2026-05-07 AI 學習日誌

May 7, 2026 · 2 分鐘長 · AI學習備份策略 Restic rclone BGE-M3 向量搜尋 Codex ·

分享到:

#AI學習 #備份策略 #向量搜尋

今日最有感的事

大檔備份不能直接寫進 Google Drive 的掛載資料夾

今天最痛的學習，是花了一整天才搞懂一件事：把 100 GB 級的資料 rsync 到「Google Drive 桌面版的掛載資料夾」，不等於「備份到雲端」。

我原本的直覺很單純——既然 Google Drive 已經掛在本機某個路徑，那 rsync -a 來源該路徑/ 應該就跟外接硬碟一樣，寫完就上雲。實際跑下去發現三件事接連爆掉：

第一，File Stream 會把要上傳的檔案先 staging 在本機 NVMe。我本機原本還有 900 GB 空間，跑到 53 GB partial tar.gz 的時候，本機磁碟瞬間剩 14 GB，連 /tmp 都建不出 temp file。也就是說，雲端還沒收到任何東西，本機就先被自己的「上傳暫存」塞爆。

第二，Drive 桌面版的真實上行速度，比我以為的慢一個量級。早上 09:03 寫到掛載點的 102 GB，到晚上 20:00 還只上了 14 GB，平均速度 380 KB/s，照這個速度要跑 2-3 天才會完成。這代表「rsync exit 0」這件事跟「雲端真的可以拿來還原」完全是兩件事。

第三，rsync 寫進 Dashboard 的 success 是一個謊言。我的 script 用 rsync exit code 判斷成功與否，但 rsync 只負責把檔案丟到掛載點 staging，根本不知道之後 Drive Desktop 有沒有真的上傳。Dashboard 顯示「Tier 2 backup 成功」，實際上雲端是 0%。

更直白地說，「資料寫到本機某個資料夾就算了」這個心智模型，只適用於本機磁碟和外接硬碟，不適用於雲端同步資料夾。雲端同步是非同步的、有限速的、會吃本機磁碟做暫存的。

最後解法是改走 Restic + rclone：

rclone 直接打 Google Drive API，不經過 Drive Desktop App，所以本機完全沒有 staging
Restic 做 incremental + deduplication + encryption，第一次上傳完之後，每次只傳變動的 chunk
兩個組合起來，本機磁碟動都不用動，上傳速度也直接從 380 KB/s 拉到 2-3 MB/s（5-8 倍）

真正值得記住的判斷規則是：只要備份資料量超過本機剩餘空間的 30%，就不能用 rsync mirror 到雲端掛載點——必須用支援 streamed upload 的工具（Restic、rclone、duplicacy）直接打 API。

BGE-M3 cosine similarity 的 0.73 到底是什麼

下午問教科書搜尋系統「AVNRT 為什麼 P 波會藏在 QRS 裡」，看到結果旁邊掛了一個 0.73 的分數，順手問了這個數字到底代表什麼。

這個 0.73 是 cosine similarity（餘弦相似度），但對非工程師來說，更白話的解釋是這樣：

把「問題」和「教科書段落」都丟進一台叫 BGE-M3 的翻譯機，它會把每一段文字轉成 1024 個小數字組成的座標。意思相近的句子，座標也會在「語意地圖」上靠在一起。0.73 就是在說：你的問題和那段教科書，在這張地圖上的距離有多近。

醫學語料的實務分布大致是這樣：

0.85+：幾乎是同段重寫，可以直接抄
0.75–0.85：高度相關，主引用首選
0.65–0.75：相關但角度可能稍偏，可作補充
0.55–0.65：邊緣相關，多半不引
< 0.55：通常是只共享 1-2 個關鍵字的雜訊

這代表 0.73 落在「相關但要看內文確認角度對不對」的區間，不是「越高就一定越好用」。寫教學內容時用這個分數來判斷要主引、補引還是直接丟掉，比單純按排序拿前三筆精準很多。

連帶學到的另一件事：請 AI 出圖時，「品質參數」必須直接傳給工具，不能只寫在自然語言敘述裡。今天用 Codex $imagegen 出 BGE-M3 流程圖，我把「品質：high」寫在 prompt 文字內，結果產出來的檔案只有 1.4 MB（high quality 應該 2.5 MB+），畫面又糊又擠。後來把 quality=high 直接寫死在 SKILL.md 當鐵律，每次呼叫都明確帶這個參數，產出的圖才真的對得上 gpt-image-2 的水準。Prompt 寫法本身也要改——不要寫成「規格表」（一階段標題 X、圖示 Y），要寫成「視覺敘述」（Stripe / Linear 文件頁那種 flat vector 風格），模型才不會把每格都塞滿小字。

今日收集的資源

Berry Xia 的 AI 觀察貼文（X）

連結：https://x.com/berryxia/status/2051455836233548199?s=46
一句說明：AI 圈推友 berryxia 的近期觀察，蒐集起來之後做為素材池追蹤。

FB 上的 AI 工具分享

連結：https://www.facebook.com/share/p/1GuN61NrNx/?mibextid=wwXIfr
一句說明：朋友圈分享的 AI 工具或心得貼文，未來看是否值得整理成 Threads 素材。

ai_content_radar 在 Threads 的 AI 動態

連結：https://www.threads.com/@ai_content_radar/post/DYBTapxEkq1
一句說明：AI 內容雷達帳號的最新動態，追蹤近期值得注意的 AI 發布。

aiposthub 的 AI 整理貼文（Threads）

連結：https://www.threads.com/@aiposthub/post/DYBj0_eARkZ
一句說明：AI 主題策展帳號的當日 highlight，可作素材源比對。

aiondaily 的每日 AI 摘要（Threads）

連結：https://www.threads.com/@aiondaily/post/DYBtYHBEt4b
一句說明：每日 AI 摘要型帳號的貼文，未來可比對自己 Threads 早報的覆蓋率。