Hi there 👋

環境與模型 硬體：NVIDIA GB10 模型：Qwen 3.6 27B（Q4_K_M 量化） 推理引擎實測結論 引擎 結果 vLLM ✅ 多人同時連線 8 線、16 線都撐得住——唯一通過考驗 SGLang 理論上更強，但 demo 和實際上線是兩回事，實戰未驗證 Ollama 很快掛掉，必須自己建 queue 排隊處理 LM Studio 單人測試正常，多人一測就爆，試多次都爆 測試過程 一開始放棄 Ollama，改用 LM Studio 先測 OCR：找到可用模型、設定正確的 threads 寫一個循環 Windows script，上網抓發票、表格圖片至少二、三十張 打到 LM Studio API，一張一張跑，單人全部正常 打包給 MIS 相關人員與預使用人員同時測試 → 多人一測，LM Studio 直接爆掉（試多次都爆） 改用 vLLM 版本 → 不再爆 改成無限循環版本（打開就一直送不停），單一 PC 開 4 線、8 線，從週五下班跑到週一早上 → 完全正常，辨識也正確 只有這樣才證明撐得過高峰並發多人使用，這才是企業內真正的實際運用。 應用場景 會計大量作帳、內部文件 OCR：不定時、大量文件 未來：現場設定即時不斷辨識，壓力更大——每 1 分鐘跑一次；30~50 台設備同時上線，沒有高並發直接爆 文件類型 客戶報價單、公司報價單回填、材料相關表格 MES / WMS / SCM 相關文件、產生履歷文件（目標：減少打字時間） 跟發票這種千奇百怪的類型不同：手寫單據、出場、驗收——人寫的，這些真的要靠 AI 高並發 真實場景 一車來三櫃驗收單，一次來二十車，不同廠區同時運作

查了一下，發現，辨門號不是問題，主要是辨銀行帳號 最簡單辨是 五通碼頭 廈門銀行 然後 當日船票 台胞證 台灣身分證 至少 1,000 元人民幣 但問題是 廈門銀行 在大陸分點不多，將來帶人民幣要存，也不能跨行存，大陸四大，最多的是 工商銀行 建設銀行 中國銀行 農業銀行 所以要辨成就是四大行 ….. 如果是刷信用卡，目前支付寶、微信 現在有200人民幣以下是免3%手續費，但這是階段性的推廣優惠 但實際上 信用卡本身還有海外手續費，匯率比較差的問題 200人民幣，看fb討論，是可以請商家分開刷，就可以免掉這3% 信用卡要找海外手續費有優的，匯率就沒有辨法避免了！ 所以要嘛有銀行帳戶，要不然就是請認識的人轉匯存到餘額、錢包 但我必須說，人在大陸請人協助轉匯，也是有風險，因為國家含台灣 是不允許私下轉匯的，這點一定要了解 總之看討論，如果短期，用信用卡，200人民以上分開刷，找信用卡要海外手續費低或減免，這樣是可行的 不過 就像之前說的，很有可能碰到個別小店家無法付款的情況，這時候又需要餘額、錢包、現金來支付！ 在 2026 年，台灣人使用支付寶或微信支付綁定台灣信用卡，在信用卡的挑選上有一個最致命的盲點：許多銀行在 2026 年縮減了權益，將加碼回饋限定在「海外實體商店」。由於手機綁定 App 掃碼在大陸請款時，在系統中多會被歸類為「海外網路交易（網購）」而非實體刷卡，因此如果選錯卡，將完全拿不到加碼回饋 2026 網購與海外無腦神卡推薦 台新銀行 FlyGo卡 / Richart系列卡：核心優勢：在 2026 年依然維持極具競爭力的 3.3% 海外消費回饋。最重要的是它不限實體通路，屬於海外無腦刷的代表，綁定支付寶與微信支付能穩定拿到 3.3%。省錢實算：扣除 1.5% 台灣銀行海外手續費後，每一筆 200 元人民幣以下的消費，您還能淨賺 1.8% 的現金回饋。 富邦銀行 J卡：核心優勢：2026 年最新的權益特別針對「中港澳地區」進行大加碼，實體與指定網路消費最高享 6% 回饋（內含基本回饋與限額加碼）。富邦 J 卡在兩岸三地的系統對接一向非常穩定，是目前專攻大陸旅遊的首選之一。 Richart系列卡 就是那個黑狗之前辨的，然後切換到 玩旅刷，這樣的話，刷信用卡，還能賺錢 1.8% 現金回鐀 還有一些注意事項要看，而且這方案期限內 PS: 大額消費絕不連續「切西瓜」分刷：如果在海鮮餐廳吃大餐總共 600 元人民幣，網路上常有人教「分成 3 次 200 元刷免 3% 手續費」。千萬不要在同一個商家連續分刷！ 支付寶與微信的風控系統非常嚴格，短時間內連續刷同一張台灣卡，會直接判定為盜刷並將卡片鎖定，在外地會非常麻煩 [threads.com]。如果是大額消費，建議直接支付 4.5% 的綜合手續費，或是改用現金支付。 ...

