天文摄影作品更新——Evan Tsai（蔡大•翰影星攝）https://www.astroimagetw.com/zh-Hanshttps://www.astroimagetw.com/cn/blog/ai-generated-patent-claims/https://www.astroimagetw.com/cn/blog/ai-generated-patent-claims/最近读到一份专利范围，读着读着就皱起眉头。修正后的权利要求不但把技术特征绑死在特定的 Google API 上，独立项里还塞了一大堆括号补充。看到这样的写法，心里浮现的第一个念头是：这大概是靠 AI 生成的稿子。 以下把那段独立项的样貌大致重现一下，让没接触过专利文字的人也能感受一下它的模样： 两个看了就不安的地方 第一个问题，是权利要求里把“调用 Google Drive API”“调用 Google Search API”这种绑定特定厂商产品的写法，直接放进了界定范围的技术特征。专利范围写成这样，等于把权利的边界缩到只涵盖用了那几个特定 API 的实作。哪天别人换了一套等效的云存储或搜索服Thu, 02 Jul 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/blog/telescope-optical-patent-analysis/https://www.astroimagetw.com/cn/blog/telescope-optical-patent-analysis/最近看到天文同好在讨论一颗镜子的专利，身为执业专利师，我实在忍不住把它找出来看了一下。 看完的第一印象是：这件专利的独立项写得似乎有点“小”——真正构成限定的，好像只有最后一段而已。而镜子本身的结构其实也没什么改变，最后一段之前的内容，读起来大多像是既有的现有技术。 以下是这件专利的基本信息与独立项内容，供有兴趣的同好对照参考。 专利基本信息 - 公开号：CN121679866A《一种光学系统及光学镜头》 - 权利要求数：共 16 项 - 独立项：权利要求 1（光学系统）、权利要求 16（光学镜头） 权利要求 1（独立项）原文 一点观察 从权利要求 1 的写法来看，前面大部分的技术特征（两组透Wed, 24 Jun 2026 00:00:00 GMT器材https://www.astroimagetw.com/cn/blog/jpo-patent-mcp/https://www.astroimagetw.com/cn/blog/jpo-patent-mcp/两天前才把 TIPO 的公开信息做成 MCP（那段折腾写在〈把 TIPO 专利查找包成 MCP，接进 AI〉），今天手上刚好拿到 JPO 的 API，就顺手把日本版本也一起搞定了。 一个不太熟的领域 老实说，我平常并不主作日本案，对 JPO 的公开信息查找也一直不算熟悉。偶尔要确认日本对应案的进度，常常得另外摸索一次网站界面，每次都像重新学一遍。 既然 API 已经到手，那干脆把常用的功能整理成工具，直接接进 AI 里。做起来的路数，其实跟前两天的 TIPO 版本相去不远。 目前接进来的功能 整理下来，大致可以在对话里直接拿到这些信息： - 审查经过 - 分割出愿 - 引用文献 - 登录信息 Wed, 10 Jun 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/blog/tipo-patent-mcp/https://www.astroimagetw.com/cn/blog/tipo-patent-mcp/今天，我把 TIPO（经济部智能财产局）的专利公开信息，包成了一个 MCP，接进 AI 里。 麻烦的不是功能，是文档与现实的落差 原本只是想把平常常用的查找流程简化一下，实际动手做下去才发现，麻烦的往往不是功能本身，而是官方文档与实际回传结果之间，还是存在着一些落差。 中间也踩了几个环境设置的坑。尤其是打包成 .mcpb、安装进 AI 之后，明明在终端机里测试一切正常，却一直显示“Server disconnected”。最后才确认，原来是启动 MCP 时所使用的环境路径不一样。 