網誌

做這個網站過程中量到的數字與踩過的坑。每一篇都以實際跑出來的資料為骨架，不是泛論。

同一個地點多出三十隻走失貓狗，深入調查之後，答案讓人意外

把政府的走失寵物通報畫成地圖之後，嘉義縣六腳鄉出現一個很不對勁的點：同一天三十幾筆走失，同一個姓，資料幾乎全是空的。我寫信問主管機關，兩週後收到答覆。這篇寫下從發現到得到答案的過程，以及為什麼這件事會影響到正在找毛孩的人。

警政署每天公告全台撿到的失物，九萬多筆，但散在 34 個受理機關、只有文字，連「撿到什麼」都包在一句公文裡。這篇記錄把它合成一個搜尋框加地圖的過程：怎麼從公文句子取出物品名稱、只有文字的地址怎麼定位、哪些來源條款不准碰，還有上線後發現同一份政府資料底下其實有兩個檔、其中一個停了五天的經過。

找回毛孩的宣傳片：從一張照片縮成圖釘、拉遠到全台八千多個點。整支片是 AI 生成加程式算圖拼出來的——本機模型生的狗、瀏覽器逐幀截圖、Web Mercator 自己算過場、722 個圖釘逐一去背、旁白配樂全合成。這篇記錄做法，以及被抓出來重做的七個版本。

農業部每天公開的走失寵物通報有一萬多筆，但官方只有文字列表。這篇記錄把它做成「找回毛孩」地圖的過程：免費的地址定位為什麼在台灣會失敗、各縣市門牌坐標開放資料怎麼救回來、電話門牌怎麼在建檔時抹掉、以及為什麼沒晶片的毛孩需要一個能自己刊登的地方。

淹水潛勢圖是政府公開的，但要自己開 GIS 才看得到。這篇記錄把十個降雨情境格子化成 28 MB 資料庫、每個鄉鎮算出淹水比例的過程，以及幾個算出來才知道的數字：雨量從 200 升到 650 mm 哪裡淹最快、短時強降雨反而比長延時嚴重的鄉鎮、以及為什麼這份資料依法不能拿來說「這裡不能買」。

觀光署的露營場資料裡九成標「違反相關法規」，但官方查詢站只搜得到合法的那兩百多家。這篇記錄把兩份名單合在一個搜尋框的過程、法規欄位 62 種寫法怎麼歸類、24 家自相矛盾的紀錄怎麼處理，以及一篇網路文章逼我回頭查一手來源、改掉自己頁面上一句話的經過。

一張圖 40 秒、耗電 2 Wh、電費兩分錢，但機器整天開著要 NT$400/月。把自架 AI 服務的實際成本、瓶頸與踩過的坑，用量到的數字寫清楚。

網站上線第一天就被掃描器找了 417 次設定檔，連 Claude Code 的設定檔都在字典裡。用實際的伺服器紀錄講清楚照片上傳的風險，以及該問服務商哪三個問題。

從照片到 73 影格、再到乒乓循環的完整流程，以及實測才知道的事：叫模型「不要移動鏡頭」反而讓畫面推得更兇、相框要用網頁疊不能讓模型畫。

逐節點量測後發現瓶頸不是算力，是把 30GB 的模型搬進 16GB 顯示卡。換小的文字編碼器、取樣 6 步降 4 步、拿掉用不到的音訊解碼，單張從 60-80 秒（最糟 137 秒）降到穩定 42-45 秒。

警政署的事故資料看起來很乾淨，實際用下去每一步都有陷阱：一列是一個當事者不是一件事故、全台最大的熱點其實在新北市政府門口、資料庫放在 bind mount 上慢 74 倍。每個坑都附實測數字。