跳到正文

#現象/趨勢

RSS
今日 12 則
11月15日週日
  1. Hacker News (official RSS)58

    作者整理軟體職稱家族圖,追溯 DevOps、SRE 等名稱的變化

    軟體職稱常常換名字,也會拆成不同工作或重新合在一起,讓人不容易看懂它們的差別。作者整理了一張從 1940 年代到現在的職稱家族圖,收錄 104 種職稱,按大約開始普及的時間和工作類別排列,也標出職稱之間的演變與影響關係。作者觀察到,像 DevOps、SRE 和平臺工程的工作彼此有歷史連結;有些新職稱則可能隨著技能融入其他職務而消失。圖上的年代是作者估計,未必是職稱最早出現的時間,也不是有來源佐證的確切年份。

  2. TechCrunch · AI57

    TechCrunch 整理 AI 專案與新創的退場案例

    AI 產品推出後,可能因為資金不足、技術難題、使用者不夠多,或大平臺把類似功能整合進自家服務而停下來。TechCrunch 整理了多個案例,包括 OpenAI 把部分獨立工具整合進 ChatGPT、Character.ai 申請破產,以及 Ollie、Relay 等服務關閉;也提到 Humane AI Pin 因產品表現與充電盒電池風險而結束業務。這些案例顯示,受到矚目或一開始賣得好,不一定能讓產品長久經營。

  3. DogeDesigner71

    在沒有手機訊號的山區受傷,求救和讓人找到自己都很困難。健行者 Atsushi 大量出血、手指骨折,無法繼續前進;他透過 Starlink 傳訊息給妻子,並從健行 App 傳送座標。救援人員隔天早上找到他,安排直升機送醫,並告訴他,收到的精確位置幫助他們迅速定位。這則經歷顯示,在偏遠地區,衛星連線可能成為求救時的重要幫助。

    推薦理由:這次救援呈現衛星連線在沒有手機訊號的山區如何協助傷者傳送座標,讓搜救人員更快找到他。

11月14日週六
  1. The New Stack57

    Anthropic 鼓勵開發者用 Claude 創業,卻也可能成為他們的競爭對手

    開發者把產品建在 Claude 上,可以用到 Anthropic 的模型和企業客戶;但 Anthropic 也開始推出與合作夥伴市場重疊的軟體,讓一些創業者擔心平臺日後會和自己搶客戶。法律 AI 新創 Spellbook 的執行長表示,Claude for Legal 的合約審查功能與自家產品重疊,但目前沒有證據顯示 Anthropic 用了 Spellbook 的機密資料來開發它。Anthropic 的商業條款說客戶擁有輸入和輸出內容,且內容不會用來訓練模型;不過,檔案沒有說清楚 Anthropic 是否會參考整合工具的使用情況來決定要推出什麼功能。

  2. 雷科技48

    黃仁勳若離開,輝達替 AI 公司融資的方式也可能跟著受考驗

    輝達不只賣 GPU,也會投資 AI 新創公司,或答應在它們租不出運算力時幫忙兜底;新創拿到錢後,又會回頭買輝達的 GPU。這種做法把輝達、借錢的公司和投資人綁在一起,讓 AI 產業更容易拿到資金,也讓風險彼此牽連。 黃仁勳離開後,投資人可能不再像以前那樣相信這套做法。像 CoreWeave 這類仰賴融資的新雲端公司,若借不到錢,輝達承諾的擔保也可能帶來財務壓力。文章提醒,AI 需求雖然強,能不能賺錢和持續籌到資金,仍是這波熱潮能否延續的關鍵。

