古風 Manifold 小筆記

文天祥的正氣歌 [1] 說:"天地有正氣,雜然賦流形。" 這個 “流形" 就是 Manifold 的中文翻譯。後兩句 “下則為河嶽" 就是說一般人站在地球上,還以為地球是平的,"上則為日星" 就是抬頭一看,感到世界大到甚至不只是 3D。

正經地說,流形是一個局部看起來像歐幾里得空間(平坦的空間),但整體結構可能非常複雜且彎曲的拓樸空間。一張 1024×1024 的彩色照片,在數學上是一個高達 300 萬維度的空間,但「有意義的貓狗照片」只佔據這個 300 萬維空間裡一個極小的低維流形,不是每個空間中的值都有特殊意義。這種群聚就像是太陽系裡面的星球彼此靠得很"近",若是出了太陽系,宇宙就顯得很稀疏,直到遇到其他星系。

對 AI 來說,世界模型充滿雜訊且計算量太大。模型會透過編碼器(Encoder),將高維的觀測數據「壓縮」並映射到一個低維度的潛在空間(Latent Space) 中。這個潛在空間本質上就是在捕捉數據所在的流形。一旦 AI 掌握了這個低維流形的潛在空間,它就能在這個平滑、連續的流形上做計算。這也可以解釋 transformer – encoder、decoder 為何會有用。

當初 DeepSeek 出來的時候,也用上了 latent space 壓縮的技術。我當時想,做完這個 lossy 的壓縮,雖然節省計算量,但是資訊丟掉就回不來了啊!? 因為那個 monent 我還沒有流形的觀念;如果有,我就不用緊張了。

在數學上,流形不一定可以微分。但是要訓練 AI ,就要計算梯度。因此我們只能假設它可以被微分,也就是要假裝它更平坦一點。因此就算真實的流形不可微,我們也得製造出一個可微分的流形。所謂 “人心惟危,道心惟微" [2],人類明明知道會有危險的奇點 (
Singularity),但是演算法只能讓它可微分。以目前 AI 強大的戰力來看,這個有意的忽略,似乎影響不大。

[REF]

  1. 正氣歌
  2. 十六字心傳

養龍蝦的小筆記

龍蝦 OpenClaw 最近很紅,安裝龍蝦後, 有幾個特別的小心得可以分享。像是龍蝦會燒 token 這種事,大家都知道就跳過。我裝的是 Intel X86 和 ARM 的 Ubuntu。

  1. 賜名 – 我把它取名為螃蟹, 不管是 AICrab、MyCrab,它都會把圖示改成螃蟹。也就是說它在乎自己的名字,而且理解其意義。

2. 重新安裝

如果出了大錯, 想要重新安裝的話:光是砍掉 ~.openclaw 目錄還不夠,因為有些東西放在 /usr/bin/.nvm、 /usr/bin/nodejs 下面。如果沒有斬草除根。就算重新安裝還是會記住一些錯誤的設定。此時就算叫出 doctor 也修不好。

openclaw doctor --fix // 看醫生也治不好

3. Telegram 設定好,龍蝦和 Telegram 串不起來。網路文章通常會少寫一步 pairing. XXX 就是 telegram token。

openclaw pairing approve telegram XXXXXX

4. 搞爛掉之後,會遇到 gateway 連不上。

主要是 gateway token 出錯。就算用 openclaw config 重新設定成只看 password,它還是說 gateway API 錯,要去 UI 改。但是 UI 點進去啥都沒有,這條路子我修不好,最後選擇重灌。

openclaw config // 看起來都對,跑起來不對

5. Clawhub 安裝了還是找不到。這是因為 gloabl 安裝也不會自動加到路徑。

npm install -g clawhub // 以為必成功
npm list -g --depth=0 | grep clawhub // 什麼都撈不到
npm list -g clawhub // 看看它裝到哪裡去了?
echo $PATH // 果然沒有
NPM_GLOBAL_BIN=$(npm bin -g) // 找出來
echo "export PATH=\$NPM_GLOBAL_BIN:\$PATH\" >> ~/.bashrc // 加進去
source ~/.bashrc // 重新執行

6. 一把 key 不宜養太多隻龍蝦

本來在 X86 還用得好好的,後來想試試看 ARM 的版本時,因為接到 LLM Oauth 的 toekn 都用同一個吧?! 結果兩隻龍蝦都掛了,靜置一晚後復活,不敢再同時養。

API rate limit reached. Plase try again later.

