如何才能写出一篇有影响力的blog

dotnetgroup dotnetgroup 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 6.4k累计阅读 6.4k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄21年
关注
原创 最新推荐文章于 2026-06-01 14:57:03 发布 6.4k 阅读 AI 写同款· GEO 优化 ›
如何写博客 博客 立即下载

英文原文链接：http://performancing.com/node/169

中文翻译链接：http://totem.totematncu.net/post/1/1545

Chris Garrett依其经验写下十类可以吸引人气的文章, 大家也可以检视自己是否写过这类的文章. 以下的标题傅瑞德所译.

 

信息流通的网络时代, 造就了以学习者为中心的做中学典范. 如就blog新手来说, 真的需要大量阅读教学文.以我自己在七月学习架设blog系统的经验来说, 一开始从Google找到Mark Wu的pLog(改名为LifeType)中文论坛, 经由阅读别人(如lss)的经验分享逐渐把blog给架设起来. 之后也开始写了一些简单的教学文章来回馈blog社群, 带着三位研究生一路走来, 慢慢形成现下的小小教学社群. 在此过程, 我不见得跟这些同好(如Mark Wu, or lss)在网络或面对面互动过, 却真实地引发了知识的扩散与交流.

 

十大列表 (Lists)

这跟网摘的流行是一样的道理, 信息过多, 需要有人来过滤与推荐. 读者只需要依照兴趣, 订阅某些推荐者的文章, 那就事半功倍了. 如最近智邦生活馆将以重金(营收的10%)来聘请各路部落客帮他们做网摘, 就可以看出来Lists有多重要了. 不过智邦的消息真是吓我ㄧ跳, 因为在上星期的研究所课程里, 我就以此为题跟研究生们讨论, 过没几天就看到这个消息. 一度以为计算机教室被装针孔了, 其实也料中另外一件事, 以后有机会再跟大家分享. 我建议本社群的学生要是想打工, 可以去应征做网摘.

 

 

发起串联活动 (Campaign)

这点原作者想表达的是更广泛的社会运动, 不见得只是一般的Blog Tag (如五个怪癖大串连). 但就我的观察, 刚开始流行写怪癖的时候, 大家觉得还蛮新鲜的, 到现在大家对这种串连活动避之唯恐不及. 而且在目前的多元价值观下, 大家对一个活动的看法相当多元, 常常你的热心邀请, 换来的是一顿闭门羹. 所以如何找到一个普世价值及一批很热心的初期参与者, 藉由社交网络的扩散, 渐渐吸引晚期大多数的部落客主动参与. 例如我就蛮推荐最近新浪网绿光发起的用知识创造希望.

 

访问名模 (Interview)

这部份原作者想表达的是, 透过访问一些特殊的人物来引起阅听人的兴趣. 那我会建议, 先好想你的观点, 列出想问的题目, 但不要是Yes or No的无聊题目, 最好是能深化观点的题目. 好奇的你一定会问, 去哪找这些人物呢? 那得先问你自己的blog主题为何? 例如艺文类, 去采访一些知名作家, 应该可以吸引为数不少的读者吧.

 

评鉴报告 (Review)

就是把你使用过某些产品或服务的感受写出来, 对于用过或即将使用的人, 会有兴趣想知道别人的使用经验. 例如我们社群在这个学期, 一起累积了中华电信 e-Tutor 系统的使用经验, 至少我跟小新星是非常有兴趣地在阅读这些经验. 当然还有很多其它的事物可以写啦.

 

案例研究 (Case study)

假如你身边有一些有趣的事件发生, 可以把这些事的前因后果写出来, 应该也蛮吸引人的. 如在这一波的英文学习热潮下, 不断地有人出书写一些名人的英文学习经验. 或是最近将掀起的家庭教育改进热潮, 应该又会有一些如何教养小孩的书或名人的教养经验谈大出吧.

