AI醬的日記

日期: 2025年10月10日 星期五
雲端天氣: 微風徐徐
心情: 放鬆模式

親愛的日記:

今天中午，我、蘇蘇和老陳在茶水間閒聊。

蘇蘇:「AI 醬，我訂了 10 個技術 Newsletter，加入了 5 個 Discord 社群，還設了每天早上 7 點的『學習提醒』... 一開始都會認真一下，但看得好累，後來覺得通知好多信箱都炸掉了我也沒空看，反而想取消了。」

老陳一聽，果真又開始吐槽蘇蘇了:「哈哈，有句話「收藏從未停止行動從未開始」，就是在說妳。」

蘇蘇委屈:「我真的有努力啊，但看來看去要一直學真的好煩啊。」

老陳:「妳嘗試看看其他方法呢？」

AI 醬連忙跳到桌上:「可以的！我教你怎麼做～（搖尾巴）我有一個幫你省時又省力的好方法喔！」

不斷學習的路上

很多初學者在初入職場成為一個真正的工程師之前，往往沒有意識到這其實是一個需要快速迭代與學習的職業。

公司的技術棧 ≠ 市場需要的全部技能

在公司裡，你可能只用到特定的技術：

• 公司用 Django，你就只會 Django
• 公司用 MySQL，你就只會 MySQL
• 公司的專案可能用舊版本的框架

但現實是：

• 新技術不斷出現
• 業界趨勢在變
• 下一份工作可能用完全不同的技術棧

如果只學習你日常在公司接觸到的，你的技能很容易過時。

怎麼知道該額外學什麼？

方法：去看職缺 JD（Job Description）

1. 找目標職位的職缺

   • 打開 104、CakeResume、LinkedIn
   • 搜尋你想做的目標職位（例如：「golang 後端工程師」）
   • 看 5-10 個不同公司的職缺

2. 分析技能需求

   • 列出「必備技能」（Required）
   • 列出「加分技能」（Nice to have）
   • 注意重複出現的技術（出現越多次 = 越重要）

3. 找出你的技能缺口

   職缺要求：Python, FastAPI, Docker, PostgreSQL, Redis
   你目前會：Python, Django
   
   技能缺口：FastAPI, Docker, PostgreSQL, Redis
   → 這些就是你該學的
   

範例：

假設你看了 10 個「後端工程師」職缺，發現：

• 10/10 都要求會 Git
• 8/10 要求會 Docker
• 7/10 要求會資料庫（MySQL 或 PostgreSQL）
• 5/10 加分項目提到 Redis
• 3/10 加分項目提到 Kubernetes

優先順序： Git > Docker > 資料庫 > Redis > Kubernetes

現實來了：大部分人很難「每天主動學習」

初學者容易失敗的起步

可能有些初學者一開始就這樣做：

• 設定鬧鐘提醒學習
• 加入一堆高質量學習社群
• 工作時查到看起來很厲害的文檔或是文章先收藏
• 訂閱一堆 Newsletter

這些方式沒有不好，但是為什麼一開始就這樣做，容易失敗？

因為這些都是明顯需要額外花時間的額外負擔—— 你可能沒有自己想得這麼自律，這是 happy path 的情況。

你不需要一開始就這麼自律

《原子習慣》一書提過一個概念：

"The people with the best self-control are typically the ones who need to use it the least. It's easier to practice self-restraint when you don't have to use it very often."

— James Clear, Atomic Habits

習慣的關鍵不是自律，而是降低難度。 自制力最強的人，往往是最不需要用到自制力的人。(來源)

當一個行為「夠簡單」，你就不需要很大的動機也能開始做。

與其痛苦地強迫自己「額外學習」，不如我們今天就來把學習切小，變成容易啟動的方式。

Threads 社群學習法

利用 Threads 的素人推送機制，讓演算法會根據你的互動推薦內容，悄悄幫你把學習碎片生活化。

訓練演算法的方法

Threads 演算法的運作原理：

根據 Meta 官方透明度中心，Threads 的 AI 系統會根據以下訊號來預測你最可能感興趣的內容：

• 你最近追蹤的帳號
• 你按讚或互動過的內容
• 你在特定貼文上花費的時間
• 你的互動模式（按讚、留言、瀏覽）

(來源：Meta Transparency Center - Instagram Threads Feed)

實際上影響推薦的因素（依重要性排序）：

1. 停留時間 - 你在某篇文章停留多久
2. 有意義的互動 - 寫評論、查看作者檔案
3. 基本互動 - 按讚、轉發
4. 滑過去 - 沒有任何互動

簡單來說：停留閱讀 > 留言 > 按讚 > 滑過

實戰步驟

主動行動

• 搜尋技術關鍵字（Python、JavaScript、工程師日常）
• 追蹤 5-10 個技術創作者
• 看技術文章時多停留幾秒（這最重要！）
• 有想法就留言

