- 選題靈感主要來自社群 Slack 的問題流,再疊上 web 生態的新進展(例:Edge 宣布支援 web components)
- 寫程式用 tab 比較快,但存檔時讓 VS Code 自動轉成 2 spaces,因為 spaces 在多人共享程式碼時更一致
- FlameLink 本質是架在 Firebase 上的 content-as-a-service;同樣的邏輯也能用 Firestore / Realtime DB 自己刻一套 CMS
目錄
很多人好奇「這種每週講一個技術主題的 YouTube 影片,背後到底怎麼運作」。這篇整理自一場創作者的直播——他原本要一路示範完整的影片製作流程,開場則先回答了觀眾的幾個問題,順帶把「靈感從哪來」「平常怎麼工作」交代得相當具體。以下把這段幕後對話整理成重點。
選題靈感從哪來
被問到靈感來源時,他的答案很直接:大部分來自社群的 Slack 頻道。因為那裡每天都有穩定的想法流進來——不同的人有不同的需求、遇到不同的問題,這些真實的卡關點本身就是很好的題材來源。他很看重這些建議,並盡量把它們反映到頻道最後產出的內容裡。
除了社群之外,另一條靈感線是整個 web 開發生態的動態。他舉的例子是:Edge 瀏覽器剛宣布支援 web components,那就代表「現在正好是可以開始做 web components 內容的時機」。換句話說,選題不只是憑個人喜好,而是抓住生態剛出現、觀眾開始需要的節點。
flowchart LR
A[社群 Slack<br/>真實問題流] --> C[選題]
B[web 生態動態<br/>如 Edge 支援 web components] --> C
C --> D[影片內容]
一些日常工作習慣
直播中也回了幾個偏生活流的問題,剛好透露出工作節奏:
- 飲料:早上喝咖啡,下午改喝茶。
- tabs 還是 spaces:他寫程式時習慣用 tab,因為打起來稍微快一點;但會讓 VS Code 在存檔時自動 reformat 成 2 spaces。理由是——spaces 在多人共享、傳遞程式碼時比較一致、不容易出狀況。這是個很典型的「個人手感 vs. 團隊一致性」取捨:輸入時順自己的手,輸出時遷就協作。
這類細節看似瑣碎,但它其實反映了一個創作者對「產出物要給別人看」的意識——不論是程式碼還是影片。
用 Firebase 自建內容系統
直播中被點名想看的一個題目是 FlameLink。他的描述是:FlameLink 有點像一個 content-as-a-service 的 API,但資料庫是架在 Firebase 上由你自己託管——他認為這是更有效率的做法。
順著這個思路,他提到:其實你完全可以自己用 Firebase 從零打造一套 CMS,底層用 Realtime Database 或 Firestore 都行。而這正是他手上那個 Fireship 產品正在做的事。他也開放,如果觀眾有興趣,之後可以專門開一集示範「怎麼從頭用 Firebase 自建內容管理系統」,並覺得這會是個蠻酷的專案。
另外他也預告了課程更新:正在為 Ionic 課程做一個 chat feature 的延伸模組,大約會新增 10~20 支影片、加上一整組新功能,希望下一週左右能上。
小結
這段幕後最值得記下的,不是某個剪輯軟體或相機型號,而是選題的來源結構:一邊是社群持續回饋的真實問題,一邊是生態剛冒出的新能力,兩者交會之處就是好題目。至於怎麼把題目變成影片、production 和 post-production 具體長怎樣,則是他接著切到螢幕分享要實際示範的部分——那又是另一段故事了。
參考資料
AI 只根據這篇文章內容回答。點下方任一問題,或直接開右下對話框。
相關標籤
相關文章
a920604a Labs:用 pnpm monorepo 整合四個工具的雙雲全端實驗場
一個 pnpm monorepo,整合待辦清單、習慣追蹤、電子書、離職集章四個工具 SPA。apps/root 是唯一建置入口,四個模組以 library-only workspace 套件由 root 的 Vite 統一打包,共享 @a920604a/auth 與 @a920604a/ui,部署在 Firebase + Cloudflare 雙雲。
Live English Tutor:用 LiveKit + Gemini Native Audio 打造即時語音 AI 英文家教
一套以即時語音為核心的 AI 英文家教系統:學生用麥克風(選配視訊/螢幕分享)跟 AI 老師 Emma 對話練習,系統即時糾錯並生成課後中文報告。技術核心是 LiveKit(Self-hosted WebRTC)+ Google Gemini 2.5 Flash Native Audio,後端 FastAPI 負責認證、課程與資料持久化。
Nutrition Guard:零月費的多病症飲食風險引擎
用純 TypeScript 的 tag 評分引擎,為痛風、高血脂、糖尿病、高血壓四種病症即時計算 140 種食物的風險,後端全跑在 Cloudflare 免費額度上,月費 $0。