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

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」。 ...

2024 推薦關注的 JavaScript 知識

以 js 整體發展來看,目前自己最看好的發展是在於兩個面向,一個部分是 Storybook ,一個部分是 Web container ,為何會是這兩個部分,這邊也分享一下自己的見解。 Storybook Storybook, 如果有用過的朋友都知道,他是屬於前端的展示,可以從 UI 的結構,到 parameter 的傳入,以及 component 如何使用的方式細節呈現等完全呈現。 AI 的到來,加上 Storybook 的呈現,可以讓新發展,或者更新版本的 UI Component 不再是孤兒,很快的 AI 可以學習如何使用新的 Component, 且在同時可以讀取 UI 畫面(Vision) 的狀態下進行識別 UI 在呈現上可以使用的方式。 同時也可以直接了解整體程式碼在使用上可以有怎麼樣參數傳入的方式,甚至是,你只要發展出一套 react 的版本,透過 AI 可以直接透過 Storybook 的版本,直接用最典型的狀態(但不一定效果最佳)轉換成 Vue, 或者 Villina JS 的版本。 這對於開發者,是一個多大的福音,Do Once, Call Everywhere. Web Container Web Container, 正所謂,Container 之下無蟒夫,容器化不只是能夠跑在後端,現在也能夠跑在前端,加速了整體的部署,同時也加速了以往的 SSR 的限制,以往很多時候『it works on my pc』的窘境將不再復見,你的瀏覽器將是我的雲端,You are the edge of mine, 聽起來有多浪漫,光靠這招就是一個歡呼! 完全就是一個端到端,環境的問題接下來將再不是一個問題,以往會有的 Node.js 的問題,接下來都可以在 Web Container 裡面排除掉,直接快速的進行部署實現,同時執行出應用端應該有的樣子。 當然瀏覽器支援度會是一個問題,不過我相信這只是時間的問題而已,相信在座的各位,最多的就是時間! 等吧! JSDC 2024  JavaScript Developer 年度盛會,線上展開。 這次講師要講什麼,就是要講這些有的沒的,還不來聽嗎? 聽懂幾個關鍵字,開心學會一輩子! JSDC 2024 網站: https://2024.jsdc.tw/ JSDC 2024 售票連結: https://www.a...

從易經八卦到 AI 應用:用 LLM 自動化數據整理的工程探險

從 2023 年開始,在去年 為何技術老人這樣想那樣做? 的那場分享之前,就開始探索管理的更多可能性,以及探索更深層的奧秘,宇宙的二進位,生活中的陰與陽,到透過朋友深入探索 8 進位和 64 進位的玄學領域。 一開始只是想將自己體驗進行工程的還原,先是以為透過 ai 可以很快(偷懶)就可以解決掉資訊整理的問題,這邊有些踩雷的過程,以及對於整體實作的紀錄,分享給大家。 人生,原本以為很輕鬆的事情,最後都會不太容易 原本目標是希望將網路上許多的八卦資訊,以及六十四卦象內容,透過 AI 將資料進行彙整,就資料進行整合以及釐清就花了些時間 (汗) 以下且聽我慢慢道來 ... . 思緒步驟 大概步驟會是這樣,首先進行基礎八卦資訊搜集,大概由乾掛到坤卦,這些都可以在網路上容易取得,(這邊採用的是先天八卦順序) https://chatgpt.com/share/672083ea-4000-8010-ae50-3e120d845244 接著進入重點, 64 卦目前並沒有太多工程項目可以進行整合資料,因此主要透過 ChatGPT 產生資訊,以及透過 wiki 進行先達到快速效果。 https://chatgpt.com/share/67208416-c210-8010-9d43-a8c7235a1b03 緊接著,就會得到一串很像是 64 掛的內容, 不看不知道,一看嚇一跳,取得資料中會包含錯誤資訊,對應錯誤的上下卦,但畢竟是電腦,有錯很正常,這才是我認識的 ChatGPT (這邊也有試過 Claude 也有相同問題)。 校正回歸 此時經驗就非常重要,透過 AI 協助我們進行資料編寫比對,但不是單純的比對,而是要先想清楚自己的目標是什麼。 64 卦,兩兩相對。 64 卦,每個卦象不重複。 基礎於一開始 『懶』的狀態 , 首先直覺性的,是將比對錯誤的 json 直接丟入,原本預計透過 chain of thought 的方式,讓 llm 進行重複確認,但 ... 測試發現,需要透過 llm 產出原生資料越大時,隱藏的重複錯誤性會隨之提高。 llm 不轉,我轉 因此,這邊的解法朝向糾錯為主。 首先回到目的性,我們需要得到的結果是 完整的 64 卦象 取得對應的正確上下卦位置。 當我們有這樣明...