儲存的資料 # 以下資料僅儲存於您的裝置，絕不傳輸至外部：\n錄音錄影檔案：所有錄製內容儲存在您的裝置本機儲存空間 雜湊鏈記錄：SHA-256 雜湊序列與對應的驗證資料 數位簽章：由裝置端 Curve25519 演算法生成的簽章資料 存證報告：驗證報告與元資料記錄 匿名裝置識別碼：每份 .evidence.json 會內嵌一個由 Apple identifierForVendor 計算出的 SHA-256 前綴（16 個十六進位字元），用於同一裝置不同錄製之間的身份一致性。此識別碼僅存在於您裝置上的 evidence 檔案中，絕不傳輸至任何伺服器，且無法反推回原始裝置資訊 4. 密碼學功能（完全離線） # 所有核心功能均在裝置端完成，無需連線：\n雜湊鏈生成：即時產生 SHA-256 雜湊序列，所有計算在本機進行 數位簽章：使用 Curve25519 演算法在裝置端對錄製檔案簽名 音頻浮水印：在錄音中嵌入 FSK 訊號，所有訊號處理均在裝置端完成 驗證：完整性驗證計算在本機進行 5. 重要說明 # 本應用處理的內容（錄音、錄影）可能包含敏感資訊。所有處理流程均在您的裝置上完成，我們無法且永遠不會存取您的任何錄製內容。\n6. 第三方服務 # 本應用不使用任何第三方分析或廣告框架（無 Google Analytics、無 Facebook SDK、無廣告）。\n7. 網路存取 # 本應用不需要網路連線即可使用所有功能。唯一的網路存取為：\n外部連結：點擊相關連結時開啟瀏覽器 8. 聯絡我們 # 📧 qqder339@gmail.com\n主旨請註明：原子在場 隱私政策諮詢\n","externalUrl":null,"permalink":"/privacy/atomic-presence/","section":"隱私權政策","summary":"","title":"原子在場 — 隱私權政策","type":"privacy"},{"content":"App Store · 隱私政策\n常見問題 # Q: QR Code 在影片中顯示不清楚，驗證時掃不到？\nA: 請確認錄製時螢幕亮度足夠，且攝影機距離螢幕不要太近（建議 30-50 cm）。QR Code 每秒更新一次，需要攝影機能清楚對焦。若持續有問題，請嘗試降低錄製解析度。\nQ: 音頻浮水印驗證失敗？\nA: 浮水印驗證可能在以下情況失敗：音訊被嚴重壓縮（如 WhatsApp 轉發）、音訊被截短、或背景噪音過大。建議在安靜環境錄製，並使用原始音訊檔案進行驗證。\nQ: 數位簽章在新裝置上失效？\nA: 每部裝置的金鑰保存在 iOS Keychain，換裝置時會產生新金鑰。但您不需要手動匯出公鑰——每一份錄製的 .evidence.json 都已自動內嵌當次簽章使用的公鑰，驗證者只要持有該 evidence 檔案就能完成驗證，與是否在原裝置上無關。\nQ: 錄製過程中 App 突然關閉，檔案還在嗎？\nA: App 異常關閉時，部分已錄製的片段可能會留在 Documents 目錄。請重開 App、點擊主畫面上方的 VERIFY 按鈕，進入驗證畫面查看 Level 1 / Level 2 / Level 3 三個分頁中是否有可復原的檔案。\nQ: 雜湊鏈驗證顯示「完整性破壞」，但我沒有剪輯過？\nA: 可能原因包括：錄製過程中 App 被系統中斷、裝置電量過低、或儲存空間不足導致寫入錯誤。請確認錄製時裝置電量充足且空間足夠。\n常見排錯步驟 # 確認裝置有充足儲存空間（建議至少 2 GB 可用） 錄製時保持螢幕常亮，避免系統中斷 強制關閉並重啟 App 確認 iOS 版本 ≥ 17.0 若特定場景持續出現問題，請截圖記錄錯誤訊息後來信 聯絡支援 # 📧 qqder339@gmail.com\n主旨請填：[原子在場] 問題描述\n來信時請附上：裝置型號、iOS 版本、App 版本、錄製模式（影片/音訊）、問題重現步驟。\n本 App 不收集任何使用者資料，所有密碼學運算完全在裝置端進行。您的錄製內容我們無法存取。了解隱私政策 →\n","externalUrl":null,"permalink":"/support/atomic-presence/","section":"支援","summary":"原子在場的支援與聯絡方式","title":"原子在場支援","type":"support"},{"content":" 直接把假名學進手上 # 很多日語入門教材其實都默默預設了一件事：你願意先忍受一段很長的「羅馬拼音過渡期」。