跳到主要內容

我的夾娃娃簡介

在當兵的這一年當中,並沒有學壞,例如抽煙、吃檳榔、喝酒等。

我個人也不喜歡泡網咖,畢竟那種環境實在太差,對我來說這都沒有任何吸引力。

唯獨,『夾娃娃』,天啊!這真的是一種吸引人的魔力,利用三爪將玻璃櫃中的物品取出,必須要利用許多種技巧、時機、運氣,三位一體才能取得物品,所以會得到許多哩哩摳摳的東西....當然也噴了不少錢。

從當兵到現在總共花了多少錢在娃娃機裡面呢?(我不敢去計算><") 講了這麼多壞處,夾娃娃真的沒有任何好處? 其實娃娃機裡面很多種東西都是外面買不到 或是可以使用少許的錢將價值不斐的娃娃夾下來


一個皮夾+章魚哥吊飾 = 20 NT.(其實我也不知道夾下來要做啥)

當然凡事也不是絕對,常常會發生花很多錢,夾到了一堆希望(空氣)


一條香蕉+藍色小精靈 = 120 NT.

光是這個小精靈就已經花了我100元,當時真想將玻璃敲破,抓了娃娃就跑....(我是神經病嗎!)

最近有兩隻娃娃是我比較喜歡的,分別是小豬及小羊(名稱暫定)


這兩隻娃娃待會再來一篇專題介紹...

其實講了這麼多,大家夾娃娃都是一個目標,如何用少許的錢夾下來可愛的娃娃。
我個人研究之下方法如下:

(一)偏爪:進洞率80%
這種技巧通常最使用在娃娃位處於洞口附近,利用一爪在洞口外,兩爪抓住娃娃,如果爪力有點強度,基本上進洞率80%。

(二)甩爪:進洞率85%
通常用於爪力有強度,但是擋板過高的娃娃機台,甩爪顧名思義就是將爪子利用前後(左右)晃動的方式將娃娃以擺盪的方式將娃娃抓下來,重點在於fu,爪子晃動的同時什麼時機要下爪,幾乎都只能靠練習,只要爪子get it,幾乎彈無虛發。

(三)偏重心:進洞率80%
當娃娃是屬於某幾個部位有重量,非長方形、圓形等制式形狀物體時即可使用此方式取物,這種娃娃通常要先觀察一下藉由抓取的方式觀察娃娃掉落的狀況,不一定是抓取的部位,例如最常見的,喬巴玩偶,通常身體小頭重,可以利用抓取身體的方式讓頭的重心移位使娃娃掉入洞口。

以上三種方式是本人經常用的抓取方法介紹。

不過還是要看觀察一下機台,以下是本人三不碰
1.太少娃娃的機台不碰
2.擋板太高的機台不碰
3.娃娃抓起來不超過一半的高度不碰

剩下的幾乎都是運氣問題,個人覺得如果投個30元同一個機台都沒有辦法將娃娃用到洞口,或者被甩開,基本上這個機台就可以放棄,不必要花一堆錢換來一個夢想(抓空氣)

最後

















抓娃娃真是個惡夢......it is never end......

留言

  1. 超過三十塊就會放棄@@?
    那你一百塊的小精靈是……
    路邊撿到錢?

    回覆刪除

張貼留言

這個網誌中的熱門文章

Vibe Coding:為什麼 Junior 更快上手?Senior 要如何追趕?

現象層面(市場觀察) 最近有篇文章討論 junior & senior 開發者在 AI 時代的角色轉變,非常熱門。 身為 Cympack 產品開發團隊 ,我們也一直關注這個議題,在閱讀這篇文章時觀察到一些有趣的現象,對我們來說,這正好反映出 AI 正在改變開發生態,junior 借力 AI 快速成長、senior 則需要在 「架構思維」 與 「多 agent 協作」 中找到新定位,其中有些啟發(insight) 可以跟大家分享。 為什麼 Junior 更容易上手 vibe coding? 心智負擔低 → Junior 沒有太多傳統 code workflow 的框架包袱 敢於嘗鮮 → Gen Z / 年輕工程師天生習慣用 prompt-based 工具、跟 LLM 互動 少「優雅程式設計」的束縛 → 不太糾結「這樣寫會不會不夠優雅」,反而 embrace 快速迭代、快速出成果 反觀 Senior: 熟悉大型系統設計 有豐富的「工程正統流程」知識(架構設計、測試策略、效能優化、設計模式) 對 AI 生成 code 的品質 / 維護性通常比較保留 部分 10+ 年資深工程師,對 prompt engineering 沒那麼熟練,還在觀望 技能面(未來的關鍵能力) Vibe coding 本質上 = prompt engineering + AI co-pilot 管理能力 能力項目 誰目前比較有優勢? Prompt 撰寫 / AI 互動 Junior 較強(熟悉 chat-based 流程) 系統設計 / 架構把關 Senior 較強 AI 生成 code 驗證 / Bug 察覺能力 Senior 較強(能看出潛在問題) 快速疊代 / Hackathon 式開發 Junior 較強 長期維護性 / 穩定性 Senior 較強 總結 Junior 確實更快適應 vibe coding,並且更習慣以 「chat-based coding」 的工作流開發。 Senior 擁有驗證 AI 產物與系統設計的深度能力,但若不主動練習 vibe coding,長期會逐漸落後於新一波開發潮流。 就如同在 GAI 技術年會分享,希望帶給各位的感受, 『與 AI 協...