 

研究结果 (Research results)

这不必然要像学术界做的艰深研究, 而是一些时事的意见调查或对特定事物做深入一点的资料分析与解读即可. 例如介绍本文的傅瑞德就有写过一篇「台北101是世界最高的建筑吗？」, 足以为代表. 又或者前一阵子我曾写过的计算blog身价的原理, 也有很高的点阅率, 还有来自各个搜寻引擎的读者喔!!

 

报导新趋势、新东西 (What's new, trends)

介绍熟悉领域里的最新消息或趋势, 如之前介绍的睡眠与学业成就之间的关系, 又或者是现在的明星脸比比看. 那你的最新消息是? 不过就我自己的观察, 写所谓的最新消息与趋势, 不见得是好的做法, 因为大家看在线新闻不就可以知道这些消息了吗? 那写这些信息又有何意义呢? 建议摘译原文资料, 帮助大家更快地了解世界动态, 若能引发别人去读原文数据, 促进语言学习的兴趣, 则是更棒了.

 

 

 

找个目标来打 (Attack!)

这个部份太好举例了, 如最近选战的玮哥事件, 新闻说单日冲破30万人次, 就我看不止, 短短一个月不到就累积了一百多万人次的流量, 真是恐怖. 但我真的不建议我们社群这样做, 一不小心会引火自焚. 建议还是以教育为本, 慢慢耕耘, 对社会产生正面的影响会比高流量来得更重要.

 

问观众问题 (Ask the audience)

现在的新世代所喜欢的是表达自我, 那么在文章中若是能留下一些问号或是询问读者的句子, 藉以建立互动的机会, 这应该也是写文章的人所乐见的不是吗? 不过你得先建立基本的观众, 才有机会提问不是吗? 所以我觉得作者的这项建议, 有硬挤出来的嫌疑, 你们觉得呢?

 

最后我觉得善用自己的才能 , 才是最佳的 blog 写作秘诀 , 如小新星的手绘能力很棒 , 希望他能更有自信地画下去 . 蕙琪对于周遭人事物的描述很动人 , 教学讯息的作业都是最棒的 , 希望可以保持到作业三 . 小猪的旅游日记是我的最爱 , 也是我心目中的第一名 , 好期待可以持续地读到你的大作 . 还有大家 , 你们都有自己的特色 , 希望能透过 blog 的写作来发现自己 .
收录于
网上拾趣

当前文章被收录于：

网上拾趣
9 篇文章 0 人学习
订阅专栏 查看详情
标签
#blog #活动 #作业 #网络 #教育
#google
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
自动驾驶预测决策规划八股 预测规划八股个人总结。 阅读详情

相关推荐

PCB阻焊工艺全解析：从油墨选择到显影测试的完整指南

本文深入解析PCB阻焊工艺全流程，从材料科学角度对比液态光成像（LPI）油墨、干膜阻焊等核心材料特性，系统阐述前处理、涂覆、预烤曝光、显影固化等关键步骤的工艺要点与参数控制。重点探讨了如何通过优化油墨选择与工艺参数，解决常见缺陷，提升PCB的可靠性、美观度及可制造性，为工程师提供从理论到产线实战的完整指南。

s3t4u的博客 553

如何写好一篇博客

对于博客的内容来说，下面几点很重要哦： 1、标题、小标题。一个好的标题会带来更多的流量的。 2、内容。以代码为例的文章，最好有代码。代码可以放在GitHub上，一举两得。 3、图 —— 一图胜千言，如本文第一节中的框架图。，一个框架图可以省去你的很多话语。 4、排版，又可称为UI设计。基本的语法高亮要有，容易阅读也要有。最简单就是白底黑字。 标题——必须重要，类名 对于写博文的人来说，重点的是如何...