整體來說,養龍蝦還是滿好玩的。最後用一點篇幅歪樓到 skill。龍蝦其中一個厲害的地方是 skill [1]。Skill 主要是 prompt、又帶 metadata (簡短自述)、和可選用的 code,跟 MCP 的 prompt (可選)、metadata (資料)、加 tools 算是有異曲同工之妙。

以我的認知,原本 MCP 的特色是好好描述目標、但在執行手段上保留彈性,好處是使用者可以對背後的操作一無所知。而 Claude Code / 龍蝦正面表列 skill,等於是把手段也大致講了,此時歪樓的機會更低。相對地、這個場景對使用者的知識水準要求更高,但 openClaw 的使用者正是龍蝦本人,這個門檻問題自然就不存在了 – 只需要擔心它拆家…就好?!

[後記]

我發現寄養家庭 (伺服器代管) 好像不能讓我免費嵌入 Youtube 影片,所以我做了一點調整。並補充一段內容。

Skill 與 Tools

我覺得現在人勝過 AI 的地方,主要是知識更新的速度。我問 AI Tools 和 Skills 有什麼差別的話,有的 AI 會說這是類似的東西,只是各家命名不同 (Claude 4.6 Sonnet 2026/3/5)。但如果你信了,就沒有機會聽到另外一個解釋 (文皓 blog 2026-02-05)[2]。

Tools 可以想像為食材,Skill 可以想像為烹飪技巧、食譜。所以我們有時候會聽到 Agent Skill 這種說法,因為 Agent 確實可以實現 Skill,但是沒有人說 Agent tools。

[REF]

  1. 程序員老王 – 10分钟弄懂 什么是大模型Skill
  2. https://yu-wenhao.com/zh-TW/blog/openclaw-tools-skills-tutorial/

馬年快閃電磁學

馬年到了! 和馬有關的成語、吉祥話、成句都紛紛出爐,連馬克斯威爾 (Maxwell) 方程式都出來湊一腳。其它都先不管,講一下和量子力學有關的部分。

第四定律 – “安培-馬克士威定律" 原本長這樣子:

右邊第一項安培定律告訴我們電流 J 流動產生磁場。μ0 是真空磁導率。

右邊第二項是馬克斯威爾後來加上去的修正項。意思是:「變化的電場」(E 對時間微分) 也能產生磁場,係數是"真空磁導率" μ0 再乘上 “真空電容率" ε0

為什麼不用一個 μ1 搞定,而要放任 μ0 ε0 存在,增加電信系學生背公式的困難度呢?原因有三個。

  1. 增加這兩項的相似性。一看就都是電流家族。
  2. 隱藏彩蛋。 μ0 ε0 = 1 / C2 ,Maxwell 把這兩個係數乘出 μ1 的時候,發現他和光速的平方的倒數幾乎一樣。因此他預測了光也是電磁波。However,是說他的計算機有平方鍵和倒數鍵嗎? 為什麼這樣也能感應到?

總之,與其用路人般的 μ1 ,不如寫成光速的平方的倒數更酷。

第三個一點 (教官式中文上身,主要是我不會打清單標題 3)。上述的表示法是國際單位制 (Système International d’Unités,簡稱SI),便於使用安培、伏特這些單位。假如使用高斯單位制 (Gaussian units) 或 自然單位制,公式就可以直接吸收掉係數 (早說嘛,我大二就可以輕鬆了),表示為

    在量子力學中,甚至把光速視為常數 1,那公式就更簡潔了。

    在量子力學中,原本的公式都成立;只是要在量子場論/量子電動力學 (Quantum Electrodynamics, QED) 中重新詮釋。簡單地說,電磁場都不再連續,而是量子態。電與磁對稱,遵守規範對稱性 (Gauge Symmetry) [5]。

    跳過不直覺不好記的部分,我們可以簡單記得。馬克斯威爾觀察到 μ0 ε0 參數相乘近似光速的平方的倒數,在忽略量子效應時是對的,但也真的是個近似值。想要精準地推算,就不能忽略量子效應,例如光子的離散性 [6]。

    古典世界看起來是連續、對稱的類比,走近一看原來是數位的。我們理解世界的解析度愈低就愈簡單,解析度愈高就會愈覺得 “是這樣沒錯,但不是這樣"。有沒有發現?從蛇年到馬年就是不連續的;所以這又給了我們一次重新立大志做大事的機會。

    祝大家蛇年量子跳躍到馬年,別擔心測不準,因為幸福的位置已經塌縮在你身邊!

