onTrack Hackathon 心得

简介: 2013年12月,台湾工研院联合Stanford University,集结26位台、美产学精英,包括台大、清大、交大、成大及台北科技大学推荐的学生团队,及工研院、资策会年轻研究员,在台北往台东的火车上,进行两天一夜的黑客马拉松。台大电信所的林小晴参加了这场黑客马拉松,让我们一起来看ta的分享。

2013年12月,台湾工研院联合Stanford University,集结26位台、美产学精英,包括台大、清大、交大、成大及台北科技大学推荐的学生团队,及工研院、资策会年轻研究员,在台北往台东的火车上,进行两天一夜的黑客马拉松。台大电信所的林小晴参加了这场黑客马拉松,让我们一起来看ta的分享。


很感谢创创学程的推荐,让我能够获选参加工研院与Stanford University合办的onTrack Hackathon,不仅有机会和来自各个不同背景不同领域的学生或业界人士一同交流,在火车上做brainstorming 更是一项未尝试过的挑战,过程非常有趣又刺激。


全部的参加者打散分成四组,一个组别中的所有成员都来自不同的单位。这次的主题是 ”Design a technology-enabled product or service that educates secondary school and/or university students in the essential knowledge, skills, and attitudes of innovation and entrepreneurship, and inspire them to become entrepreneurs and innovators.” 主办单位从一开始的发想阶段就用时间限制来控制各组的进度,从登上火车开始,进行一连串的ideation, idea development 等,而mentor 们会固定一段时间交换,因此每位mentor 都会看到各组的进行情况。


我们这组包含了Stanford MBA、工研院、资策会、清大、北科大及台大(我)的学生,六人的背景领域各不相同。在进行第一阶段brainstorming 时,大家轮流发表台湾的当前教育问题,并用post-it 记录下来,贴在火车的窗户上。在陈述问题时,统一由Stanford 的那位MBA 学生Brad 纪录,他的组织思考能力很强,因此在纪录及分类时非常有架构且快速,这点是我们应该培养具备的重要能力之一。

image.png

照片中左下角的是我们这组的队牌,而窗户上是我们在发想时的纪录

我们这组的情形跟别组不大相同,由于Brad 十分擅长组织规划,我们的步调几乎可说是由他掌控,非常有节奏感。发想出来的问题可分成两类,一类是跟台湾家庭的传统观念有关,另一类是跟现阶段的创新组织体制有关,而我们也分别提出不同的解决方案。不过较不同于以往在学校做创新提案的地方是,当时在想解决方案时,每人各自想到什么就写在便条纸上,最后统一一个时间让所有人轮流讲自己刚刚想到的解决方案,此作法省略了「延伸他人的想法」这个步骤,因此所提出的解决方式很多都还只是概念性,并没有让这些概念延伸成一个创新的解决方案,而这也是我觉得较可惜的地方。


最后我们投票表决所有的解决方案,此时mentor 带来了一个重要讯息──我们的提案有限制:必须要能够影响1M 以上的人。因此我们的抉择点也在于是否能提供如此大的影响力。组内投票的结果倾向两种解决方案,但起了些争执,一位组员认为A 方案较具创新性,但另一位却认为B 方案较具备影响力及可行性。有很长的时间只有一两个人在讲话,其他人是沉默的。这种沉默可能来自于大家仍在思考哪种解决方案比较好,毕竟当时提的方案并没有谈到细节部分。为此争论了许久,最后决定使用融入了一些A 元素的B 方案。就在做完决定时,火车也到了台东,大家准备进行check in 及晚餐时间。


晚餐时间是social time,由于早上到下午都是跟团队一起行动,与其他团队的人较无接触,可以善用这个机会多认识些人。吃得差不多时,我开始到饮料区跟不认识的人聊天,或找魏妤庭一起搭讪mentor,可惜用餐时间有限,并没有聊太久mentor 就要去开会了(下次应该早点吃完或直接坐到不认识的一桌)。晚餐结束后,我们集结到其中一位组员的房间里继续未完成的工作。此时已经十点多了,大家的精神状况明显下降,Brad 很快地分工给各位,就先回去休息。此时就到了中文时间,我们一群台湾人开始用中文交谈,才发现大家还有一些疑问点并没有厘清,猜想一方面的原因是时间不足,另一个则是语言沟通上的障碍。原本以为用英文沟通idea 应该不是问题,却发现有很多地方没办法顺畅又精准地表达,以致于沟通效率大大降低,我们非native speaker,很多时候需要将他人说的话转成中文思考,再将自己的想法用英文表达,来回花上许多额外的精神与时间。此时尤其深切感受到我们的语言弱势,这也是现实生活中存在于台湾的问题,许多企业无法国际化或缺乏国际观,与语言障碍都多少有关,非常可惜。(因此,回去要做的第一件事,就是加强外语能力!?)