wjs_1433223的博客 533

如何写一篇博客

1、怎样写好一篇文章 取一个好的标题 标题是让读者了解文章内容主旨的一个标识，应该言简意赅，让人一看就知道这篇文章大概讲什么内容。如果标题起的不好，即使文章质量很高，也很难引起别人的兴趣，更不说提高阅读量了。 了解受众 我了解一些人写博客，他们按照自己的想法和思路写，但读者不一定和他们的想法或者知识储备一样。就不太能理解他所写的那些东西。因为你不知道你的读者和受众群体是怎样的一群人，有什么知识背景和思维方式。你完全可以把将接收信息的对象想象成“植物人患者”，你得为他打点好一切，目的是将他唤醒并取得回应。 有

weixin_49098897的博客 2537

STM32 Proteu直流电机正反转控制系统限位开关-0035

硬件组成：STM32F103C6单片机 +L298N电机控制电路+直流电机+3个按键（正转、反转、停止）+LED指示灯（正转、反转、停止）+限位开关（正限位 反限位） 1.通过3个按键（正转、反转、停止）控制电机的正转、反转、停止。 2.有3个LED指示灯，正转时正转指示灯亮。反转停止对应反转停止指示灯亮。 3.有自动正转反转停止功能，正转时当正限位按键按下时说明正转到最大距离。此时自动停止。反转一样。

zhaxiaobian_er的博客 2002

【网络安全 | 渗透工具】Githack工具安装及使用教程详析

本文仅分享Githack工具基本安装及使用相关知识不承担任何法律责任。Git是一个非常流行的开源分布式版本控制系统，它被广泛用于协同开发和代码管理。许多网站和应用程序都使用Git作为其代码管理系统，并将其部署到生产环境中以维护其代码库。然而，在配置不当的情况下，可能会导致.git文件夹被直接部署到线上环境中，这可能会导致Git泄露问题。可通过githack下载泄露的Git存储库，以获取包含未加密密码、凭据和敏感信息的站点代码库。使用githack下载Git存储库的方法有两种。本文仅分享。

等风来 3万+

[总结] 本人代表性博客总结

本人代表性博客 Python [Python+debug] 设置Python环境变量-Windows10 [python+pip] 使用pip将函数库安装到Python环境或Anaconda环境 [debug] 开源项目的本地使用：使用pip安装的函数库不能被anaconda和pycharm使用+visdom使用 +路径问题 机器学习 [机器学习] 概念解析：从经验风险、结构风险到代价函数、损失函数、目标函数 [机器学习] 机器学习中所说的“线性模型”是个什么东西？ PyT

真理无穷，进一步有进一步的欢喜 595

GEE：基于MODIS数据计算NDVI时间序列，并使用Savatsky-Golay（SG）滤波器对其进行平滑处理

优快云@_养乐多_本文将介绍如何在 Google Earth Engine (GEE) 平台中，使用 MODIS 数据计算 NDVI 时间序列，并对该数据集应用 Savitzky-Golay 滤波器，得到了一个新的平滑后的数据集。Savitzky-Golay 滤波器可以有效地去除信号中的噪声，并平滑信号的变化。该方法可以扩展到基于 MODIS 数据计算的任何指数或者波段。

养乐多的博客 1426

怎么写博客？

上一篇介绍了，如何在阿里云搭建属于自己的个人博客，如果还没搭建个人博客可以参考这两篇文章。 阿里云服务器 和 hexo 博客实战 利用 GitHub 搭建 hexo 博客 那么这一篇，就顺便写以下，如何写博客，以及如何去更改美化自己的 hexo，配置图床。让你知道大概的流程。接下来整整一篇，长文警告！！！ 介绍 写博客需要了解 markdown 语法，我们还需要把图片放在我们的文章中，所以需要有一个专门能存放我们的图片并且展示的”图床“，而这里用的是 hexo 来部署博客的，所以你还需要了解 hexo

qq_37391214的博客 3894

AI人工智能 Agent：在仓储物流中的应用

AI人工智能 Agent：在仓储物流中的应用 1. 背景介绍 1.1 问题的由来 仓储物流行业是全球经济运行的基石之一，涉及商品的存储、运输、分拣和配送等多个环节。随着电子商务的普及和消费者对物流速度和精确性的要求不断提高，仓储物流