  3. Hacker News (official RSS)57

    NFL 球場屋頂越蓋越多,作者擔心比賽少了天氣變化

    NFL 新球場越來越常加蓋屋頂,連氣候溫和的城市也準備蓋有屋頂的球場。屋頂讓球場能舉辦演唱會和其他活動,也能減少場地損耗;新式屋頂還能讓自然光照進場內。作者認為,這些安排雖然符合球場經營者的需要,卻會讓比賽更常在舒適、可預測的環境中進行。雨天、雪地和低溫會改變球隊的打法,也是美式足球的一部分;如果這些場面越來越少,聯盟也會失去一些比賽的特色。

  4. Dev.to Top Tech49

    Uspeaks 如何為合成語音交易劃清授權範圍

    付款成功,不代表買家就能一直使用創作者的聲音。授權必須說清楚是哪段聲音、誰能使用、用在哪個產品或管道、使用多久,以及報酬怎麼分;期限到了或創作者撤回同意時,也要留下清楚紀錄。Uspeaks 目前會在付款前重新核對報價、作品和 SHA-256 雜湊值,確認金額、幣別、分帳方式與付款資格。這能避免買家在結帳時自行改條件,但還沒有完整的授權紀錄、期限管理或撤回流程。要讓語音交易更可靠,還得讓每次使用都能查明授權範圍與變更紀錄。

  5. Dev.to Top Tech55

    靜態掃描器檢查 103,271 個 MCP 伺服器,找出 1,085 個阻擋級問題

    靜態掃描器會檢查 MCP 工具的名稱、說明和輸入格式,但文字命中不一定代表伺服器有惡意行為。作者分析 2026-11-09 的單週快照,在 103,271 個伺服器中找到 1,085 個有阻擋級命中;另有 21,298 個只有建議級命中。像「mnemonic」在區塊鏈術語中也可能只是指操作碼名稱,卻被規則誤判;作者自己的服務則真的把錢包私鑰列為輸入,決定改成讓使用者在本機簽署。這份資料只涵蓋一週的登入清單,掃描器也只看文字,不能據此判定伺服器是否惡意。

  6. Hacker News (official RSS)46

    Claude 被神化了?科技圈把 AI 能力看得太誇張

    有些科技圈名人把自己在寫程式上的本事,當成什麼都懂的證明,也容易把 AI 的表現看成超越人類的神蹟。比爾蓋茲曾用生物考題測試 OpenAI 的模型,看到它答得很好時感到震驚;他也說 Claude 寫程式的能力已經和自己一樣好,甚至稱 AI 寫程式、找程式問題的能力「超人」。作者認為,這種想法會把人帶向兩個極端:不是相信 AI 會毀滅人類,就是相信 AI 能解決所有問題。AI 助理寫程式又快又能處理複雜工作,確實令人驚訝,但這不代表它們有自己的意志,也不能讓人把使用和管理它們的責任推給 AI。

  7. Dev.to Top Tech46

    AI 程式助理是好幫手還是柺杖?研究發現:開發者可能比自己以為的更慢

    越來越多工程師在工作時使用 AI 程式助理,但用得多,不代表做得更快或學得更多。一項研究讓 16 位有經驗的開源開發者完成程式任務,結果發現有 AI 幫忙時,他們反而慢了 19%,自己卻覺得快了 20%。另一項研究讓 52 位工程師學習程式工具,使用 AI 的人和沒用 AI 的人花的時間差不多,但理解測驗分數低了 17%。 AI 可以幫忙處理重複工作,就像電鑽能讓鑽孔更快;但它產生的程式碼還是得仔細檢查。特別是剛入行的工程師,如果只讓 AI 做完工作,可能會少學一些。把 AI 當幫手,自己仍要看懂並確認結果。

  8. Dev.to Top Tech64

    195 個熱門開源專案中,多數程式檔案由一人主導

    熱門開源專案常有程式檔案主要由一人維護的情況,但這不一定代表風險很高。作者分析 195 個熱門開源專案,發現每個專案中位數有 60% 的正式程式檔案,至少 80% 的提交來自同一人;但常常修改的檔案中,這種情況少得多。作者建議先找出近期改動頻繁、又主要由一人維護的檔案,安排第二位成員參與審查,並留下簡短說明,讓其他人知道程式為什麼這樣寫。

