Published on

踏入自媒體的 30 天 - Day 34

Authors
  • avatar
    Name
    Jyhwoei Yang (Tom)
    Twitter
    @tomz12321
  • Sr. Front End Developer at Pimwa Corp. (Australia) / Deliostech (USA)

Day #34

前言

在這篇文章中，我將分享我在短程航段中的一些經驗和反思。透過「目標 / 阻礙 / 行動 / 結果」的框架，我希望能夠清晰地整理出這段旅程中的關鍵要素，並為未來的航段提供可參考的範本。

Image

Here we go :

image

航班基本資訊

  • 日期：2025/09/07 (日)
  • 航線：SAW (Istanbul Sabiha) → FRA (Frankfurt)
  • 時間：10:10 - 12:35
  • 票價：約 $5,285 (TWD)
  • 距離：1,905.10 公里
  • 性質：土耳其航空百萬哩程挑戰 第 2 段（首段長程後的第一個短距離銜接測試）

正文開始

在這段旅程中，我將透過「目標 / 阻礙 / 行動 / 結果」的框架，來分析我在短程航段中的經驗與反思。

現場所見所聞

機場與登機

  • 伊斯坦堡 SAW 機場相較於 IST 規模較小，但商務設施齊全，適合短暫停留。
  • 登機流程順暢，地勤人員效率高，讓我有更多時間準備接下來的工作。
  • 在登機口利用手機快速瀏覽 Day 34 的五個核心問題，為飛行中的工作做鋪墊。

機艙觀察

  • 座椅空間較為緊湊，使用折疊鍵盤進行文字輸入時需要調整姿勢以適應有限的空間。
  • 機上無免費 Wi-Fi，這促使我更依賴離線工具進行內容創作。
  • 機艙內的光線和環境相對舒適，有助於進入專注狀態。

飛行中的工作流

時段 (機上當地時間)活動工具
10:30 - 11:00梳理 Day 34 五個核心問題手機 + Obsidian
11:00 - 11:30撰寫「目標 / 阻礙 / 行動 / 結果」初稿折疊鍵盤 + 手機
11:30 - 12:00更新航段 YAML 結構，加入新欄位平板 + Notes
12:00 - 12:30精煉初稿，準備落地後的後續工作折疊鍵盤 + 手機
12:30 - 12:35收尾，準備降落手機

感官細節

  • 起飛後的震動和噪音對專注有一定影響，但透過耳機和適當的音樂選擇，能有效屏蔽外界干擾。
  • 飛行過程中，適時的伸展和調整姿勢有助於維持舒適感，避免長時間坐姿帶來的不適。
  • 飲用水和輕食有助於保持體力和專注力，避免因飢餓或口渴影響工作效率。

心境

在這段短程航段中，我深刻體會到時間的碎片化對工作流程的影響。雖然時間有限，但透過事先的規劃和明確的目標設定，我仍能有效地利用這段時間進行內容創作。此外，離線工具的使用讓我更專注於當下的任務，減少了因網路不穩定帶來的焦慮感。

目標 (Goal)

  1. 在 2.5 小時的短程航段中驗證「微行程輸出模型」：是否能把零碎階段拆成清晰的三段輸出（整理 → 撰寫 → 精煉）。
  2. 針對 Day 33 的里程 YAML 結構快速調整，加入短程航段差異維度（座位舒適影響、生產力評分、AI 使用密度）。
  3. 建立一個可重用的 Prompt 模板，用於：將航段事件整理成「Goal / Obstacle / Action / Result」的故事格式。
  4. 降低因換機場（IST → SAW）、轉交通勤、安檢隊列所造成的認知切換成本。

阻礙 (Obstacles)

類型描述影響
時間碎片化登機前僅有 35 分鐘可用，起飛後 20 分鐘才穩定難以進入深度寫作情境
裝置限制座椅空間更窄，無法攤開全尺寸鍵盤打字效率下降
網路中斷機上無 Wi-Fi（或需付費且不穩）無法即時驗證雲端工具輸出
語意上下文疲勞前一晚整理 Day 33 過久，早上進場時腦袋黏滯新內容生成速度慢
AI 流程驅動過度容易想「再多丟幾個變形 Prompt」而不是完成文章骨架拖慢初稿完成時間

行動 (Actions)

1. 時間切片策略

  • 登機前：用手機 + Obsidian 列出 Day 34 想回答的 5 個問題（Why fly? / What changed? / What failed? / What adapted? / How to reuse?）。
  • 起飛後 0~30 分鐘：不寫句子，只補充條列「事件 → 感受 → 可能指標」。
  • 巡航階段：用折疊鍵盤組合 3 個模組：航班參數 / 阻礙表 / 三行故事雛形。

2. 裝置配置降階

  • 主輸入：手機橫向 + 外接折疊鍵盤。
  • 複查：平板僅作為 YAML 結構參考，不同步瀏覽器避免分心。
  • 寫作規則：單句 < 80 中文字符，必要時改條列。

3. AI Prompt 模板 (本地離線 LLM)

SYSTEM: 你是旅行中做工程與知識抽取的寫作助手。
USER 提供：航段基本參數 + 事件列表 + 個人主觀觀察。
輸出：以 Goal/Obstacle/Action/Result 四段，每段 2~4 句，語氣自然，不誇張。
限制：不杜撰數據，不添加未提供的地點或金額。

4. 結構化資料增量

新增 productivity_score 與 ai_usage_mode 欄位：

segment_log:
  - date: 2025-09-07
    route: SAW-FRA
    distance_km: 1905.10
    fare_twd: 5285
    seat: 'Standard narrow'
    productivity_score: 6 # 1~10 主觀
    ai_usage_mode: 'offline-draft' # offline-draft / refine-after-landing / none
    notes:
      - context warm-up slower than long-haul
      - reduced tool switching helped focus
      - need lighter prompt variant

5. 認知切換控制

  • 制訂「不可做」清單：不開郵件、不重構既有程式碼、不追求格式完美。
  • 僅允許：補充語意、補遺指標、補事件感受 → 防止過度編輯。

結果 (Results)

指標目標實際備註
初稿骨架完成時間巡航 +10 分鐘內巡航 +18 分鐘前期暖機偏久
條列事件數≥ 1214足夠支撐後續延展
YAML 結構更新新欄位 2 項2 項就緒可併入 Day 33 資料集
Prompt 迭代1 版1.1 版刪除多餘語氣控制項
認知切換次數< 53僅發生於座椅調整與安全提醒

質性觀察：

  • 短程航段不適合做深層問題拆解，但非常適合為「長文」鋪素材框架。
  • 離線 AI 使用模式 → 轉為「語意補全」工具，比嘗試產生整段更有效率。
  • 加入 productivity_score 有助於未來做「航段型態 vs 輸出品質」的相關性分析。

小結

這一段 1,905.10 公里，不是壯闊體驗，而是一次控制變數、檢測流程彈性的中型實驗。限制條件越多，越逼我把：

  • 內容生產分層（素材 / 結構 / 敘事）。
  • AI 使用角色明確化（補全而非取代）。
  • 里程資料結構標準化（為未來分析預留欄位）。

接下來會在 FRA 落地後：

  1. 把兩段航程資料合併成 segments.json（考慮自動化）。
  2. 擬一個「長程 vs 短程」輸出策略矩陣。
  3. 測試線上模型與離線模型在旅途延遲環境下的延遲 / 意圖對齊差異。

🔻 支持打賞，聽文章給星星 🔻

歡迎來我的 GitHub [https://github.com/tomz12321]

喜歡的話，隨便找個專案給顆星。