    [REF]

    1. 國際單位制
    2. 高斯單位制
    3. 自然單位制
    4. 諧振子
    5. 規範場論
    6. 光電效應

    我讀 «納瓦爾寶典»

    這本書 [1] 很難摘要,因為它的內容就長得像摘要過的樣子,只有短短的 82 頁。作者不是納瓦爾‧拉維肯 (Naval Ravikant) 本人,而是艾瑞克‧喬根森 (Eric Jorgenson) 。前者是創投家,後者是理財部落客。也就是納瓦爾述而不作,由艾瑞克集註。

    如果要從這些摘要中再摘要一次,確實很不容易。我只能把我印象最深刻的東西寫下來。


    做自己喜歡的事,就不只是單純的工作。別人很難在這種情況下還贏過你。

    無論是財富的累積或是其他方面,都可以用槓桿觀念和時間複利來擴大自己的成就。槓桿有三種。

    • 人力槓桿 – 當大老闆,叫其他人做事。雖然很有面子,但效率最低的。
    • 資本槓桿 – 財務遊戲,用錢賺錢。
    • 零邊際成本槓桿 – 用書籍、媒體、影片、軟體賺錢。透過低成本的複製,達到最大的效果。

    複利對財富、個人專業和品牌都適用。例如百年老店比十年"老"店厲害不只十倍。

    有三種方式可以達到退休目標:

    • [邏輯上] 讓被動收入大於花錢的速度。
    • [理性上] 降低物慾,就像 «跟錢好好相處» 裡面說的。
    • [感性上] 做喜歡的事,樂在其中,錢就不重要了。

    幸運有四種:

    • 矇到的。
    • 堅持努力,為自己創造出機會。
    • 透過專精於某個領域,主動創造出發現幸運的機會。
    • 打造出獨一無二的性格、品牌、和心態,讓幸運自己找到你。舉例來說,前幾天攀登上 101 的 Alex Honnold 就是被 Netflix 選上的那個人。

    委託 – 代理問題 (principal-agent problem):

    如果你希望一件事成功,不是自己做就是委託另一個人全權負責。相對地,代理人並沒有雙向的長期承諾,自然就不會那麼重視成敗。公司愈小,成員就愈像委託人。

    納瓦爾說在高科技時代,如果你具有別人沒有的能力,人家當然要花錢請你。銷售也是,有些人就是比別人更會賣東西。如果同時具備這兩種能力就無敵了。有 AI 之後,情況稍微有點改變。但是天才工程師,還是比號稱工程師和 AI 更搭。

    創造財富是正和賽局,追求權力是零和賽局。財富能帶來自由,但不等於智慧。

    判斷力的重要性常被低估,努力則常被高估。判斷力是解決問題的智慧。作者的意思應該是指成功像是一種向量,判斷力決定出正確的方向後,接著努力使用槓桿去舉起目標。當你做決定的時候,要制服心中的不會思考、只有衝動的猴子 – 心猿 (mind monkey, p.38)。

    在本書四十幾頁以後,呈現一種老生常談,算是本書的低谷區。書上告訴大家 “不要太自信、要誠實、不要預設立場…"。"沒有實際經驗的名言只是酷,學習聰明人的心智模式才重要。"簡單地說,不要管欣梅爾說了什麼? 只要知道欣梅爾會怎麼做? [2] 接著是用三言兩語說演化論、複雜理論 (Complexity Theory) [3]、經濟學、複利、基礎數學、黑天鵝、微積分、可否證性 (falsiability) 都重要。多讀書可以建立新的心智模式。

    後面幾頁同樣地迷。"如果無法決定,答案就是否定"、"如果有兩個選擇,就選短期比較苦的"、"懂邏輯和數學就可以看懂所有書"、"讀書不在多、而在於愛讀書"。在這些金句之後,本書就完成了第一部 “關於致富"。老實說,我覺得收尾得很飄。

    第二部 “關於快樂"。納瓦爾說快樂就是覺得自己什麼都不缺。我們不能改變世界,但是可以塑造自己。所以接受事實、找回平靜、選擇快樂。快樂不是靠達成目標 (p. 49)。快樂是對自己擁有的感到滿足、成功則是來自於不滿足 (p.51)。人生不管遇到什麼困難,只有三個選擇:改變它、接受它、或是擺脫它 (p.53)。

    下一章講得比較入世,主要是說健康要擺第一、要學原始人、生酮飲食、運動、冥想、建立好習慣、主動學習新知、忠於自己、不要退縮、免於憤怒、免於受雇 (p.64)、免於不受控。其中只有免於受雇的自由讓人眼睛一亮,因為他們更喜歡創業,哈!