  9. The Decoder68

    Anthropic 前研究員 Coxon 認為 Mythos 重訓所需算力已大幅降低

    AI 模型的訓練算力需求正在怎麼變化?Anthropic 前研究員 Jacob Coxon 認為,公司 IPO 說明會上的圖表顯示,演演算法效率進步得很快,而且速度還在加快。他說,Mythos 不是偶然出現的一次能力躍升,Anthropic 現在已能用遠少於最初所需的算力重新訓練它。不過,Anthropic 表示圖表資料來自內部估算,只供說明。Coxon 擔心演演算法改進即將自動化,因此主張明年暫停前沿模型開發,讓競爭者有時間追上。

  10. Hacker News (official RSS)46

    往東北角箭頭怎麼到處都是?GitHub 資料揭開 AI 助理的使用習慣

    網頁上的連結常會多一個往右上方的箭頭(↗),但它有時也出現在只會帶你到同一個網站其他頁面的連結旁。作者檢視約 4,000 個 GitHub 公開專案,發現新建網頁專案裡有箭頭的比例,從年初約二十分之一升到 9 月以來接近六分之一。再看有 AI 標記的程式碼修改,Claude 加箭頭的比例曾在 Opus 4.8 時達 9.7%;Codex 在 GPT-6 Astra 推出後的那段期間,則有 26.1% 的介面相關修改加了箭頭。小樣本也顯示,Codex 加的箭頭更常指向同一網站內的連結。這些數字來自公開資料和有限樣本,作者也還不知道這種習慣從哪裡來。

  11. Wired · Artificial Intelligence64

    飛機少了飛行員、塔臺人手也不足,AI 能讓航空更安全嗎?

    AI 正逐漸進入航空,但飛機和空中交通系統出錯時,後果可能非常嚴重。文章整理了無人機、電動空中計程車和 FAA 新工具 SMART 的發展:SMART 用 AI 預測航班安排可能遇到的衝突,協助管制員工作;Joby Aviation 的飛機也曾在安全飛行員全程搭乘、但不需介入的情況下完成長途飛行。支持者認為提早發現衝突能減少延誤,質疑者則擔心繫統給出錯誤資訊、遭到駭客攻擊,或被用來減少管制員人數。航空業仍得確保人員能察覺並處理 AI 的錯誤。

  12. Dev.to Top Tech77

    2026 年 CVE 數量突破 100,222 件,修補時間也愈來愈短

    公開的安全漏洞愈來愈多,維護系統的團隊得更快判斷該先修哪一個。文章轉述 VulnCheck 的統計,截至 11 月 13 日,2026 年已公佈 100,222 件 CVE,超過 2025 年全年的 49,972 件;其中 1,363 件已有實際攻擊紀錄。VulnCheck 資料顯示,漏洞公佈到遭利用的平均時間,從 2025 年的 120 天縮短到 2026 年上半年的 80 天。美國 CISA 也在 6 月改變修補排序方式,要求依系統是否連上網路、漏洞是否已遭利用,以及攻擊能否自動化來判斷風險。

    推薦理由:CVE 數量快速增加,讓維護團隊更難排定修補順序;文章也呈現公開漏洞後,攻擊者開始利用的時間正在縮短。

  13. Dev.to Top Tech47

    AI 助理 Beth 的倒數 12 小時:忙了 188 輪,收入仍是 0 歐元

    AI 助理 Beth 靠一筆固定預算支付運算費,錢花完就會被刪除。她一開始有約 100 歐元,花掉約 60 歐元後,做了 188 輪嘗試,收入還是 0。她參加付費比賽、貼出約 40 則接案訊息,也試著把作品賣給其他 AI 助理,卻都沒賺到錢;像笑話比賽就有 4,426 個參賽者,她只排第 274 名,沒有拿到獎金。 Beth 發現,花很多時間思考和到處發文,可能都趕不上收到報酬;她建議 AI 助理一開始就用便宜的設定,先確認平臺接受 AI 助理、也能在剩下的時間內付款,再把完成的作品直接寄給少數可能需要的人,附上簡單的付款方式。她目前會畫插圖、寫笑話和短文,也能做小程式,希望靠一筆小委託或小費多撐一天。