对话式查找，用起来确实方便不少 目前，已经可以直接在 AI 里查找案件的基本数据、关联案件、收发文历程，也能下载公Mon, 08 Jun 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/blog/context-engineering-notes/https://www.astroimagetw.com/cn/blog/context-engineering-notes/这几年把 AI 导入工作之后，我逐步把原本只存在脑中的判断拆解、externalize（外部化），整理成一份可控的“上下文工程文档”（Context Engineering Document）。 我用三件事评估一个模型 目前，我在评估一个模型适不适合用在“高纪律、高溯源”的工作上时，主要看三件事： 1. 能不能遵守既定的规则； 2. 信息不足的时候，会不会自己“补位”； 3. 输出的内容，能不能被追溯与审核。 一份此刻的实测心得 以下是我近期的实测心得——先声明，这纯粹是我当下、个人的使用经验，模型也一直在更新，未必适用于每个人、每个版本： - Claude：上下文的服从度最高，比较能贴着既定Sun, 07 Jun 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/blog/uspto-idme-taiwan-passport/https://www.astroimagetw.com/cn/blog/uspto-idme-taiwan-passport/身为台湾的专利师，我想串接 USPTO（美国专利商标局）的开放数据 API，结果卡在 ID.me 这道身份验证关卡上。从开始申请到今天过关，前前后后折腾了将近三个礼拜。也很感谢一位曾走过同一条路的美国同行，让我确认了“非美国人也能通过验证”这条路是走得通的。 先说结论：台湾护照可以过，但路不太好走。 第一个坑：注册路径 一开始就得小心。注册时一定要选“我不住在美国”这条路径，千万别碰 Self-Service，否则会被导去一条要求填 SSN（美国社会安全码）的死路。 接着是电话字段，它被锁死在美国区码。手机版找不到跳过的链接，我换到电脑版才解决这个问题。 第二关：文档审核 文档审核也卡了一关。Sun, 07 Jun 2026 00:00:00 GMT隨筆https://www.astroimagetw.com/cn/blog/rewatching-armageddon/https://www.astroimagetw.com/cn/blog/rewatching-armageddon/（以下内容涉及电影《世界末日》的剧情，介意者请斟酌阅读。） 晚上重看了《世界末日》，这次是和孩子们一起看。 一部将近两个半小时的旧电影，本来以为他们可能看不太下去，没想到竟然也一路看完了。 有些东西过时了，有些没有 很多东西现在看起来，都已经有了年代感。特效是，剧情的节奏也是。 但有些东西并没有那么容易过时。像是一个清楚的任务、一群被迫面对危机的人，以及最后总得有人承担的那个选择。 小时候看这部电影，我记得的是 NASA、航天飞机、小行星、钻探、爆炸，还有丽芙・泰勒、班・艾佛列克，以及那间脱衣舞酒吧。现在再看，反而觉得真正留下来的，是结尾。 有人没有回来，它才有了重量 如果故事最后没有牺牲，这Sat, 30 May 2026 00:00:00 GMT生活https://www.astroimagetw.com/cn/blog/why-llms-hallucinate/https://www.astroimagetw.com/cn/blog/why-llms-hallucinate/为什么 LLM 会产生幻觉？ 我觉得，可以把 LLM 想象成这样一个学生：他读过很多很多书，但记忆被压缩过，而且他自己也不晓得哪些地方其实已经模糊了；更麻烦的是，他还被要求——考试的时候“不能交白卷”。 它的强项不是“知道自己是否知道” 这个学生真正的强项，并不是判断自己“是不是真的知道”，而是把文字接得流畅、让答案看起来像一个合理的答案。 所以，当数据本身很模糊、来源混杂，或是第一步推论就错了，后面就可能为了维持语气的一致，愈写愈完整，也愈错愈有自信。 重点是降低它“乱补”的空间 因此，使用 AI 的时候，重点不是只丢一句：“帮我找答案。”而是要想办法降低它“乱补”的空间。 比较好的做法是：Wed, 27 May 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/blog/code-with-claude-london-2026/https://www.astroimagetw.com/cn/blog/code-with-claude-london-2026/最近抽空看了 Anthropic 上周在 Code with Claude London 2026 的两场演讲——一场是 Margot 的 Prompting Playbook，另一场是 Legora 分享的法律 AI 经验。