垂降怎麼做：從到站扣上自己，到把繩子拉下來
垂降事故的致死比例比一般攀登事故高，最常見的是垂降出繩尾、固定點失效、沒有備份，近年 AAC 收錄的致死案例又多了垂降器只穿到一股或裝錯股。對策是同一套順序每次照做：到站先扣上自己、繩尾打結、先裝摩擦套結再延伸垂降器、解開自我確保前先坐上去負重測試並請夥伴檢查。單股垂降（GRIGRI、細拉繩、固定繩）最怕裝錯股，同時垂降與共用垂降器屬於救援技術，不要自己臨場試。
全部文章
第 5 頁，共 128 頁
多繩距怎麼拖包：先鋒拖繩、帶齒滑輪、腳踩拖吊到大岩壁拖包袋
拖包是先鋒拖一條 6–8 mm 的靜力細繩，到確保站用 Micro Traxion 這類帶齒滑輪把包拉上來，讓跟攀者空手爬；只在陡、難、沒有浮石的繩距拖，拖繩要一直繃緊、包卡住不要猛扯。大岩壁的 30–40 kg 拖包改用 Pro Traxion 與體重拖，到站先掛 docking 繩再卸力。
普魯士繩怎麼挑：自己打結還是買縫好的、尼龍還是芳綸，以及 18 款現行繩環與輔繩
第一條普魯士繩，最簡單的是 1.5 m 的 6 mm 尼龍輔繩，自己打雙漁人結，配 9.5–10 mm 主繩（Petzl 的做法）。主繩細到 8.5–9 mm，或常爬多繩距，改買原廠寫明能用在細繩上的縫製繩環：Beal Jammy 附 7.3–10 mm 的長度與圈數表，Sterling HollowBlock2 寫主繩 7 mm 以上，BlueWater VT 7 mm 對應 8–9.5 mm。「比主繩細 2–3 mm」查不到原廠出處，只能當起點。Dyneema 裸繩 Beal 明文禁止打套結；芳綸耐熱但硬，DAV 2020 測到硬的芳綸芯輔繩反應較差，買了要先在地面試咬不咬繩。
帶繩獨攀怎麼做：頂繩獨攀、單段先鋒、多繩距三層的器材選擇與出發前檢查
帶繩獨攀分三層，由簡到難：頂繩獨攀（繩子固定在上方，兩個器材跟著你往上）、單段先鋒獨攀（繩尾固定在地面，自己放繩、自己接墜落）、多繩距獨攀（每段爬一次、垂降一次、再爬一次）。多數器材的廠商不支援自我確保：Petzl 明說 GriGri 不是自我確保器材、改裝也不准；有廠商標明可用的只有少數幾款。三層共同的底線是兩套系統、備份結、地面先測，以及不因為趕時間改掉平常的做法。
Gemini API CLI 怎麼用：與 Antigravity CLI、Gen AI SDK 的分工、設定與限制
Gemini API CLI（gemini-api）是 Google 2026/10/19 發布的實驗性預覽（v0.4.x），一顆 Go 單一執行檔，把 Gemini 模型、媒體生成與 managed agents 變成無狀態的 shell 指令。它不是 coding agent：下一步由你的程式決定就用它，要 agent 自己規劃用 Antigravity CLI，寫應用後端用 Gen AI SDK。
颱風預報圖怎麼看：AI 與歐洲模式的路徑、強度與系集比例
2025 年的評估顯示，AIFS 等 AI 模式的颱風路徑誤差小於 IFS 等傳統模式，強度與風雨仍偏弱。看預報圖先分清單一路徑或系集比例、路徑或強度，三天以外的分歧先當成還沒決定。
Perplexity Computer 本地模式怎麼選：完全本地、Hybrid、記憶體與雲端邊界
Perplexity Computer 在 10 月 20 日新增完全本地模式：模型與 agent 都跑在 Apple silicon Mac 上，Pro、Max、Enterprise 訂閱者可用，官方建議 36GB 以上記憶體。檔案與推理留在本機，但即時資訊、瀏覽器和寄信仍會連網。
出國攀岩的繩怎麼挑：每公尺重量、80 m、外皮比例、中點標記與 12 個品牌現行款
出國用的繩先看每公尺重量：80 m 從 Beal Opera 的 3.84 kg 到 BlueWater Lightning Pro 的 5.15 kg，最輕和最重差約 1.3 kg。托運 23 kg 時這點差距不痛，石灰岩上天天上下放比較需要 9.5–9.8 mm、外皮比例接近 40% 的繩；只帶登機行李或要接一條半繩爬多繩距，才值得換 8.9–9.2 mm 的三重認證細繩。挑之前先確認型號有 80 m（Petzl MAMBO、Sterling VR9 沒有），再翻自己和繩伴的確保器說明書，GRIGRI 在 8.9–10.5 mm 運作最好。
AI 說是誤報，能直接關掉嗎？
先固定告警在偵測什麼，再區分誤報、已擋住的攻擊和證據不足。讓助手提出帶事件依據的分流建議，關單需要符合事先定義的條件。
把工具接成攻擊 Agent：計畫、執行與回饋
用有步數、目標與逾時限制的 HTTP 測試迴圈，理解規劃器、執行器與驗證器如何交接，以及何時停止。
AI 能串起攻擊鏈嗎？從 CTF 到公開事件
重播工單攻擊鏈，再讀 Anthropic 公開事件報告，分清每一步的證據、人類決策、評測捷徑與供應商觀測限制。
AI 如何讀懂目標與整理攻擊面
把工單服務的文件與 HTTP 觀察整理成有來源的攻擊面，區分已確認功能、權限假設與下一個最小測試。
AI Code Review：把可疑程式變成待驗證的發現
先追身分、物件與回傳路徑，再驗證正常和越權案例。審碼評論只提出假說，實際回覆與獨立政策才決定漏洞是否成立。
選你的 AI 資安練習環境：本機、雲端、CTF 與授權目標
想查程式判斷就用可重設的副本，想查部署邊界就保留雲端條件，想驗真實系統就對齊專案範圍。換環境時保留問題與判準，重新記錄改變的條件。
AI 產生利用測試，怎麼確認真的成功？
對真正 HTTP 工單服務重播利用請求，比對修補前後、正確資源內容與正常使用者，排除只靠狀態碼的假成功。
登入之後，誰能讀哪份資料：AI 助理的身分與授權
後端從可信認證取得操作身分，再依資源與動作判斷權限。用同租戶且本人擁有的工單政策，驗證允許、跨租戶與同租戶越權。
讓 AI 整理事件時間線，別替缺失紀錄編故事
先保留來源與時區，再排序與關聯請求。工具讀到一張工單只能證明那次讀取；摘要、缺失日誌與修補後拒絕，都不能替代原始證據。
Prompt Injection 的防線要放在哪裡？
把同一筆惡意工具提案交給不同執行路徑，分開檢查模型被帶偏與未授權副作用；提示標記、資料權限與動作批准各有不同工作。
AI 資安整合演練：從攻擊證據走到修補與回歸
用同一組 HTTP 請求比較有洞版與修補版，保存工單讀取證據、稽核事件與時間線。越權讀取要被擋住，正常使用者也要繼續讀得到自己的資料。
MCP 的信任鏈：你到底信任了什麼？
分開驗證工具來源、完整定義、權杖受眾與下游動作；雜湊能發現描述變動，無法證明遠端程式維持相同行為。