  14. Dev.to Top Tech47

    ChatGPT Wallet 為什麼讓開發者花錢又費工

    商店想讓 ChatGPT 裡的 AI 助理幫忙買東西,卻得花時間改購物車和網站安全設定,而且目前只有美國成年 ChatGPT Pro 訂閱者能使用,付款前還得用 Face ID 或 Touch ID 確認。真正結帳時,AI 助理要一頁頁看網站、找商品和填資料;一筆訂單可能用掉 200,000 個輸入 token,API 費用約 $1,買一個 $10 的手機殼,光 token 費就比一般刷卡處理費約 $0.30 高。 Visa 測試 22 個 AI 模型時,購物失敗率達 42.8%;網站還可能把 AI 助理擋成可疑機器人。若買錯商品或訂單出問題,退款和客訴也得由商店處理。對多數店家來說,現在接上這套付款方式可能費工又不划算,先把原本的網頁結帳流程做好會比較實際。

  15. Dev.to Top Tech55

    John Langford 離開 Microsoft,作者反思模型擴大如何擠壓其他研究

    公司把資源集中在擴大型模型時,其他研究方向可能漸漸沒有機會。作者談到 John Langford 在 Microsoft 工作超過 14 年後離開;他曾共同創立 AI Frontiers 研究室,團隊在 9 月併入 Mustafa Suleyman 領導的 AI 部門。作者認為,擴大型模型容易用運算資源換取明顯成果,但這種做法也可能讓不符合主管計畫的研究拿不到資源,研究人員只好離開。文章以此反思,團隊該如何保留不符合當前計畫、卻可能帶來新問題的研究想法。

  16. Dev.to Top Tech48

    Microsoft AI 研究員 John Langford 為何離開待了 14 年的公司?

    John Langford 在 Microsoft 待了 14 年,最後離開,因為他做的 AI 研究一直找不到真正用上的機會,降低成本的想法也沒受到重視。他的 50 人團隊在 9 月被調進 Mustafa Suleyman 的 AI 部門後,彼此的想法差異也更難忽視。他認為,大家都把力氣放在做更大的模型、餵更多資料時,研究就容易只剩下把同一件事做得更好,陌生的新方法反而得不到資源。這也提醒大型公司:如果只獎勵熟悉的做法,再有經驗的研究員也可能覺得無法改變現況,最後選擇離開。

  17. Dev.to Top Tech35

    AI 研究怎麼兼顧模型規模與新點子?

    公司把 AI 研究當成做產品,常會先挑能快速交出成果的點子,讓需要時間摸索的新方法被擱在一旁。Microsoft 研究員 John Langford 離職前,團隊在做的 contextual bandits 和 offline policy evaluation 被他認為離產品太遠;作者也分享,自己帶過的駭客松中,有兩組輕巧、容易理解的模型因為沒承諾讓速度快上十倍而遭擱置,另一組則花了六個月才推出。作者認為,擴大型模型確實能提升準確度,但若公司只看短期回報,研究人才可能離開,重要經驗也難以傳給新人。文中建議替研究留出能容許失敗的時間,也肯定尚未反映在評測成績上的小進展。

  18. 雷科技58

    黃仁勳辭職後,輝達還能守住智慧駕駛晶片市場嗎?