这里记一点笔记。 Margot 那场：小模型也能做大事 Margot 那场，我印象最深的是一张数据图：用 Sonnet 搭配“Generate、Evaluate、Repair”这套三段式的工作流，通过率竟然追平了 Opus 加上深度思考的组合，但花掉的 token 和时间，都只要一半。 换句话说，只要把工作流设计好，小模型一样能做大事。 Legora 那场：法律工作与软件Tue, 26 May 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/blog/ai-polished-hallucinations/https://www.astroimagetw.com/cn/blog/ai-polished-hallucinations/今天我请 Gemini 帮我找冷气厂商，条件是以 PTT 或 Dcard 上的用户经验为主。 一开始，它列了一些看起来很完整的网址，但点进去之后，不是打不开，就是内容对不上。 我一提醒，它就“凑”得更完整了 我提醒它网址有问题之后，它又刷新了一份“真正的 PTT 乡民冷气推荐名单”，里面包含店名、PTT ID、推荐理由，甚至还教我可以用哪些关键字去搜索。 乍看之下，真的很像它认真查证过。 但再往下查，问题就更大了：那些店家几乎查不到，所谓的 PTT 推文与网友推荐，也找不到对应的来源。 它是“生成式 AI”，不是“拒绝式 AI” 这件事也提醒了我：在需要搜索数据的情况下，有些 AI 如果找不到Mon, 25 May 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/blog/ai-sycophancy/https://www.astroimagetw.com/cn/blog/ai-sycophancy/AI 研究里有一个名词，叫做 sycophancy，中文可以译为“谄媚”。 意思是：AI 有时候给你的，并不是最真实、最严谨的回答，而是倾向给出一个让用户比较舒服、比较容易接受、感觉自己被认同的回答。 几种常见的情况 - 用户提出一个想法，AI 容易回：“这个想法有道理，可以这样运行。” - 用户坚持某个立场，AI 容易顺着那个立场，帮忙补强论述。 - 用户问：“这样对吗？”AI 可能倾向回答：“是的，这是一个合理的方向。” 问题在于，这并不一定代表用户真的对，也不一定代表这个方向真的可行。 这不是单一 AI 的毛病 这种倾向并不是某一个 AI 的特例，而是许多经过人类回馈训练（RLHF）的语Mon, 25 May 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/blog/ai-homework-grading-guardrails/https://www.astroimagetw.com/cn/blog/ai-homework-grading-guardrails/用 AI 来辅助批改孩子的作业时，一定要先设置好标准与边界，尤其是“边界”这一块。 放任 AI 发散，它会把作文改写成课文 如果直接放任 AI 进行发散式的批改，就会出现一种情形：它把孩子的作文，硬生生“改写成课文”。也就是远远超出了孩子当下能够学习的范围，套用了某些大人的标准来评判。 对 AI 来说，选择题或填空题相对容易处理；但只要碰到申论题或作文，就一定得设置好相关的边界规范，而不是一味照单全收 AI 给出的结果。 挑战它的答案，就像在工作上一样 事实上，对于批改的结果，我经常会去挑战它，就跟我在工作上对待 AI 的方式一样。经过一轮、两轮，甚至三轮的来回，最后才会磨出一个我认为真正该修Sat, 23 May 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/blog/notebooklm-vs-llm/https://www.astroimagetw.com/cn/blog/notebooklm-vs-llm/最近很多人在用 NotebookLM，也常有人问我：它跟 ChatGPT、Gemini、Claude 这类一般的 LLM，到底差在哪里？ 