第二天早上是观光行程,下午在火车上做收尾,先完成final pitch 的架构,再分工查资料或做投影片。我自愿与另一位队员一同上台做final pitch,虽然只有短短的7 分钟,却是很好的练习机会,同时也能让评审更认识自己。最后,我们这组并没有获奖,推测原因在于提出的方案不够创新。这次的hackathon 体验十分难得,许多细节可以看出一些端倪,例如台湾的学生大部分的表达能力要再加强,组织架构的能力也要再训练,一个创新提案除了创新的点子,更不可或缺的是把点子包装好然后卖出去的人。两天时间很快就结束,看到了学到了,更重要的是将所见所闻吸收消化,成为驱动自己下一步的方向,也很乐意将这些想法分享给他人。

相关文章
|
2天前
|
人工智能 自然语言处理 安全
阿里云AI数智鉴密:AI 生成内容如何拿到一张"防篡改的身份证"
隐形水印 + C2PA签名:让AI生成内容“持证上岗”。
1093 0
|
11天前
|
人工智能 自然语言处理 安全
阿里云千问办公、Qoder Teams、Qoder CN区别与选择指南:模型能力、适用场景与最新活动参考
本文聚焦阿里云2026年推出的三款自研AI办公产品,清晰拆解千问办公、Qoder Teams、Qoder CN的差异化定位与能力边界:千问办公主打职场全场景提效,支持自然语言指令一键完成PPT生成、数据分析等高频办公任务;Qoder Teams面向程序员团队,深度整合AI代码生成、团队协同与企业知识库能力;Qoder CN则专为金融、政务等强合规场景打造,实现数据不出境与VPC私有化部署。文章同步给出分场景选型指南与最新活动定价,帮助不同类型的企业按需组合产品,实现业务岗、研发岗与强合规场景的AI能力全覆盖。
3659 3
阿里云千问办公、Qoder Teams、Qoder CN区别与选择指南:模型能力、适用场景与最新活动参考
|
23天前
|
人工智能 缓存 前端开发
DeepSeek Harness 首发实测 + 入门教程,夯爆了!梁神我错了
DeepSeek Harness + DeepSeek V4 Pro 项目实战保姆级教程!手把手带你从零安装开源 AI 编程工具,开发架构图、知识讲解网站、3D 网页游戏、全栈 AI 应用 4 个项目,覆盖运行模式选择、插件安装与开发,看看能不能对标 Claude。
13400 93
DeepSeek Harness 首发实测 + 入门教程,夯爆了!梁神我错了
|
16天前
|
Web App开发 人工智能 API
16 个超火的 DeepSeek Harness 插件,大肥鱼已经落后 N 个版本了。。。
DeepSeek Harness 精选插件推荐合集,从图片识别、浏览器操控、多 Agent 协作到手机远程控制,一口气带你看完 DSH 社区热门的十几个插件,覆盖技能扩展、UI 界面增强、整活玩法三大类,让你的鲸鱼变得更强。
1913 5
|
9天前
|
人工智能 监控 测试技术
Qwen3.8-Flash 来了,100万上下文、Agent、Coding 都加强了
8月26日,通义千问发布Qwen3.8-Flash-Next:125B参数、每Token仅激活6B,原生支持26万Token、可扩展至100万上下文;Coding、Agent与工具调用能力显著增强,面向真实软件工程任务,推动大模型从“回答问题”迈向“完成工作”。
|
12天前
|
人工智能 Linux iOS开发
Ollama使用教程:Ollama官网下载、Ollama本地部署大模型(2026最新)
Ollama 是一款免费开源的本地大模型运行工具,支持在 Windows/macOS/Linux 上离线运行 Qwen、DeepSeek、Llama 等主流开源模型,数据不出本机、隐私安全。提供 OpenAI 兼容 API,命令行一键拉取/运行/管理模型,无需联网,无调用限制,是开发者与 AI 爱好者部署本地 AI 助手的理想选择。(239 字)
|
17天前
|
人工智能 Java BI
【AI】DeepSeek Harness 安装、运行、管理插件
本文介绍了如何运行DeepSeek开源的Agent框架DeepSeek Harness(dsh)。主要内容包括:使用nvm安装适配的Node版本;通过代理加速克隆GitHub源码;使用pnpm安装依赖并启动项目;配置DeepSeek API Token;安装扩展功能的插件。该框架自带Web界面,支持模型适配、文件编辑等插件化功能
2155 1