跳到主要內容

2011年永不放棄,半年回顧!

永遠記得,什麼叫做心靈的悸動,退伍之後第一次如此熱血,三個人成團出發直接環島旅行,沒有路線,沒有事先規劃,更不用說之前的練習了。這是我第一次遠途長征,也是第一次體會漫無目的旅行的痛快。

那次的環島,讓我重新認識了台灣這個寶島。更重要的是讓我瞭解一件事情,就如同練習曲所說『有些事現在不做,以後也不會做了。』時光飛逝,進入工作職場後,開始進入忙碌的阿鼻地獄(?)[冷笑],忙到只剩下嘆息,忙到閒下來空虛的思緒。

決定要改變自己,找回最初的初衷,跟自己講『走,騎車吧!』

還記得車行老闆跟我說:『玩車,就要玩得跟別人不一樣!』,因為如此從2011年3月,入手了自己的第一台公路車,為期每週固定的踩踏之旅。

第一次的目標就是『2011年永不放棄 - 極限挑戰300k』
在莊老師帶領下,第一次有支援車跟著一起行動。
沿路上補給當然不能少,身經百戰的莊老師提醒我們許多注意事項。



也是第一次體驗到數千人同時出發的盛況。








莊老師名言:『騎車很辛苦,一定要吃飽(好)。』
以型補型,中繼休息來個羊大骨,羊肉湯。



300k是一場耐力與體力的煎熬,從白天騎到黑夜,再從黑夜騎到白天,不只是對於體力的挑戰,更多的是意志力考驗,第一場挑戰賽就這麼煎熬,真的是頭殼壞去,但是我『永不放棄』。




第二場,探索中橫(塔塔加)
上次的支援車(娃娃車),居然被莊老師賣掉了,爾後就出動老闆的戰車(?),這次的車輛更多,陣仗更大,為數更多的人一起前往。


前一天就直奔水里,出發點在水里國中,沿途經過日月潭,當然也要拍張美美得照片。









前往塔塔加的路途,更多的是路旁落石,許多小石頭因為路面振動,零星落下,佔據了道路的一旁。而且中段許多爬昇坡,路面狹窄,讓挑戰的難度提高,左邊落石,右邊山谷,還是繼續往上爬吧!我,已經回不去了!

還好沿路的美景相伴,更多不同的風景印入眼簾,每穿過隧道之後,出現的場景都令我期待。







最讓我驚訝的就是,獨輪車!
(如果有侵犯到你,請跟我說)


到了接近夫妻樹路段時(距離終點不到1公里),天空崩的一聲,開始下起雨來,這邊很感謝『台中鐵馬拜客』他們的炊帳收留了小弟我,讓我可以小小地躲雨。
ps. 這是我第一次看到夫妻樹...(流淚)





沿途已經身上淚水、汗水、雨水,已經不知道身體幾乎煎熬,又加上下雨導致身體有些失溫,沿途沈浸在拍照(貪玩)的時光太多,不管怎樣永不放棄,就算殘念我也不能放棄...

看著時間越來越緊,拉快自己的腳程,最後1公里全程抽車上終點,我相信我可以!
沒什麼不行的,相信就可以實現。



莊老師名言:『騎車很辛苦,一定要吃飽。』這句話又提醒了我們,一定要吃飽(好)





第三場,鹿場
這裡可以算是老地盤,畢竟我也在苗栗待了四年的快樂時光(笑),這一天晴空萬里,蔚藍天空,只有些許白雲飄動,雖然住的地方有些距離(苗栗公館),秉持永不放棄的精神,我們還是到了出發點(最後一組出發)








這次看到好多親子組,最特別的就是『協力車』,這個爸爸您辛苦了!


另外就是,補給站香蕉好肥好大好甜好好吃,除了基本款麵包以外,還有蛋糕可以吃[口水],騎到終點居然還有...糯米團,太好了!(要去打妖怪了嗎?)糯米團+鹹魚+竹筍湯,讓我飽餐一頓,這真是好!!!










這麼好吃的食物,怎麼可以浪費,當然要吃完再走!