    第五章講納瓦爾的價值觀和他認為人生的意義。生命的意義可能有三個:(1) 因人而異、(2) 沒有意義也沒有目的、(3) 熱力學第二定律 [5]。嗯…所以只能活在當下 (p. 67)。再來就是納瓦爾推薦的書、部落格、推特。然後是作者補充納瓦爾的相關資料和註釋等等。

    對於我而言,我感覺到納瓦爾是個聰明人,這些從本書第一部就可以感受得出來。他對於財富的理解很有一套。他沒有給我們魚、沒有教我們釣魚、而是跟我們說不一定非要吃海鮮不可,吃素也會飽;更取決幾分飽叫做飽? 甚至 “一簞食一瓢飲,回也不改其樂" [6]。

    至於講到快樂的部分,我覺得書中的觀點有點佛化了。面對它 = 接受它、處理它 = 改變它、放下它 = 擺脫它。納瓦爾說我們面對困難只能選擇一種,證嚴上人三招可以全部都用上。要講人生智慧,矽谷大亨不可能說得過宗教家啦! 不過有智慧的富人還是比較難能可貴就是了。

    [REF]

    1. 納瓦爾寶典: 從白手起家到財務自由, 矽谷傳奇創投家的投資哲學與人生智慧 (The Almanack of Naval Ravikant: A Guide to Wealth and Happiness)
    2. 成句/如果是勇者欣梅爾的話一定會這麼做的
    3. 複雜理論
    4. 可證偽性
    5. 在一個孤立系統中,總熵(無序程度)永遠趨向增加,不可逆地從有序走向無序,這決定了物理過程的不可逆性與時間方向
    6. 論語雍也第九篇

    MCP 小整理

    學習 MCP (Model Context Protocol) 的時候, 我看了兩個版本的網路資料,一個是 Antropic 版 [1],一個是 Scrimba 版 [2],兩者的教法天差地別,容後再敘。如果只要用一個關鍵詞來理解,那還真得是 USB type C。所以我先說明一下 MCP 它 “USB-C" 在哪裡?

    USB-C 主要的特徵是 protocol 無需使用者設定,接頭即插即用,正反都可以插,不會在只有兩個選擇中竟然插錯兩三次…^^。對於使用大語言模型的人 (user) 來說,同樣不需要知道 MCP Server 怎麼運作?MCP Server 們只是在哪邊等 MCP client 呼叫。至於 MCP Client 怎麼知道要呼叫哪個 server?當然,要先問啊!

    在初始化階段,MCP Client 會根據 local host 的 configuration – 通常是 JSON 檔,先問問每個 MCP server 有哪些本領 (tools)?接下來就等著 LLM 自己評估需要那些 tools?例如要查新竹的陣風幾級?MCP Client 早已將收集到的工具清單注入給 LLM,讓它知道 MCP Server 1 有報氣象的 weather tool.,那 LLM 就會呼叫這個 tool,MCP Client 自動會找到對應 MCP server 1,而不需要再次輪詢所有 MCP server 們。

    如果兩個 MCP server 都有一樣的 tool,目前的 MCP Client 實作通常會處理這件事(例如在工具名稱前加上 Server 前綴 serverA_get_status),或者後連線的會覆蓋前面的。這取決於 Client 的具體實作方式。

    最後描述一下上課心得。

    Antropic 的課程主打 AI 本人改作業,每一題 5 分滿分的英文申論題。這個我寫得好挫折。按照自己的意思寫,只有 2 ~ 3 分不等。AI 說你要用課程中的關鍵字啊!所以我要添上 toolslistrequest (MCP client 問 MCP server 會啥子時用的) 等 function call。抄得太多,AI 又說你要用自己的話回答。基本上 AI 也會提示,"你剛剛沒講到 security 喔",真是要被 “蕊死",好不容易才抓到訣竅。這是我第一次上網課上到有恐懼心理,還好最後 pass 了。

    Scrimba 的課程偏向引導,code 示範完就停下來,"now is your turn"。但依樣畫葫蘆還是比較容易的。而且它不改作業,只要 submit 後,就回到講師寫正確答案。像是 MCP 比喻成 USB,強調 MCP 三元素: tools、resources (database)、和 prompt (主要是 prompt template, 這個是 optional),都只出現在本課程。Antropic 是 MCP 發明人,當然它怎麼說怎麼對。對於學習者,聽聽 second opinion 也是不錯的。

    [REF]

    1. https://www.coursera.org/learn/introduction-to-model-context-protocol/home/welcome
    2. https://www.coursera.org/learn/intro-to-model-context-protocol-mcp/home/welcome