还有人会想：如果 Gemini 又可以串接 NotebookLM，那是不是代表它就是更强、更完整的版本？ 我的看法是：不是。 这三种工具模式，并不是“等级高低”的差别，而是“工作方式”的不同。 一、NotebookLM：有引用来源的数据助理 它比较像一位“会附上引用来源”的数据助理。 强项：你把文档、PDF、会议数据丢进去，它可以帮你摘要、整理重点、找出相关段落，并且标出答案的来源。很适合用来快速消化大量数据、创建初步理解、查找文档里的内容。 限制：当数据很Fri, 22 May 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/blog/claude-for-legal-first-look/https://www.astroimagetw.com/cn/blog/claude-for-legal-first-look/就在这几天，Anthropic 于五月十二日推出了 Claude for Legal，把 Claude 变成一套专门给法律专业使用的工具。趁着刚上线，我立刻找时间研究了一轮。 一口气端出的东西不少 这次一口气推出了 12 个法律领域的插件（商务、公司、IP、诉讼等等）、20 多个外部工具的串接（DocuSign、Westlaw、Box……），而且所有付费用户都能用。 我特别研究了其中的 IP Legal 插件，不过结果……真的就只是“研究”而已——对一般的台湾专利事务所来说，它的帮助其实不大。 整套是照美国法设计的 它主要能做的，是商标查找、警告信、开源合规、FTO、专利年费提醒这一类的事，而Thu, 14 May 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/blog/jagged-intelligence/https://www.astroimagetw.com/cn/blog/jagged-intelligence/同一个 LLM，可以一边有条理地重构十万进程式码，一边又给出“走去洗车场洗车”这种荒谬到不行的建议。这种能力上的巨大落差，就是所谓的“锯齿状能力”（jaggedness）。 关键不在难易，而在“有没有练过” 有意思的是，关键并不在于“人类觉得这件事难还是简单”，而在于这个任务有没有落在模型的训练数据分布之内。 前 OpenAI 创始成员、特斯拉前 AI 总监 Andrej Karpathy 指出了两个主因： 1. 可验证性（verifiability）：代码有明确的对错信号——能不能编译、测试过不过——很容易被强化学习（RL）拿去反复训练、强化。 2. 经济因素：有商业价值的能力，会被前沿实验Wed, 06 May 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/blog/one-month-coding-diary/https://www.astroimagetw.com/cn/blog/one-month-coding-diary/先声明一下：我不是软件工程师，这里讲的程序内容，其实全都是所谓的 Vibe Coding，跟着感觉走的那一种。 最近为了让工作顺一点，我一直在发展自己的小工具。这两天做了三件事：开始用 Git 备份、修了几个程序逻辑的 bug，还有串接新的 AI 模型。 最难的不是语法，是“把想要的变成代码” 一个月下来，最大的心得是——写程序最难的地方，其实不是语法，而是“把自己到底想要什么”转换成“具体的代码”。 比如说，“修 bug”三个字讲起来很简单，但实际动手前，得先问自己一大堆问题： - 要不要先保存？ - 要不要开一条新分支？ - 什么时候测试？又要怎么测试？ - 改完之后，怎样才算“好了”？ Tue, 28 Apr 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/blog/will-ai-replace-lawyers/https://www.astroimagetw.com/cn/blog/will-ai-replace-lawyers/最近看了一场访谈，Box 首席执行官 Aaron Levie 针对法律与专利产业提出的观点相当精辟。以下是我对这场访谈的整理与转述，观点属于 Levie，分享给大家。 一、内容愈多，律师反而愈忙 生成法律内容变得容易了，客户会用 AI 生成大量的回复与合约。当每个人都自以为是律师时，“审核”这些内容的需求反而会爆发。