這場挑戰賽因為上天賞臉,大家完成的速度都很快,在11點多左右,大會就開始收攤了(回家)



2011鹿場挑戰賽,最後上天給我們一個禮物,光暈!


咦!?這場怎麼少了些什麼?不....吃得絕對不能少,因為,騎車很辛苦!
既然到了南庄,就到...南庄老街,『呷冰』






後記
這些都只是剛開始,感謝莊老師,主任,車店老闆,還有許多一起騎車堅持過來的夥伴。今年約定『永不放棄全餐』,希望能夠完賽。目前給自己一個期許,丟掉『早知道』這三個字。

沒有做不到,只有要不要。
人生就是要享受,感受自己狂奔的感受。
因為騎車所以活著,靠著雙腳就能跑遍天下,不管有什麼難題,只要我肯,行!



ps.
感謝活動主辦單位,感謝那些補給點支援的各位。
雖然我不認識你們,但有你們真好,大家一起『永不放棄』

留言

這個網誌中的熱門文章

Vibe Coding:為什麼 Junior 更快上手?Senior 要如何追趕?

現象層面(市場觀察) 最近有篇文章討論 junior & senior 開發者在 AI 時代的角色轉變,非常熱門。 身為 Cympack 產品開發團隊 ,我們也一直關注這個議題,在閱讀這篇文章時觀察到一些有趣的現象,對我們來說,這正好反映出 AI 正在改變開發生態,junior 借力 AI 快速成長、senior 則需要在 「架構思維」 與 「多 agent 協作」 中找到新定位,其中有些啟發(insight) 可以跟大家分享。 為什麼 Junior 更容易上手 vibe coding? 心智負擔低 → Junior 沒有太多傳統 code workflow 的框架包袱 敢於嘗鮮 → Gen Z / 年輕工程師天生習慣用 prompt-based 工具、跟 LLM 互動 少「優雅程式設計」的束縛 → 不太糾結「這樣寫會不會不夠優雅」,反而 embrace 快速迭代、快速出成果 反觀 Senior: 熟悉大型系統設計 有豐富的「工程正統流程」知識(架構設計、測試策略、效能優化、設計模式) 對 AI 生成 code 的品質 / 維護性通常比較保留 部分 10+ 年資深工程師,對 prompt engineering 沒那麼熟練,還在觀望 技能面(未來的關鍵能力) Vibe coding 本質上 = prompt engineering + AI co-pilot 管理能力 能力項目 誰目前比較有優勢? Prompt 撰寫 / AI 互動 Junior 較強(熟悉 chat-based 流程) 系統設計 / 架構把關 Senior 較強 AI 生成 code 驗證 / Bug 察覺能力 Senior 較強(能看出潛在問題) 快速疊代 / Hackathon 式開發 Junior 較強 長期維護性 / 穩定性 Senior 較強 總結 Junior 確實更快適應 vibe coding,並且更習慣以 「chat-based coding」 的工作流開發。 Senior 擁有驗證 AI 產物與系統設計的深度能力,但若不主動練習 vibe coding,長期會逐漸落後於新一波開發潮流。 就如同在 GAI 技術年會分享,希望帶給各位的感受, 『與 AI 協...