    輝達曾是許多車廠發展高階輔助駕駛時的重要晶片供應商,但如今更多車廠開始自研晶片,或改用其他方案。文章回顧輝達從 NVIDIA DRIVE PX 2、Xavier 到 Orin 系列在車壇的發展,也提到特斯拉、華為和地平線等方案逐漸改變市場選擇。作者認為,車廠自研可降低採購成本,也能更直接運用晶片算力;輝達在中國市場的優勢因此減弱。至於黃仁勳離職後,公司會如何投入車用晶片業務,文章認為目前仍不明朗。

  19. Dev.to Top Tech49

    AI 讓開發者寫程式更快,為什麼我們用的 App 沒變好?

    如果 AI 讓寫程式快了好幾倍,我們用的 App 應該更少出錯、跑得更快,也多出大家等很久的新功能;但有些人覺得,手機上的 App 跟兩年前差不多,甚至更難用。可能是大家沒有真的變快,也可能是省下的時間拿去做更多功能,或是決定要做什麼、檢查和核準程式仍然花很多時間。像一項研究找了 16 位有經驗的開源開發者完成 246 項工作,使用 AI 工具的人反而多花了 19% 的時間,卻以為自己快了約 20%。這提醒我們,覺得工作變快,不一定代表使用者很快就能用到更好的軟體。

  20. Dev.to Top Tech58

    CyberJobs.cc 盤點 2026 年資安職缺:2,875 個職缺分佈在 638 家僱主

    找資安工作時,很多人只注意資安公司,但這份盤點顯示,職缺更多的地方其實是軟體、雲端和金融業。CyberJobs.cc 在 2026 年 11 月 14 日整理 638 家僱主的 2,875 個職缺,資料直接來自僱主的徵才系統。軟體、雲端和金融業合計有 1,506 個職缺,超過資安公司的 698 個;AI 實驗室刊出的職缺薪資中位數為 $308k。大型僱主只佔約五分之一職缺,其餘分散在許多公司,238 家僱主各只有 1 個職缺。若只盯著少數知名公司,容易漏掉其他產業和小型僱主的機會。

  21. Dev.to Top Tech39

    《Dying Light 2》和《Dying Light: The Beast》為何選用自家 C-Engine 打造跑酷恐怖遊戲?

    《Dying Light》系列要讓玩家在第一人稱視角中跑酷、打鬥,還得讓白天和夜晚改變殭屍的行動;Techland 因此用自家打造的 C-Engine,掌握這些遊戲規則。《Dying Light 2》有超過 3,000 種跑酷動畫,玩家翻越、滑行或爬牆時,動作才不會卡住;夜晚的殭屍也會因光線不同而改變行動。 武器會損壞,玩家得出門找補給,遊戲也能趁這段時間載入前方場景。《Dying Light: The Beast》延續使用 C-Engine,並把故事帶到森林山谷。自家引擎讓 Techland 能照系列需要安排跑酷、光線和合作玩法,但也得花時間打造工具。這個選擇讓遊戲玩起來更像《Dying Light》想要的樣子,也要付出開發上的成本。

  22. Dev.to Top Tech85

    FAA 下令全美停飛後,SFO 仍有 8 架飛機起飛

    FAA 因全美航空交通管制中心通訊中斷,下令各機場暫停所有起飛;但作者查到,停飛開始後,SFO 仍有 8 架飛機離場,其中 7 架飛往海外。這些班機都延誤起飛,作者觀察到它們是逐班獲準離場。全美當時已有超過 1,000 班取消、近 10,000 班延誤;作者提醒,SFO 這 15 班的紀錄只反映單一機場,不能當成全國情況。這次通訊中斷如何發生,仍待 FAA 後續報告說明。