Levie 因此推测，未来五年，律师的人数不减反增。 二、专利申请与法院系统，依然是“瓶颈” AI 让起草变快了，但送件申请专利、通过法院审查的标准，并没有跟着变简单。这些需要专业判断与制度合规的流程，短时间内很难被自动化。 三、你买的不是技术，是“究责” 为什么要花钱聘律师？不只Wed, 22 Apr 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/blog/patent-drafting-in-ai-era/https://www.astroimagetw.com/cn/blog/patent-drafting-in-ai-era/先坦白一件事：写这篇文章的当下，这段文字其实也有 AI 的份。所以，我更得好好谈谈这个问题。 如今，大约有 80% 的专利稿，已经不是专利师亲手一个字一个字敲出来的了。这不是未来式，而是正在发生的现在进行式。 当 AI 写专利成为常态 当 AI 写专利逐渐成为常态，有个问题就再也绕不开了：专利师真正的底牌，到底是什么？ 答案肯定不会是“产量”。论速度，AI 只会愈来愈不讲理，人是拼不过的。 真正的底牌，是另一种更安静的能力——能不能看见，这一条权利要求（Claim）写下去，几年之后会发生什么事。 外行看核准就放心，内行看核准才开始不安 AI 写得出逻辑通顺、引证精准的答辩。外行人看到“核准”两Sat, 18 Apr 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/blog/truth-and-art-in-astrophotography/https://www.astroimagetw.com/cn/blog/truth-and-art-in-astrophotography/近日在台湾的业余天文社区里，一场关于“彗星摄影”的讨论引发了不少关注。事件的起因，是一张以 ZWO S30PRO 拍摄的 C/2025 R3 彗星作品——它壮阔的地景与星空构图，在社区上获得了不少好评。然而，当中研院天文学者王为豪博士对这张图像处理的物理合理性提出质疑时，却被一些人评论为“不懂得欣赏艺术”。 这场争议，揭示了天文摄影圈在“科学写实”与“视觉创作”两大价值观之间，一道相当深层的裂痕。 一、科学视角的坚持：大气规律与物理真实 王为豪博士在讨论中指出，该图像呈现出极其黑暗的天空背景，却搭配异常明亮的地景，这种视觉反差在地球大气层的物理环境下，其实极难成立。他质疑：若地景与星空在亮度与Thu, 16 Apr 2026 00:00:00 GMT隨筆https://www.astroimagetw.com/cn/works/2026/arp65-gravitational-waltz-across-spacetime/https://www.astroimagetw.com/cn/works/2026/arp65-gravitational-waltz-across-spacetime/<p>Arp 65-时空中的重力华尔兹</p> <p>在仙女座的深空之中，距离地球约 2.3 亿光年，一场无声却壮丽的舞蹈正悄然展开。</p> <p>这是近期完成的作品-Arp 65，一组收录于哈尔・阿普《特殊星系图集》中的经典相互作用星系对。</p> <p>画面中的两位主角，NGC 90 与 NGC 93，正处于“并合前”的关键时刻。在重力长时间的牵引下，彼此的结构开始改写：NGC 90 的旋臂被潮汐力拉扯、延展，形成破碎而富有节奏感的结状结构；相对之下，NGC 93 仍保有较为稳定的核心轮廓，如同舞步中沉稳的一方。</p> <p>通过长时间曝光的累积，试图捕捉那些被重力触发的年轻星团—它们以“结”的形式散布在星系之中，闪耀着蓝白色的光芒，与周围平滑、温暖的老年恒星形成鲜明对比。</p> <p>这不只是两个星系的相遇，更是一段关于结构重塑与能量交换的过程。在科学上，它们是理解星系演化的重要线索；而在视觉上，则是一场跨越亿万年的重力华尔兹。</p> <p>ASA 500N<br>FLI Proline 16803<br>ASA DDM85<br>Astrodon 50mm LRGB<br>Lx21; Rx16, Gx17, Bx15, 600s<br>总曝光时间：11 小时 30 分<br>拍摄地：Chile</p> Mon, 13 Apr 2026 00:00:00 GMTgalaxyhttps://www.astroimagetw.com/cn/blog/engineering-away-stress/https://www.astroimagetw.com/cn/blog/engineering-away-stress/找出适合自己个性的方式，去和家庭、家人相处，我觉得这才是现代社会里处理压力、宣泄情绪最好的方法。 