本來說過未寫下這篇文章, 其實還有一個原因, 除了昨晚順利地弄了一個chevereto 的photo 平台, 算是不俗。這個相片庫平台, 除了能作為back photo storage 以外, 更能直接pin, 與pinterest 成了一個互動的關係。
還有的是打算把這個網站改版, 在開端時說過了, 那便是把task blog 中的ltcm study, 地緣政治學的natgeo research, 以及journel, 化整為零改至新版的wiki 中, wiki 的建立, 就如wikipedia 的形成, 把全部研究和寫下的東西, 化為維基百科那樣的網站作記錄和發佈。
相片庫已建成, 上載十分快速, 只是匯出時, 可能需要整個php mysql 資料庫作備份, 再搬至另一個php server 便可以了。音樂庫和radio station 還未建成, 另外更有 wikileaks 那樣的知識平台, 充分利用clip bucket 的影片和chevereto 的相片庫。
還有的是語言學習庫, 本人說過要成為多元文化和polyglot 之流, 故學習語言是必不可少的。本人或會透過php server, 成功地打造一個語言庫, 來把學過的文章和東西, 全部也儲存在語言庫, 就如一個平台, 甚至是phpbb, 來記錄每天的學習進程。
事實上, 本人也說過, 早年的整理, 其實很多東西也在cloud drive, 不斷地流動和更新。只是未有一個平台, 把資源有效地打造, 而php server 便是有利發揮這一個門路, 因php 是數據庫 + 網頁程式, 能有效地把儲存回來的資源, 重新整理後再打出去, 就如一部pc, 用上不同的apps 和software, 來整理一些東西那樣。
小時候, 已不斷地在public library 和bookstore, 吸引不少知識, 後來更推至internet, 甚至是code, reddit, github, 以至近來的discord, 十分欣賞wikileaks 的阿桑奇。
雖然不是全部也是programmer, code, 以及googler, 但不少科技人物也是很崇拜的, 包括早前在說的巴菲特, 孫正義, elon musk, 喬布斯, bill gates, 或zuckerberg, 和jeff bezos, 以及馬雲, 馬化騰, 雷軍, 李開復和李宏彦等。
有了php server 後, 不少平台也有利建立, 先後建立了wordpress, clip bucket, phpbb, self-media forum, chevereto, 以至wiki blog, 作為task blog 的知識伸延者。
當然, 知識的層面, 不只是局限於ltcm study, natgeo research, 以及jourel 等, 還有動畫作, 電視劇集的啟發等, 不少動畫作品, 也是本人的啟蒙者, 就如金庸小說般。還有一些日劇和美劇, 近來的kamen rider zero-one, 便可見一斑了。
來日也會引入pixelbook go, 一部五千元的laptop, 雖然是運行chrome os, 但耐電和輕便, 以及可運行apk 及linux apps, 若用上crossover, 便可用上win exe, 只是screen frame rate 不足以打遊戲機, steam link 和ps4 remote play, 也是可用的。
這兒的新聞文章, 其實是透過evernote sync 而運作, 不斷地隔日更新, 由於本人的evernote library, 長年累月下便有了十萬多篇文章, 一湧而上便十分混亂, 故只好慢慢地上載至這個網站。
若然把新聞文章, 研究文章和學習語言的東西, 全部混在一起, 可能更新時有一點混亂。本人在伺服器的資料庫中, 不管是音樂庫, 相片庫, 文章或影片劇集庫, 以至運動項目, 多以分類式來作分流, 主要是方便日後管理, 同步更新和查找之用, 因待日後龐大了才一下子整理, 便是十分困難和愚笨的事情。
故此, 才說這兒是一個open source 的演練場, 就如名字一樣, 是openstudio x, 是開源的多元文化, 以及是x 的next, 向未來伸延之意。
在綱目的分類上, 仍未十分清楚, 雖然本人十分了解這兒的運作, 和sitemap, 但版友們可能瀏覧久了才會 明白, 但這兒又不斷更新和改良, 一時未能適應下來。
在category 和tag cloud 的分流中, 還未十分清晰。暫時, 最可觀的是能盡量用回不同平台的資源, 包括clip bucket 的影片, wp 的文章, 以及chevereto 的相片庫, 日後還有wiki 和音樂庫, 全部合起來的資源共享, 就如competitive advantage, 選擇最好的option, 來減低opportunity cost, 因減省工序, 便有利於爭取更多的時間, 這便是ml, 即machine learning scenario 的好處。