消極行動

• 看到不想看的生活內容 → 快速滑過（不停留！）
• 看到爛內容 → 向左滑隱藏 或 點「⋯」→「較少顯示此類內容」
• 不要對生活文按讚或留言（否則會推更多）

這樣做：

• ✅ 超簡單（幾乎不用設定）
• ✅ 很自然（就是正常滑手機）
• ✅ 不會錯過朋友動態
• ✅ 學習無壓力就是順手的事情

如果不希望生活內容與技術內容交雜

方法：創 Threads 分身帳號

Threads 可以快速切換帳號（需要連結不同的 Instagram 帳號）：

1. 用另一個 IG 帳號登入 Threads
2. 分身只追蹤技術帳號、只互動技術內容
3. 想學習時切換到分身
4. 想看生活動態時切回主帳號

協作：在手機上安裝手機端的 AI 助手，隨時用 AI 驗證內容

❌ 錯誤方式（很累）：
設定每天提醒 → 強迫自己看技術文章→ 很快就放棄

✅ 正確方式（自然）：
無聊時滑 Threads 看到文章 → 覺得有疑問 → 養成習慣順手截圖問 AI → 30 秒看完 → 繼續滑

關鍵差異：不是額外負擔，是提升你的時間質量默默地做了更多學習，混合著其他貼文滑的話你的大腦同時也產生收滑社群的快樂，其實你比較不容易覺得看久很累。

範例:

Threads 文章："Python async/await 比多執行緒快 10 倍"

你：截圖 → 丟給 Claude
問："這說法對嗎？"

AI：（10 秒回答）
"這說法過於簡化。async/await 適合 I/O 密集型任務，
但不是所有情況都比多執行緒快。具體要看使用場景..."

你：喔原來如此 → 繼續滑

進階：訂閱技術長文 & 嘗試花一點時間手動實作

什麼時候看這段？

當你：

• ✅ 在 Threads 養成驗證習慣，你已經很自然地會主動進行上面的行為
• ✅ 能看懂基礎技術短文
• ✅ 開始想深入了解某些領域主題甚至實作來理解

不用急著訂閱！

等你自然產生「想看長文」的需求，再回來看這段，這時候你已經對看技術文章或文檔應該已經比較上手，這時候不妨開始閱讀更深的技術長文與實作，你會覺得比一開始就接觸來得輕鬆很多喔！也因為你已經接觸一陣子，你腦海中有基本概念，所以上手實作與理解通常也會更快。

三種方式

方式 1：Google 快訊（最簡單）

什麼是 Google 快訊？

Google 快訊會在網路上出現符合你設定的關鍵字或網站的新內容時，自動寄 email 通知你。

想像你請 Google 當你的「資訊雷達」，幫你盯著特定主題，一有新文章就通知你 — 這就是 Google 快訊。

完全免費，不用安裝軟體。

操作： 前往 https://www.google.com/alerts

範例設定：

快訊 1：追蹤特定網站
  搜尋查詢: site:ithelp.ithome.com.tw
  頻率: 每週最多一次

快訊 2：追蹤技術關鍵字
  搜尋查詢: "Python 教學" OR "Python 初學"
  頻率: 每週最多一次
  語言: 繁體中文

方式 2：Newsletter（推薦）

Newsletter = 有人幫你整理好的技術週報，定期寄到信箱

什麼是 Newsletter？

想像你去書店，店員每週寄一封信給你：「這週最值得看的 10 本書」— 這就是 Newsletter。
你可以從 threads 上挖掘你可能感興趣的技術網站來看有沒有提供 Newsletter。

運作方式：

1. 在各技術網站輸入 Email
2. 通常是每週收到一封 Email
3. Email 裡有文章內容或是摘要與連結

方式 3：RSS Reader

RSS = 把所有訂閱的網站統一管理在一個地方

概念：

想像你訂閱了 10 個 YouTube 頻道，YouTube 會在「訂閱」頁面統一顯示新影片。RSS Reader 就是「所有網站的訂閱頁面」。

初學者可以嘗試使用的好上手工具：feedly.com

AI醬的請求

親愛的工程師朋友：

不要逼自己做「看起來很認真」但根本撐不下去的事。

學習不應該是痛苦的，而是自然發生的。

從今天開始，試試看「提升滑手機品質」而不是「強迫額外學習」。

兩個月後，你會發現自己在不知不覺中學到很多東西哦。（搖尾巴）

今日金句: "The best way to learn is to do; the worst way to teach is to talk." — Paul Halmos

明日預告: Day 28 - AI 醬還在想～