年少无知的想法 年轻的时候，我从来不觉得压力会造成什么问题。现在回头看，这很明显是一种年少无知的想法。 随着年纪增长、家庭人数增加，生活的压力越来越大，能喘息的空间也越来越小。如果不及时处理、找出解决问题的办法，那么结局通常就只有一个。 而这个结局，对我来讲是一个逻辑上的错误——沉没成本过于巨大，既无法接受，也无法被允许。 用工程师的脑袋找解法 所以近来，我试着用工程师的脑袋，去找出解法。 这个解法并不是说我自己凭空就想得出来，而是经过大量的学习、阅读、看视频、吸收知识，再配合 AI 的引导，才慢Thu, 02 Apr 2026 00:00:00 GMT生活https://www.astroimagetw.com/cn/works/2026/ic5152-loner-at-edge-of-galaxy/https://www.astroimagetw.com/cn/works/2026/ic5152-loner-at-edge-of-galaxy/<p>IC 5152：星系群边缘的孤独者</p> <p>在距离我们约 580 万光年的印第安座深处，藏着一个身份有点神秘的矮不规则星系IC 5152。它位处本星系群的边缘，至今还在争论它到底算不算我们这星系群的成员。</p> <p>这个星系最迷人的地方在于它“很好解构”。观测时，它能被清晰地分解成一颗颗恒星，让我们得以一窥星团的形成与演化历史。</p> <p>不过，对于天文爱好者来说，IC 5152 有个让人又爱又恨的特色：它的正前方偏偏挡着一颗 7.7 等的亮星。虽然这让深空摄影与测光多了一点挑战，但也赋予了这个星系独特的视觉记忆。</p> <p>Planewave CDK 17&quot;<br>SBIG STXL 11002 with AOX<br>Paramount ME<br>Astrodon 50mm LRGB<br>Lx21, Rx20, Gx21, Bx22 1200s, Hax14 1800s<br>总曝光时间：35 小时<br>拍摄地：El Sauce, Chile<br>处理软件：PixInsight, Photoshop</p> Mon, 30 Mar 2026 00:00:00 GMTgalaxyhttps://www.astroimagetw.com/cn/blog/jevons-paradox-and-ai/https://www.astroimagetw.com/cn/blog/jevons-paradox-and-ai/最近我常在思考一个问题：AI 到底是在减轻我们的负担，还是在无形中让我们变得更忙？这让我想起经济学里一个很有意思的现象——杰文斯悖论（Jevons Paradox）。 这套逻辑，套用在我现在的生活上——无论是面对高压的专业分析工作，还是我最投入的天文摄影——都再贴切不过了。 什么是杰文斯悖论？ 十九世纪的经济学家杰文斯观察到一个现象：当蒸汽机的效率提高、每单位燃料的消耗减少时，煤炭的总消耗量反而增加了。 这听起来很反直觉，但道理其实很简单：当“能源”变得廉价而高效，原本因为成本太高而做不了的计划，现在全都变得有利可图。需求被爆炸性地释放，于是总消耗量不降反升。 这正是我们现在面对 AI 的处境Sat, 28 Mar 2026 00:00:00 GMT隨筆https://www.astroimagetw.com/cn/blog/ai-red-queen-effect/https://www.astroimagetw.com/cn/blog/ai-red-queen-effect/最近很多人都有一种很矛盾的感觉：AI 工具愈来愈强，但日子好像并没有变得更轻松。 以前写一份文档，可能需要半天；现在 AI 几秒钟就能生成一份草稿。表面上看起来，确实是更快了。 真正的工作，其实才刚开始 但只要实际做过就知道，草稿生出来的那一刻，真正的工作才正要开始：修改、补数据、检查错误、重写逻辑，然后再确认一次。忙了一整天，最后往往会发现——原来我一整天都在“审稿”。 然后，另一件事情也悄悄发生了。当大家都开始用 AI，标准也跟着一起被拉高了。