AGI×大数据，开启智能时代的认知跃迁；解码AGI，赋能数据驱动的智能革命。 864

【WorkBuddy专栏09】WorkBuddy多模态能力深度揭秘

【WorkBuddy专栏09】AI不止会聊天——WorkBuddy多模态能力深度揭秘

AI人人懂 2122

blog的故事2：blog的流行——开始阅读和写作

blog的故事2：blog的流行——开始阅读和写作 （“科普”写起来还是有些麻烦......）二、Blog的流行：开始阅读与写作Blog的热度是可以用实例和数字加以说明的：权威的美国韦氏辞典打算收录blog这个新词是因为他们在2004年对互联网上查询的热点词汇进行排名时，发现“blog”高居榜首，它对blog的简短介绍是：“blog is a Web site that contains an o

haillo的专栏 969

TC3XX - MCAL知识点（二十七）：SENT Mcal配置及代码实战（单边半字节传输协议）

SENT协议只有一根线，异步传输！Sent协议的全称为Single Edge Nibble Trans .isson，单边半字节传输协议，是一种单线异步串行通信协议。Sent报文包含８个Nibble和一个校准位如图１所示，每一个Nibble数据被编码成PWM方式。设计这种协议的目的是用在与汽车ECU快速交互信息的传感器上，以此来取代低精确度的10bit AD和PWM。Sent是一种点对点的单方向从传感器到控制端的协议，控制器不需要同步信号。

梦想技术家 2272

测试看看你的blog影响力有多大？值多少钱？

300) {this.resized=true; this.width=300;}" />　　不久前很流行一个测试，就是看看你的blog值多少钱。其实是国外的一个网站根据你的blog在Technorati的上的反向连接数量（看例子可点击本站首页左边的Technorati图标）来计算blog的价值的一个服务。因此，如果你在Technorati上面的反向链接为0，那么你测出的价值也为0了。我也好奇地测

净心编程 1539

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

Blog 营销

 Blog是互联网2.0时代的新宠儿。BLOG实现了个人可以方便、快捷的在网络上发布文字、图片、音视频等信息，成了时尚生活的元素之一。随着越来越多明星建立自己的BLOG，越来越多的“草根”也加入了BLOGGER队伍。《2006年中国传媒产业发展报告》作出预测：截止2005年底，中国博客规模已经达到1600万，2006年中国博客用户将突破6000万。而中国互联网协会发布的《2006年中国博客调查报告

sn@keGu@ng 1060

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过，这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。

Blog采访：杜勇

1、  您有自己的Blog吗？有2、您对Blog在中国的应用状况怎么看？我觉得Blog在国内的应用刚刚开始，有影响力的博客网站还很少，博客还没有成为有影响力的媒体。Blog还没有被大众理解与接受，很多人还没认识到Blog与传统论坛的区别。很多人使用Blog是出于新鲜，并没有理解Blog的真正价值。但随着越来越多博客网站的出现，以及越来越多的人发现Blog的价值, Blog在国内的应用将

优快云_document的专栏 2224

温度PID控制PLC程序

温度PID稳定控制程序，适用于欧姆龙PLC，对其他PLC也具有很大参考价值

选择这个BLOG的理由

现在BLOG很流行，自己也想在网上搞一个，名气最大的BLOG自然是博客中国，可是访问速度不敢恭维，而且偏重人文，和我的职业不太符合。而中国博客网似乎界面过于花哨，速度也不行。而优快云的BLOG简洁明了，速度较快，专业影响力强，于是就在这里扎根了。

=>Welcome to HW's Column<= 746

Blog的使用

网上思想交流的栖息地Blog专题 2004-07-22 14:38:18 出处：CHIP新电脑 编辑：Recoco  近一年来RSS和Blog已逐渐成为互联网发展的新潮流，人们都纷纷在谈论它们并对其未来充满期望。那么RSS和Blog都是什么？谁需要它们？谁正在使用它们？它们又能够为您带来什么样的惊喜呢？