RAG 和 Prompt 原理超簡單解說!想知道 AI 怎麼找答案看這篇

這篇文章是給對於你已經開始使用所謂的 ChatGPT / Claude / Gemini 之類的 AI 服務,甚至是 Siri (嘿丟,他也是一種 AI 應用服務喔) 簡單來說是非 技術人員, PM,小白,想要趕快惡補的人 ,直接花十分鐘可以看完的一篇科普業配文章。 或者是概念僅止於,AI 這東西會幻想,會有誤差,會對於生活有些幫助但沒有幫助的人們,做個簡單又不是太簡單的介紹,希望用一個非常入門的方式讓你們有個了解。 當然,這篇文章目的很簡單, 就是引流 ,如果你身邊有已經對於 Web 技術開發的人員,歡迎報名分享給他,年末出國不如學一技在身,參加今年我們舉辦最後一場 RAG 實作工作坊,報名連結 , https://exma.kktix.cc/events/ai-for-dev-course-rag-2 注意: 接下來每個大段落結束都會有一段工商導入,但文章絕對精彩,請注意! 為了讓各位容易想像,我們將整個世界的資訊,先濃縮到這本『西遊記』的世界觀當中,我們整個世界都在這個 『西遊記』 ,而 大型語言模型 我們用 『書精靈』 來描述。 PS. 我們先預設各位,應該都有聽過,西遊記!如果沒有聽過西遊記的,請右轉出去,謝謝! 先來談談向量 在《西遊記》的世界裡,我們可以把 向量想像成一種「內容座標」 ,讓系統知道每個角色、場景、法術等的 「位置」和「距離」 。向量幫助語言模型知道不同內容之間的關聯程度。 向量就像內容的「距離」和「位置」 比方說,唐三藏的 「位置」(向量)會接近「佛經」和「取經」 的概念,因為他一路上都是為了取經而前進。孫悟空的 向量位置則會更靠近「金箍棒」和「七十二變」 這些概念,因為這些是他的特徵。 相似內容靠得更近:像「佛經」和「取經」會靠近唐三藏的向量,因為它們彼此有很強的關聯。 相差較大內容會離得較遠:像「取經」和「妖怪」「妖怪的寶藏」就距離比較遠,因為妖怪的寶藏和取經的目標關聯性不大。 是誰決定的這些位置? 簡單來說,這些位置和關係是模型自己學出來的。語言模型會閱讀大量的資料和這世界觀的資訊,觀察哪些詞語經常一起出現,根據「共同出現的頻率」來決定它們的關係,並且自動生成向量。例如: 如果模型看到 「唐三藏」 總是和 「取經」 一起出現,它就會讓「唐三藏」的向量靠近「取經」。 ...

Vibe Coding 協作到自建 Dev Agent?從 Claude / Codex 到 OpenHands

過去一年,越來越多工程師開始 把 AI 真正帶進工作流程 。從一開始用 ChatGPT、Claude 來問語法問題,到後來很多人愛上 Cursor,直接在編輯器裡讓 AI 幫忙改 code、補 test case、甚至自動整理 PR。這樣的開發體驗,已經大大改變了我們寫程式的方式。 更現實的是,在很多企業內部、政府單位、或涉及機密資料的專案裡, 其實根本不能直接用 Cursor 或雲端 LLM 工具。   畢竟這些服務通常會把資料傳到雲端模型做處理,萬一專案裡有未公開的技術、敏感客戶資料,或是受限於法規 (像金融、醫療、政府標案) ,直接用雲端 AI 工具就會踩 紅線 。  因此,許多團隊反而更希望 「自己架一套 Dev Agent」 ,可以在內網執行,資料完全掌握在自己手上,該整合的內部工具、該讀的私有 repo、該串的 CI/CD pipeline,全部客製化、安全可控。 這時候,像 OpenHands 這樣的開源 Dev Agent 框架就特別有價值。它的出發點不是單純的 AI 助手,而是讓你能夠打造出一個真的可以跑在自己環境裡、可以理解整個開發流程的 AI 工程師。從建置到部署,從 CLI 操作到瀏覽器查詢, 從多檔案編輯到自動測試,全部都能自己完成,甚至還能針對不同專案調整專屬的工作流。 對很多開始探索 AI 協作開發的團隊來說,這是一條 從 「AI 幫你寫一段程式」,走向「AI 幫你解決一整個任務」 的進化路徑。而且,還是在可控、可自定義、安全的環境裡完成的。 🧩 主要概述 OpenHands 是由 All‑Hands AI 開發的開源「軟體開發代理人平台」,能模仿人類工程師從建立程式、修改程式碼、執行指令,到瀏覽網頁、呼叫 API……等一整套開發流程 它提供雲端(OpenHands Cloud)與本地 Docker 運行版本,用戶能配置 LLM(如 Claude、OpenAI、Gemini…) 📚 核心特性與怎麼使用 代理人的工具能力 支援代碼編輯、命令行、執行環境、網頁瀏覽、API 呼叫—接近人類開發者完整技能。其中 OpenHands Cloud 版本提供 $50 試用額度讓大家方便使用,又或者如果自己本機有 docker 的話,可以自己Local 版本透過 Docker 自架環境。 ...