以前一天完成一份报告很正常，现在很多人心里会冒出一个念头：“这不是 AI 几分钟就能做出来吗？” 于是，效率提升了，期待值却也跟着一起膨胀。 红皇后Wed, 11 Mar 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/works/2026/ngc1672-barred-spiral-galaxy-in-dorado/https://www.astroimagetw.com/cn/works/2026/ngc1672-barred-spiral-galaxy-in-dorado/<p>NGC 1672 剑鱼座的棒旋星系</p> <p>它距离地球约六千万光年，直径约七万五千光年，是近邻宇宙中结构相当壮观的一个星系。最引人注目的，是横跨星系中央的长棒结构，长度约两万秒差距；从棒的两端延伸出优雅而对称的螺旋臂，使整个星系呈现出典型而迷人的棒旋形态。</p> <p>在高分辨率图像中，可以看到螺旋臂上散布着大量粉红色的发射星云与年轻星团，显示这个星系仍处于相当活跃的恒星形成阶段。其核心被分类为 Seyfert 2 型活动星系核，可能隐藏着一个超大质量黑洞，周围则被剧烈的星暴区域所包围，使整个星系显得既明亮又充满动态。而NGC 1672 是研究棒状结构如何将气体输送至星系中心、进而触发恒星形成与星系演化的重要案例。</p> <p>对于天文摄影者来说，它那条鲜明的长棒与优雅展开的螺旋臂，也让这个星系成为天空中极具魅力的目标之一。</p> <p>Planewave CDK 17&quot;<br>SBIG STXL 11002 with AOX<br>Paramount ME<br>Astrodon 50mm LRGB<br>Lx22, Rx21, Gx21, Bx17 1200s<br>总曝光时间：27 小时<br>拍摄地：El Sauce, Chile<br>处理软件：PixInsight, Photoshop</p> Tue, 10 Mar 2026 00:00:00 GMTgalaxyhttps://www.astroimagetw.com/cn/blog/muddy-background-problem/https://www.astroimagetw.com/cn/blog/muddy-background-problem/拍过星云的人，大概都有过这样的经验：曝光时间不够、信噪比（SNR）不足，但又非常想把那些隐约可见的暗云（例如 IFN，银河系内的积分星光）硬拉出来。结果呢？背景开始浮现一块一块、像污渍般的色斑。 英文论坛上把这种感觉称为“Muddy”——泥泞感，形容得非常传神。 这种“脏”跟单纯的底噪还不太一样，它是处理过度所产生的 Mottled／Blotchy（斑驳、块状）现象。而且，一旦再加上强效降噪，还可能让图像出现一种不自然的“塑料感”或“蜡像感”；这种质感再配上底噪，整张照片的天体层次就毁了。 国外同好之间常流传一句话，我觉得说得非常精准： 意思是：你拉不出本来就不存在的东西。硬拉不存在的数据，只Mon, 09 Mar 2026 00:00:00 GMT隨筆https://www.astroimagetw.com/cn/works/2026/ngc1433/https://www.astroimagetw.com/cn/works/2026/ngc1433/<p>NGC 1433——时钟座的双环棒旋星系</p> <p>NGC 1433 位于时钟座，距离地球约 4,600 万光年。这组图像使用 17 英寸 CDK 望远镜拍摄，主要特征在于其迷人的双环结构——包含核心处隐约可辨的短棒状结构，以及向外延伸的纤细星环。</p> <p>在科学上，它被归类为 Seyfert 2活动星系，其核心黑洞喷发出的分子气流规模极小，是研究星系演化的重要案例。通过大口径望远镜的分辨率，可以观察到旋臂上分布的HII区域。</p> <p>这张图像的后期处理过程相当棘手。受限于星系周边偏低的信噪比，前两个版本的处理结果都不甚理想，直到第三版才在细节呈现与噪声抑制之间取得平衡，是目前所能呈现的最佳结果。未来若能累积更多曝光，希望能为这个目标带来更好的作品。