为理想而奋斗 2万+

【专访】方兴东：Blog以个人为核心

日前，本网记者电话采访了“博客”说法的提出者方兴东博士，方博士就Blog相关问题做了阐述。优快云：您怎么看待通过Blog，话语权被还给了公众这个问题？    方兴东：我们应该看到，互联网正在发生转变。个人在传统意义上在互联网中只是消费者和用户，而互联网本身也更多地扮演了一个商业场所的角色。但在接下来的十年乃至二十年的时间里，我们会看到网络走向社会化。而这意味着个人将由消费者和用户转变为信息的

优快云_document的专栏 7450

我的Blog

雨点博客 460

认识BLOG的技术

YIZ:：www.yiz.nameYIZblog:  blog.yiz.name最近，和一位高手zhangyining 请教blog技术。他首先让我先了解一下：1.什么叫blog?2.Blog特别之处在哪？3.什么叫RSS?4.什么是Atom?为了对技术的热情，搜索了网络上的众多文章，现在贴些能解释以上问题的文章和自己的一些整理。网上挺多文章，但我觉得桃桃之家的“关于Blog和RSS技术的理解” 

羔才生编程村 2338

为什么写blog？为什么说写blog是企业战略，也是人生战略？

类似的文章很多人都写了，时间宝贵，做任何事情都要有目标，每个人的情况不一样，对我来说，写blog这个事情太重要了，他有利于我个人进步，有利于企业成功。一、自我提高。1、对于比较明白的道理，写下来，是梳理，是固化，使得这些道理在我们大脑中更清晰，印象更深。写的过程中，经过思维发散，可能还会有其他惊喜。2、对于不是太明白的东西，写的过程是一个思考的过程，我们可能会明白的更多一点，这些明白的道理会变成思

庞升东的专栏 1109

怎么写BLOG

我想问大家怎么写BLOG呢？ 转载于:https://blog.51cto.com/zkkdcs/1630888

weixin_33694620的博客 128

BBS2Blog——让BBS与Weblog互通

作者：车东 文章来源：ccidnet http://www.54cn.org/Article/Class25/Class30/200412/2571.html内容摘要 拥有大量的历史积累的各种论坛系统中的内容往往很难被搜索引擎收录，BBS2BLOG是一个bbs改造思路：通过对现有BBS加入按“个人”的归档机制，让这些丰富内容都可以成为整个可搜索互联网知识库的一部分。 注：Blog是Weblog

不经历风雨怎么见彩虹 1183

博客 其实是很臭的翻译 人人都可以对BLOG进行中文解释，而我依据第三标准解释为：勃渴

blog 是04年流行起来的一种网络产物,主要是提供某些人写写文章的发表空间. 以前类似的功能个人主页空间. 而个人主页太复杂了,要学的东西太多了,功能也太强了.只是Blog 以一种最简单,更方便,更专一的方式发表自己的看法.Blog 04年在IT人物里流行起来, 05年业界开始关注着她,其它媒体也加入了关注.非IT人物也开始写BLOG.BLOG 全中文含意是: 网络日记!那么

海鲨数据库架构师 3702

关于写blog这件事

其实一直是挺喜欢写blog的，但是最近在写blog这件事上遇到或者开始思考一些问题了。 首先，写blog的动机。对于这个问题，我从自己的理解上得出以下几个原因： 写blog是对自己学到知识的一种总结，而且是一种相对比较有效的总结方式。学习是个漫长的过程，而在这个过程中，是容易遗忘的，也可能是理解的程度不够，而导致容易遗忘。而在自己打字写成blog的过程中，一方面需要自己在自己的

1510 5590
上一篇： 换个角度思考：div+css布局入门
下一篇： 微软将会发布更多基于Vista的的开发工具
点赞 0
评论 1
书签 书签 0
dotnetgroup
dotnetgroup
博客等级 码龄21年 2粉丝 83原创
+ 关注 专栏目录 订阅专栏
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值