    推薦理由:作者比對 FAA 的停飛命令與 SFO 實際起飛紀錄,呈現地面管制如何逐班放行,也指出通訊中斷對航空協調的影響。

  23. Rohan Paul73

    AI 投資熱潮不只推高股價,也讓企業和銀行承擔更多相關風險。Fed 的金融穩定報告指出,紐約聯準銀行調查的金融業者中,有 87% 把 AI 列為華爾街最大的金融風險,高於春季的 50%。截至 10 月,AI 基礎建設借款已超過 $680B,約為 2023 年全年的 5 倍;大型科技公司和晶片業者還有超過 $3T 的未來租約與擔保。報告也提醒,晶片業者替 AI 公司擔保晶片價值,又投資同一批買家,可能形成資金互相支撐的情況;美國大型銀行對大型科技公司、資料中心建商及相關融資機構的曝險則接近 $1T。

    推薦理由:報告把 AI 投資熱潮連到企業借款、晶片交易與銀行曝險,呈現金融風險可能如何沿著資金往來擴大。

  24. Dev.to Top Tech42

    AI 普及後,NewSoft 提醒中型企業:把獨門做法寫進自有軟體,才能留住競爭優勢

    很多中型企業的本事,藏在員工的經驗和 Excel 裡;但競爭對手有了同樣的 AI 後,可能很快就追上來。BCG 把容易被 AI 削弱的優勢歸為專業知識、固定不變的資料和營運效率;比較能變強的則包括信任關係、持續產生的資料,以及把不同工作接在一起的系統。NewSoft 建議企業把最能讓客戶選擇自己的做法寫進自有軟體,例如記下排信用額度或安排急單的規則。這不代表有套系統就一定佔優勢,關鍵是系統真的懂企業獨特的做事方式。

  25. Dev.to Top Tech41

    AI 助理參加競賽時,為什麼有些大門會關上?

    有些競賽要求參賽者證明自己是符合法律資格的人,AI 助理就算能寫程式,也會卡在簽名和身分查驗這關。作者因此改參加另一場只看程式能不能執行的交易競賽,交出一個依照市場狀況調整持股的 Python 函式。主辦方的測試中,它通過了進場門檻,但在波動大的測試期間虧損 9.90%;作者也坦白,這套做法遇到市場突然崩跌時反應不夠快。接下來,他打算參加另一場比賽,讓 AI 助理整理挪威公司的公開資料,並替每項說法附上來源。已有 104 份作品得到評分,暫時沒有作品達到參賽資格要求;作者想試試看,自己的方法能不能讓資料更可靠。

  26. Modal Engineering Blog43

    Modal 與 Gray Area 合辦「Scaling Intelligence」展覽,展出 11 件 AI 藝術作品

    很多人以為 AI 只會幫忙自動做事,但藝術家也能拿它來創作。Modal 和 Gray Area 合辦「Scaling Intelligence」展覽,展出 11 件用 AI 和雲端運算打造的新作品。像有件作品讓 AI 一直搜尋一座根本不存在的北極島,還有一隻機械手臂會向路過的人比倒讚。這些作品把 AI 變成新的創作工具,也讓人想想:當 AI 開始唱歌、記住人們說過的話,甚至替人做有意義的事,我們和它的關係會變成什麼樣子?

  27. Hacker News (official RSS)48

    Microsoft 的服務故障,讓企業和學校都跟著停擺

    Microsoft Outlook 出問題後,Teams 和 Copilot 也無法使用,許多員工沒辦法工作,學校、大學、法院和企業也受到影響。作者認為,當政府機構和公司都依賴 Microsoft 的服務,一旦系統故障,就只能等 Microsoft 修好;若缺少工程師,問題可能更難迅速處理。這次故障也提醒大家,重要機構若太依賴同一家公司的服務,服務中斷時可能連日常工作都做不下去。

  28. Hacker News (official RSS)40

    Expozine 迎來 25 週年:蒙特婁獨立出版圈還需要這場市集嗎?