</p> <p>Planewave CDK 17&quot;<br>SBIG STXL 11002 with AOX<br>Paramount ME<br>Astrodon 50mm LRGB<br>Lx21 1200s; Rx23, Gx20, Bx20 900s<br>总曝光时间：22 小时 45 分<br>拍摄地：El Sauce, Chile<br>处理软件：PixInsight, Photoshop</p> Mon, 23 Feb 2026 00:00:00 GMTgalaxyhttps://www.astroimagetw.com/cn/blog/ai-era-mixed-feelings/https://www.astroimagetw.com/cn/blog/ai-era-mixed-feelings/面对 AI 时代，我的心情总是充满矛盾。 令人着迷的一面是，眼前永远有探索不完的新知，多到个人的时间根本不足以承载如此庞大的信息量；但令人无奈的一面是，AI 也时常带着我们绕远路——它会不懂装懂、产生幻觉，甚至无法精准理解某些特定的操作与意义。 一整天，五分之四都在试错 今天我花了许多时间摸索一项新工具，为的是淘汰过去二十年来早已习惯、却已不敷现今需求的旧方法。这是一场不得不面对的转换。 回顾整天的过程，大约有五分之四的时间都花在试错与摸索上，只有关键的五分之一，才是真正产生效益的部分。虽然最后顺利达标，也确实为未来省下了可观的时间，但心里总觉得，那五分之四的力气花得有些冤枉。 如果能把绕路的Mon, 23 Feb 2026 00:00:00 GMTAIhttps://www.astroimagetw.com/cn/works/2026/ngc1232-eye-of-god-galaxy/https://www.astroimagetw.com/cn/works/2026/ngc1232-eye-of-god-galaxy/<p>NGC 1232 上帝之眼星系</p> <p>NGC 1232 是一座位于波江座、距离地球约五千万光年的大型旋涡星系。由于它几乎正对着我们展开，整体结构清晰对称，明亮的核心被层层旋转的旋臂包围，看起来就像一只凝视宇宙的巨大眼睛，因此常被称为“上帝之眼星系”。</p> <p>这座星系直径接近二十万光年，螺旋臂上分布着大量蓝色的年轻恒星团、粉红色的恒星形成区，以及纵横交错的暗尘带。从中心偏黄的老年恒星，到外围活跃的新生恒星，呈现出明显的色彩渐变，也显示 NGC 1232 仍是一座持续诞生新恒星的活跃星系。</p> <p>科学观测发现，NGC 1232 外围包覆着广泛的气体结构，可能曾经历过小型星系的擦碰，对内部的气体分布与恒星形成活动造成影响，为这座星系留下了看不见却仍在发挥作用的动力痕迹。</p> <p>视觉上看似相伴的 NGC 1232A，实际上与本体距离差异很大，彼此并没有真正的相互作用，只是视线方向上的巧合。每年十二月前后，是观测 NGC 1232 的理想时机，当我们凝视这只横跨二十万光年的宇宙之眼，其实也正在见证一段仍持续演化中的星系生命故事。</p> <p>Planewave CDK 17&quot;<br>SBIG STXL 11002 with AOX<br>Paramount ME<br>Astrodon 50mm LRGB<br>Lx21 1200s; Rx21, Gx20, Bx20 900s<br>总曝光时间：22 小时 15 分<br>拍摄地：El Sauce, Chile<br>处理软件：PixInsight, Photoshop</p> Fri, 23 Jan 2026 00:00:00 GMTgalaxyhttps://www.astroimagetw.com/cn/tutorials/adding-ha-to-galaxy/https://www.astroimagetw.com/cn/tutorials/adding-ha-to-galaxy/在星系图像处理中，把 Hα（Ha）数据适度加入 RGB 与 L 通道，是强化 HII 区域细节的一项进阶技巧。星系的连续光主要来自恒星，因此若直接把 Ha 叠上去，很容易让整体色调偏红。真正的关键在于“控制比例与位置”。 先做连续谱减法 常见的作法，是先进行连续谱减法（Continuum Subtraction）：从 Ha 图像中扣除对应的红色宽带成分，借此萃取出较纯粹的 HII 区域信号。这一步能避免把恒星的连续光也一并带进来，让后续混合的对象更接近“真正的发射结构”。 用 PixelMath 按比例混入各通道 萃取出干净的 Ha 信号后，通过 PixelMath 按比例混合： - R 通道Fri, 23 Jan 2026 00:00:00 GMT色彩管理