跳到主要內容

分享的習慣造就了Google +


從2006年開始就進入到social network的時代，沈迷當中卻不知道為何而沈迷，當時最興盛的『無名小站』，每天生態就是看看好友動態，看看大家照片，分享照片，寫寫自己遊記分享心情故事，同時在底下與大家留言、討論、激戰，同時與『PTT』新聞同步聯播，這就是當時最興盛的social network in Taiwan.

之後網路上有了些變動，開始紅起來『twitter』『plurk』『facebook』...好多人開始進入微型網誌的時代，一開始進入網站之後大家還不瞭解，這些東西能夠幫你做什麼，而今天這些不能夠幫你做什麼的網站，卻一點一點的深入每個人的生活當中。

2011年，Google +的崛起，為什麼Google +能夠真的快速崛起？個人認為這都是習慣的養成，一個新的服務形成，大家第一步會做些什麼？

  • 註冊
  • 編輯個人資料
  • 隨處亂點
  • 在其他social website分享此訊息給我的好友
  • 分享資料給其他人
  • 加更多人為好友

為什麼會這樣子？
可以從Social network歷史看出一點端倪，從一開始twitter，plurk來說，當時進入這個網站，能夠張貼些簡短的話，給大家看到，許多人還以為這只有白痴會做的事情，沒事情為什麼要讓大家知道你在碎碎念什麼。另外一個問題就是，你要碎碎念給誰聽啊？

接著模式形成了，大家發現，咦！？一堆網友七嘴八舌，可以同時即時得到回饋的感覺還真不賴，每個人都有機會成為萬人注目的焦點，而其中主要的關鍵就是『好友』。

沒錯！只要好友一多，分享的事情又能夠令人關注，就能夠成為這個小圈圈的王，哪怕只是雞毛蒜皮小事情。帶動了『分享』，『線上互動』的習慣開始生成。

Google + 做了什麼？
Google + 在2011年這個已經被 Facebook，Twitter所河蟹的龐大網路世界中，大家已經習慣加入好友，而Google +帶來的就是簡便的介面，其他Social network所缺少的部份，Google + 做到的部份就是：
朋友分群
特定分享
群組關注
隨意分享

這些點在其他Social network上雖然都有，但不是全部都有，而Google + 將這些缺少的部份整合了起來，也讓更多人能夠接受，簡單的介面，乾淨的版面，更是其他版面所沒有，另外一個優勢就是Google + 可以透過Chrome 結合更多extension做到更多事情。

結語
Google + 做到其他Social network定位所缺少的部份，雖然並不是最好，但至少是個突破，也許Google +是另外一種工具也不一定，至少對筆者來說分群就是一種很棒的機制，對於不同分群分享不同話題，用著不同的概念來描述事情，都是一種不同的體驗。

有興趣歡迎大家加入我的Google +
標籤：

留言

張貼留言

這個網誌中的熱門文章

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」。 ...
2 則留言
繼續閱讀>>

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...
張貼留言
繼續閱讀>>

v0 API 是什麼？怎麼用？一篇教你搞懂功能、價格，還能搭配 Cursor 玩出 vibe coding！

Vercel 的 v0 是一款 AI 驅動的前端開發工具，能夠將自然語言描述轉換為可部署的 React 元件和 UI 介面，支援 Tailwind CSS，並可直接部署至 Vercel 平台。此外，v0 提供 API 介面，讓開發者能將其整合至其他工具，如 Cursor IDE，進一步提升開發效率。 Vercel v0 API 介紹 v0 API 目前處於 Beta 階段，主要提供 v0-1.0-md 模型，具備以下特點： 多模態支援：接受文字與圖片（base64 編碼）輸入。  快速串流回應：提供低延遲的串流回應。  OpenAI 相容：遵循 OpenAI Chat Completions API 格式，易於整合至現有工具。  前端開發優化：特別針對 Next.js 和 Vercel 等現代前端框架進行優化。 要使用 v0 API，需訂閱 Premium 或 Team 方案 ，並啟用使用量計費。 使用方式 API 端點： POST https://api.v0.dev/v1/chat/completions 請求標頭： Authorization: Bearer YOUR_V0_API_KEY Content-Type: application/json 參數範例： { "model": "v0-1.0-md", "messages": [ { "role": "user", "content": "建立一個具有身份驗證功能的 Next.js AI 聊天機器人" } ], "stream": true } 您也可以使用官方的 AI SDK 進行整合： npm install ai @ai-sdk/vercel 範例程式 javascript import { generateText } from 'ai'; import { vercel } from '@ai-sdk/vercel'; const { text } = await generateText({ model: vercel...
張貼留言
繼續閱讀>>