但對中文母語者來說，這通常不是最自然的學法。你本來就有字形感、筆畫感，也習慣用視覺和書寫去記東西。假名私塾的出發點就是承認這一點，順著這個本能設計。\n它的做法是把「看字形、寫字形、打字形、辨識字形」這幾件事真的串成一條路徑，並不強調五十音表的美術裝飾。這條路徑的好處，是讓你更快進入「看到假名就直接反應」的狀態，而不必一直靠羅馬拼音當拐杖。\n為什麼這套方式特別適合中文使用者 # 中文使用者的優勢未必在發音，而在於對字形與結構的敏感度通常比想像中高。假名私塾把這個優勢放大：用手寫、圖像辨識、客製鍵盤與字形聯想去記假名，讓學習變得像熟悉一套新文字，少一點死背的機械感。\n很多人學到一半放棄的原因，往往和工具切入點有關，而不是努力程度。假名私塾在做的事，正是把這個切入點調正。\n從背字到繼續往前走的入口 # 把五十音記住只是起點，真正難的，是把它慢慢變成輸入、辨識與理解能力。這也是為什麼 App 裡除了手寫辨識，還放了客製化鍵盤與 AI 輔助——你在建立的是一套較接近真實使用情境的肌肉記憶，而不是在做靜態測驗。\n這種設計特別適合兩種人：一種是剛開始學日文、需要低壓力入口的人；另一種是學過、忘了、現在想重新撿回來的人。前者需要的是不繞遠路，後者需要的是重新建立熟悉感，這個 App 對兩者都有效。\n離線與隱私在這裡很實際 # 語言學習工具常會越做越像內容平台，使用者以為在學習，其實只是在不同推薦內容之間被動切換。假名私塾比較克制，把重心放在真正的輸入與辨識訓練上；本地 AI 與資料處理都在裝置端完成。你不必先把使用習慣交出去，才能換來一點學習便利。\n學五十音不必被羅馬拼音牽著走。假名私塾會讓你看到：從字形走進去也行得通，而且往往更快。\n","externalUrl":null,"permalink":"/apps/kana-juku/","section":"Apps","summary":"","title":"假名私塾","type":"apps"},{"content":"最後更新：2026-04-15\n1. 概述 # 假名私塾由 QQder339 開發，是一款專為中文母語者設計的日語假名學習應用程式。\n簡單來說：本應用不會收集、儲存或傳輸您的任何個人資料到外部伺服器。\n2. 我們不收集的資料 # 本應用不收集：\n個人識別資訊（姓名、電子郵件、電話號碼） 位置資料 裝置識別碼 使用分析或追蹤資料 3. 本機儲存的資料 # 以下資料僅儲存於您的裝置，絕不傳輸至外部：\n學習進度：記錄您的假名學習狀態 使用者設定：儲存您的偏好設定 手寫輸入：在記憶體中即時處理後立即丟棄，不儲存任何檔案 小工具資料：透過 iOS 系統共用機制在主畫面小工具顯示假名（僅本機） 4. 離線 AI 功能 # 所有 AI 功能完全離線運作：\n手寫辨識：使用裝置端機器學習模型，所有處理均在本機進行 語音合成（TTS）：使用預先下載的音訊資源 AI 輔助學習：使用本機大型語言模型（LLM），推論完全在裝置端執行，不上傳任何資料 5. 第三方服務 # 本應用不使用任何第三方分析或廣告框架（無 Google Analytics、無 Facebook SDK、無廣告）。\n6. 網路存取 # 網路存取僅限於以下情況：\n下載 AI 模型（可選）：僅在您主動選擇下載本機模型資源時連線 外部連結：點擊「在 App Store 評分」或「隱私政策」時開啟瀏覽器；點擊翻譯／辨識結果後的「網路搜尋」按鈕時開啟線上字典 除上述情況外，本應用不主動發起網路連線。\n7. 聯絡我們 # 如有任何關於本隱私政策的問題，請聯絡：\n📧 qqder339@gmail.com\n主旨請註明：假名私塾 隱私政策諮詢\n","externalUrl":null,"permalink":"/privacy/kana-juku/","section":"隱私權政策","summary":"","title":"假名私塾 — 隱私權政策","type":"privacy"},{"content":"App Store · 隱私政策\n常見問題 # Q: 手寫辨識一直辨識錯誤，怎麼辦？\nA: 確認你的書寫速度不要過快，畫完筆劃後稍作停頓再提筆。辨識模型需要完整的筆劃資訊。若問題持續，請在設定中重置辨識校準。\nQ: 本地 AI 模型要怎麼下載？下載後還需要網路嗎？\nA: 首次使用 AI 功能時，App 會提示你下載模型（約數百 MB）。