Vibe Coding 協作到自建 Dev Agent?從 Claude / Codex 到 OpenHands

過去一年,越來越多工程師開始 把 AI 真正帶進工作流程 。從一開始用 ChatGPT、Claude 來問語法問題,到後來很多人愛上 Cursor,直接在編輯器裡讓 AI 幫忙改 code、補 test case、甚至自動整理 PR。這樣的開發體驗,已經大大改變了我們寫程式的方式。 更現實的是,在很多企業內部、政府單位、或涉及機密資料的專案裡, 其實根本不能直接用 Cursor 或雲端 LLM 工具。   畢竟這些服務通常會把資料傳到雲端模型做處理,萬一專案裡有未公開的技術、敏感客戶資料,或是受限於法規 (像金融、醫療、政府標案) ,直接用雲端 AI 工具就會踩 紅線 。  因此,許多團隊反而更希望 「自己架一套 Dev Agent」 ,可以在內網執行,資料完全掌握在自己手上,該整合的內部工具、該讀的私有 repo、該串的 CI/CD pipeline,全部客製化、安全可控。 這時候,像 OpenHands 這樣的開源 Dev Agent 框架就特別有價值。它的出發點不是單純的 AI 助手,而是讓你能夠打造出一個真的可以跑在自己環境裡、可以理解整個開發流程的 AI 工程師。從建置到部署,從 CLI 操作到瀏覽器查詢, 從多檔案編輯到自動測試,全部都能自己完成,甚至還能針對不同專案調整專屬的工作流。 對很多開始探索 AI 協作開發的團隊來說,這是一條 從 「AI 幫你寫一段程式」,走向「AI 幫你解決一整個任務」 的進化路徑。而且,還是在可控、可自定義、安全的環境裡完成的。 🧩 主要概述 OpenHands 是由 All‑Hands AI 開發的開源「軟體開發代理人平台」,能模仿人類工程師從建立程式、修改程式碼、執行指令,到瀏覽網頁、呼叫 API……等一整套開發流程 它提供雲端(OpenHands Cloud)與本地 Docker 運行版本,用戶能配置 LLM(如 Claude、OpenAI、Gemini…) 📚 核心特性與怎麼使用 代理人的工具能力 支援代碼編輯、命令行、執行環境、網頁瀏覽、API 呼叫—接近人類開發者完整技能。其中 OpenHands Cloud 版本提供 $50 試用額度讓大家方便使用,又或者如果自己本機有 docker 的話,可以自己Local 版本透過 Docker 自架環境。 ...

Google Gemini 全端 AI Agent 快速入門 - 打造「思考」的 AI 助理

一套從搜尋、反思到輸出的全端 AI 代理人範例,讓你看懂什麼叫 Research Agent 在 AI 工具百家爭鳴的今天,大家都在問一個問題: 「我能不能不只問 AI 答案,而是讓它像一位助理一樣,有流程、有反思、還有出處,真正幫我完成一件事?」 Google 最近釋出了一個相當具有指標意義的開源專案 gemini-fullstack-langgraph-quickstart ,正是為了解這個問題而誕生。 這套系統到底是什麼? 這個範例不是傳統 Chatbot,而是展示一個完整的 AI research agent : 它會根據使用者的提問,自動發想搜尋關鍵字、查資料、整合重點,最後給出答案還附上引用來源。背後的邏輯設計得非常扎實,不只是能跑,更是具備可讀性、可擴展性與可商用性。 它的流程大致如下:  1. 使用者輸入問題(例如:「抖音是否影響台灣選舉?」)  2. Gemini LLM 幫你想出關鍵字(不只是照抄問題)  3. 呼叫 Google Search API 抓資料   4. LangGraph 控制流程 → 判斷資料夠不夠 → 若不足,自動補查  5. 整合最終答案,並產生 citation(來源說明) 你可以想像這就像一位實習助理幫你寫報告, 不只輸出一段內容,而是會 去查、會判斷、會補資料,而且說明「我為什麼這樣說」 。 LangGraph 是什麼角色? LangGraph 就是整個 Agent 背後的控制系統 。 用白話講,它幫你定義 AI 每一步要幹嘛、遇到什麼狀況該走哪條路、要不要反思、要不要再查,甚至可以定義條件邏輯與資料流動。 這就不像寫一個單純的 Chat API,而是比較像「把一個流程圖變成可以跑的程式」。 對工程師來說,它提供了從 prompt 到流程控制的設計彈性;對產品設計來說,它讓 AI 有了 「多步驟任務執行」 的能力。 技術架構與使用方式 這整套系統是 Fullstack 架構,前後端都幫你整好了,技術選型也非常實用:   前端:Vite + React + TailwindCSS + Shadcn UI  後端:FastAPI + LangGraph...