「算力女粉絲」頻道分享 Box 創辦人 Aaron Levie 對 AI 裁員議題的看法。 重點整理 AI 能自動化中間很多步驟，但很難獨立承擔完整責任——事情的開始與結尾仍然需要人 Agent 越多，人類越要背鍋：AI Agent 進入企業流程後，出錯時負責的還是人，人類從執行者變成要為 AI 流程失誤負責的角色 AI 改變的是技能，不是整個職位：真正被改變的往往不是職位突然消失，而是職位需要的技能被自動化 為什麼 AI 寫程式很強，企業還是不滿意：企業要的不是更多程式碼，而是可以運行、維護、審計並承擔責任的系統 現實決策仍需要人：AI 會改變工作、縮編部分職位，但關鍵決策與責任歸屬短期內離不開人 影片章節 03:41 軟體工程師的失業焦慮 04:38 Agent 進入企業流程，風險在哪裡 05:35 Agent 越多，人越要負責 07:07 AI 裁員應該怎麼看 08:12 哪些工作最容易被 AI 縮編 08:42 為什麼現實決策仍然需要人 影片連結：https://www.youtube.com/watch?v=kMo5512mm5k

Bilibili 中配版，原片為 Tech With Soleyman《AI Layoffs Have Completely Backfired (here’s the proof)》（2026-04-04）。 重點整理 數據面：引用高德納、弗雷斯特、麥肯錫三家機構的調研，企業用 AI 裁員普遍未達預期效果 亞馬遜案例：強制要求工程師使用 AI 工具並納入考核後，發生多次大規模生產故障、損失數百萬訂單，最後被迫重啟嚴格安全審核 失敗核心原因：流程治理缺失、資深工程師被裁造成經驗斷層、AI 與複雜生產場景適配度不足——本質是企業營運決策失誤，而非 AI 已能完全替代工程師 企業堅持裁員的真實動機：撐股價、為 AI 基礎設施騰資金、維護 CEO 形象、仿效馬斯克裁員降本模式；數據顯示僅不到 5% 的裁員真正與 AI 替代能力相關 給技術從業者的建議：成為具全局視野的系統思考者、把 AI 當輔助工具但不依賴、掌握雲工程核心技能——雲人才缺口仍巨大 影片連結：https://www.bilibili.com/video/BV1i1RLBuEPC

當服務使用 8000 3000 這種時，traefik 會出現 2026-Mar-27 05:14:29 2026-03-27T05:14:29Z ERR error="service \"api-gkm2zpl2acc7zs\" error: port is missing" container=api-gkm2zplmrpaf8963173b209f481ca6e3baefcefbf2e52607f8465 providerName=docker 就需要加上 expose: - "8000" 附上完整的 version: '3.8' services: web: build: context: . dockerfile: Dockerfile.web api: image: node:24-alpine environment: - DATABASE_URL=postgres://user:password@db:5432/mydb - REDIS_URL=redis://redis:6379 - SERVICE_URL_API_8000 expose: - "8000" command: > node -e " const http = require('http'); const server = http.createServer((req, res) => { res.setHeader('Access-Control-Allow-Origin', '*'); // 允許前端跨域 res.writeHead(200, { 'Content-Type': 'application/json' }); res.end(JSON.stringify({ status: 'success', message: 'API is working!', env: { db: process.env.DB_HOST, redis: process.env.REDIS_HOST } })); }); server.listen(8000, () => console.log('API listening on 8000')); " depends_on: - db - redis db: image: postgres:15-alpine environment: - POSTGRES_USER=user - POSTGRES_PASSWORD=password - POSTGRES_DB=mydb volumes: - db-data:/var/lib/postgresql/data redis: image: redis:7-alpine volumes: db-data: 基本上再連就能正確連接 ...