下載完成後，所有 AI 功能均可完全離線使用，不需要網路連線。\nQ: 客製化鍵盤無法顯示在其他 App 中？\nA: 假名私塾內建的客製化鍵盤僅限 App 內使用，不是系統層級的鍵盤擴充功能。若需要在其他 App 輸入日文，請使用 iOS 系統的日文鍵盤。\nQ: 小工具（Widget）無法更新假名？\nA: 請嘗試在主畫面長按後移除小工具，再重新加入。若仍未更新，強制關閉 App 再重新開啟一次，或重啟裝置。\nQ: 學習進度消失了？\nA: 進度儲存於裝置本機，解除安裝 App 會清除所有資料。目前不支援 iCloud 備份。若進度不正常消失，請來信描述情境，我們會協助排查。\n常見排錯步驟 # 強制關閉並重啟 App（雙指上滑關掉 App 後重開） 確認 iOS 版本 ≥ 17.0 確認裝置空間充足（AI 模型需要約 1-2 GB 空間） 若以上無效，解除安裝後重新安裝（注意：進度資料會清除） 聯絡支援 # 📧 qqder339@gmail.com\n主旨請填：[假名私塾] 問題描述\n來信時請附上：裝置型號、iOS 版本、App 版本、問題重現步驟（或截圖）。\n本 App 不收集任何使用者資料，所有資料存於您的裝置本機。了解隱私政策 →\n","externalUrl":null,"permalink":"/support/kana-juku/","section":"支援","summary":"假名私塾的支援與聯絡方式","title":"假名私塾支援","type":"support"},{"content":"以下是各 App 的隱私權政策頁面。所有應用程式均不收集任何使用者個人資料，所有 AI 處理完全在您的裝置端執行。\nApp 隱私政策 假名私塾 查看 英語N+1 查看 甘特星球 查看 聽覺旅伴 查看 Python 點線面 查看 原子在場 查看 回聲種子 查看 紅樓夢模擬器 查看 ","externalUrl":null,"permalink":"/privacy/","section":"隱私權政策","summary":"各 App 的隱私權政策","title":"隱私權政策","type":"privacy"},{"content":" 把聲音從背景配角，拉回成一種可以被設計的空間 # 多數白噪音 App 做到最後，常常只剩下一個結論：你可以播雨聲、海浪、風聲，然後希望自己比較容易專心或睡著。聽覺旅伴想走得更遠。它把「聲音如何構成一個可居住的場」當成產品核心，而不只是丟幾種環境音素材進手機。\n所以你看到的並不是一份播放清單，而是噪音合成器、場景混音台與閱讀器三條線。你可以從不同方向調整自己的聽覺環境：有時候想要的是穩定、無情緒的頻譜；有時候是雨夜、壁爐、咖啡店那種有空間感的層次；有時候則希望朗讀聲和背景音能在同一個畫面裡並存。\n什麼情境下它最有價值 # 長時間閱讀、寫作、工作時，光是「播放自然聲」通常不夠，你真正需要的是一個可以微調的聲景。聽覺旅伴適合這類場景。可以先用噪音合成器把底鋪出來，再用場景混音疊上事件音與循環音，最後讓朗讀器把文字念出來。整體貼合當下狀態的程度，會比一條 Spotify 播放清單更接近實用。\n放鬆與睡前也是典型場景。很多人需要的不是絕對安靜，而是某種能把外界遮掉又不干擾自己的聲音。這時可調噪音與場景混音的價值就出來了——你不必在幾個預設選項之間硬選。\n真正關鍵的是聲音控制的細緻度 # 可以把它想像成為個人使用設計的小型聲音工作台。合成器處理頻譜與質地，場景混音處理氛圍與空間感，閱讀器處理內容輸入。三者分開看各自成立，合起來則會成為一個完整的專注系統。\n這也是為什麼它對「需要背景聲的人」特別有吸引力。你可以逐漸找到自己能久待的聲音配置，而不必被動接受某個別人做好的音場。\n細節上的差異也很實際：噪音合成器把白、粉紅、棕、綠四種噪音色彩與多個參數直接交到你手上，不只是一個開關；場景混音提供上百個音頻樣本，可以分層堆疊成完整音場；朗讀器則把裝置端 TTS、背景音自動閃避和全螢幕播放器收在同一條使用路徑上。\n聲音與朗讀資料留在裝置裡，這件事很實際 # 你讀什麼、聽什麼、貼上什麼文字，大多很私密。尤其當 App 支援剪貼簿朗讀或本地 TTS 時，如果這些內容會上傳，整個使用感就會立刻變味。聽覺旅伴把合成、混音與朗讀都留在裝置端，這直接決定了你會不會安心把它當成日常工具。\n如果你要找的是一個能陪你工作、讀書、放空與沉浸閱讀的聲音引擎，而不只是「能播幾種環境音」的 App，這款產品值得親自試一下。