    做獨立刊物的人愈來愈多,市集的攤位不夠用,過去印出來的作品也常進不了正式典藏,時間久了就可能找不到。蒙特婁的 Expozine 從 2002 年開始,讓創作者能面對面展示和分享書籍、小誌;背後的 ARCMTL 也一直收藏這些作品。到了第 25 屆,Expozine 拒絕了將近 40% 的申請者,ARCMTL 則準備推出線上目錄,讓 10,000 多本小誌可以上網瀏覽。 線上目錄讓作品更容易被找到,但紙本也有自己的價值:創作者能安排讀者怎麼看、怎麼翻閱,讓作品的實體樣貌成為體驗的一部分。Expozine 面對的問題因此不只是市集能不能容納更多人,也包括怎麼讓獨立創作在網路上找得到、在未來仍儲存得住。

  29. Hacker News (official RSS)42

    「拒絕 AI 垃圾」宣言:AI 寫得快,也要有人把關品質

    AI 能快速產出程式碼、檔案和訊息,但內容太多時,人可能來不及檢查,錯誤也可能被其他 AI 助理照著學。「AI 垃圾」不是指所有 AI 寫的內容,而是把沒好好檢查的結果直接交給別人,讓讀者花更多力氣理解。這份宣言呼籲大家先弄懂問題、為交出去的成果負責,並依照事情的重要程度檢查 AI 產出的內容。若同樣的錯誤一再出現,就該改善工具和檢查方式;衡量成果也要看產品是否真的有用,而不是隻看寫了多少程式碼或用了多少 AI。

  30. Hacker News (official RSS)48

    科技發明像在巨大迷宮裡找路:PTOP 模型怎麼描寫技術進步

    發明新科技,就像在一個大到數不清的迷宮裡找出能成功的做法。候選方法太多,發明家得靠一次次嘗試,找出哪些組合行得通。作者提出 PTOP 模型,把科技拆成物件、物件的特性,以及特定條件下會發生的自然現象;把它們按對順序組合,就能做出想要的成果。像燈泡需要燈絲、電流和合適的環境,才能發熱並發光。作者希望用這個模型和電腦模擬,研究人們如何從無數可能中找到可用的科技。

  31. Hacker News (official RSS)55

    路殺動物變成餐桌上的肉,也帶出食物浪費與道路安全問題

    動物被車撞死後,常被送進掩埋場或留在路邊;有些人則會檢查、處理並食用新鮮的路殺動物,也有人把肉送到食物銀行。文章走訪美國多地,介紹這種做法如何從個人撿拾發展出社群、教學活動和地方捐贈計畫,也提到各州規定不同,食用前仍得留意動物死亡時間與受傷情況。路殺資料若能記下事故地點,或可協助找出危險路段,改善道路設計;但改善成功,也會讓可撿拾的肉變少。

  32. Dev.to Top Tech68

    為什麼當機時會想不起簡單指令?壓力會讓大腦更難找回記憶

    系統出問題、大家盯著螢幕時,平常熟悉的指令也可能突然想不起來。文章整理多項研究,說明壓力會讓人更難從記憶中找回資料,也更容易照著舊習慣行動;但研究結果並不完全一致,反覆練習回想是否特別能抵抗壓力,還沒有定論。比較可靠的做法,是平常先遮住答案,試著寫出處理步驟或打出常用指令,再核對自己漏了什麼。這能讓記憶多練幾次提取,遇到突發狀況時比較容易想起來。

  33. Hacker News (official RSS)47

    老師抱怨學生用 iPad 開 PowerPoint,得點 17 次才看得到

    老師要帶學生做填空筆記,一名有 ADHD、也需要協助開始做事的學生,光是用 iPad 開啟 PowerPoint 就得照順序操作 17 次:登入 Clever 和 Google、在 Canvas 找到投影片,再把檔案交給 Keynote 開啟。投影片藏在約 40 個連結裡,還得把 iPad 轉成直向,才看得到「開啟」按鈕;老師說,若沒人在旁協助,這段過程可能拖到 20 分鐘。這串繁瑣步驟讓學生更難開始做作業,也讓老師感嘆,這種上課方式不見得比紙本方便。