\n","externalUrl":null,"permalink":"/apps/auditory-companion/","section":"Apps","summary":"","title":"聽覺旅伴","type":"apps"},{"content":"最後更新：2026-04-15\n1. 概述 # 聽覺旅伴由 QQder339 開發，是一款結合 DSP 即時合成噪音、108 種環境音效與 AI 語音朗讀的專注音訊引擎。\n簡單來說：本應用不會收集、儲存或傳輸您的任何個人資料到外部伺服器。\n2. 我們不收集的資料 # 本應用不收集：\n個人識別資訊（姓名、電子郵件、電話號碼） 位置資料 裝置識別碼 使用分析或追蹤資料 3. 本機儲存的資料 # 以下資料僅儲存於您的裝置，絕不傳輸至外部：\n音景設定：您儲存的混音配置與偏好場景 朗讀內容：您加入的文章、剪貼簿文字等朗讀素材（僅在本機處理） 使用者設定：音量、音效偏好、自動閃避設定等 4. 裝置端 AI 功能 # 語音合成（TTS）與音訊處理均在裝置端運算：\nAI 語音朗讀：使用 iOS 內建 TTS 引擎，或可選下載的本機 MeloTTS 模型；所有語音合成在裝置端執行 自動閃避（Auto-Ducking）：DSP 訊號處理完全在本機執行，即時分析人聲與背景音並自動調整音量 5. 第三方服務 # 本應用不使用任何第三方分析或廣告框架（無 Google Analytics、無 Facebook SDK、無廣告）。\n6. 網路存取 # 核心功能（噪音合成、場景混音、iOS 內建 TTS 朗讀）完全離線運作。以下功能於您主動觸發時，會發起網路連線：\n下載 MeloTTS 模型（可選）：當您在設定中選擇下載本機 TTS 模型時，App 會從公開來源抓取模型檔案並快取至本機 外部連結：點擊相關連結時以系統瀏覽器開啟 上述網路請求只傳輸您選擇下載的檔案 URL，不夾帶任何個人識別資訊。\n7. 聯絡我們 # 📧 qqder339@gmail.com\n主旨請註明：聽覺旅伴 隱私政策諮詢\n","externalUrl":null,"permalink":"/privacy/auditory-companion/","section":"隱私權政策","summary":"","title":"聽覺旅伴 — 隱私權政策","type":"privacy"},{"content":"App Store · 隱私政策\n常見問題 # Q: 聲音播放時有雜音或爆音？\nA: 部分雜音可能來自藍牙耳機的連線問題。請嘗試切換至有線耳機測試。若使用有線耳機仍有問題，請在設定中調整取樣率或重啟音訊引擎。\nQ: TTS 朗讀功能聽起來很不自然？\nA: App 使用 iOS 內建 TTS 引擎。可在設定中切換不同的語音包和語速。部分語言（如繁體中文）的 TTS 品質取決於 iOS 版本，建議更新至最新 iOS 以獲得最佳效果。\nQ: 自動閃避（Auto-Ducking）功能有時失靈？\nA: 自動閃避需要同時播放背景音和 TTS 朗讀。若僅播放一種音源，閃避功能不會啟動。請確認兩種音源都在播放中，並確認閃避功能在設定中已開啟。\nQ: 場景混音設定儲存後，下次開啟不見了？\nA: 可能是 App 在設定儲存前強制關閉。請在設定頁面完成設定後確認儲存，再退出 App。\nQ: 可以在螢幕鎖定後繼續播放嗎？\nA: 可以。App 支援背景音訊播放，鎖屏後仍可繼續。若播放自動停止，請在 iOS 設定中確認 App 的背景重新整理權限。\n常見排錯步驟 # 確認音量沒有被靜音（實體靜音開關 + 媒體音量） 嘗試切換音訊輸出裝置（有線 vs 藍牙） 強制關閉並重啟 App 重啟裝置，清除可能的音訊路由衝突 確認 iOS 版本 ≥ 17.0 聯絡支援 # 📧 qqder339@gmail.com\n主旨請填：[聽覺旅伴] 問題描述\n來信時請附上：裝置型號、iOS 版本、App 版本、使用的耳機或揚聲器型號、問題重現步驟。\n本 App 不收集任何使用者資料，所有音訊處理完全在裝置端進行。了解隱私政策 →\n","externalUrl":null,"permalink":"/support/auditory-companion/","section":"支援","summary":"聽覺旅伴的支援與聯絡方式","title":"聽覺旅伴支援","type":"support"}]