msn spaces被live了,不爽

2024-01-20 04:58
文章标签 spaces live msn 不爽

本文主要是介绍msn spaces被live了,不爽,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  Spaces又升级快一个月了。

  一个月来,上来看了很多次,可每次都觉得不爽,不现实的希望没有升这次级。从开通msn spaces以来,msn spaces升级了很多次,光是URL都换了好多个,阿风这云翼空间的URL,就有下面这好几个:

http://spaces.msn.com/member/caizy
   http://spaces.msn.com/caizy
   http://caizy.spaces.msn.com
   http://caizy.spaces.live.com

   前几次升级,或改一下URL,或加点小功能,影响都不大。而这一次,是次大动作,是质的变化,也给好多人带来质的不快。

  一不快,风格版面。

  好多人千挑万选的模板,精心设计的版面,一夜之间,面目全非。升级后第一次登录,不认得自己空间以为自己走错了地方的人恐怕不少,特别是那些为达到特殊效果用了特殊技巧的。所幸阿风懒了点,还没有动用那些技巧;所幸动用了那些技巧的也可以去修正。只是就算修正好了,也再不是原来的模样,原来的风格。当然,新的live风格也有人更喜欢;不喜欢的可以慢慢适应,慢慢习惯,习惯了也就好了,也只能习惯了。

  二不快,速度。

  与其它blog相比,速度慢一向是msn spaces的风格。而spaces live后,微软更是加强了这一风格:速度慢了不少,真不知这级是怎么升的。升级后的几次登录,经常是页面装载到一半就完了,当然浏览效果也就惨不忍睹了。然后得刷两次,才能将页面全部装载完全,才能看到升级后的真正效果。还好微软推出个Live Writer,可以离线写好,不用登录到页面就可以直接上传文章,可以消减一些速度慢的影响。只是还不知页面效果会不会完全能保持一致,试完就知道了。

  三不快,广告。

  那边新浪跟老徐因广告炒得正热,电视报纸网络各大媒体讨论不停,没完没了。这边悄无声息早就挂起了小广告,这次升级,特大号的广告都挂上了。还是微软厉害,不愧是老大,出手就是霸气,没有商量余地,估计令新浪艳羡不已,广告原来如此简单。阿风也是对老徐也是艳羡不已呀,可以叫板,谁让咱是布衣平头呢;)

  进入页面,首先入眼的,是最上方的那一大坨广告,比起原来的一小排文字广告,简直不是一个量级。加上广告下面的搜索栏和导航栏,占了三分之一的版面,个人内容只在下面三分之二的空间,必须要拖滚动条才能看内容。加上速度慢的特点,有时个人内容还没出来就没下文了,真是让人心中暗暗叫骂。广告占了标题栏的位置,而自己空间的标题栏却只能那么小一点位置,哪象个人空间的标题。既然叫个人空间,是不是应该为个人多留点空间?

  做广告咱没意见,比如之前的那一小排的文字广告,很少有人提出异议;可是也应该做得尊重用户一点吧,可如今这一大坨,也实在太大了。就算做广告的空间想弄得大一点,放在原来空着的侧边栏也好得多呀。那么大的图片画面还是动态的,顶在头上,跟耍杂技似的。登录Msn有时候会提示什么“改善用户体验计划”,耍杂技就是改善的结果吗?

  曾经有人对比QQ和Msn时说,QQ是做加法,所以让人讨厌;而msn是做减法,所以讨人喜欢,从而推导出QQ必定会被msn打败。一直不大明白什么叫做减法,原来就是减少用户空间。开始的msn也比较干净,比如Windows XP自带的4.7版,没有广告,界面简单清爽;到后来的7.5版现在的live8.0版,减的也就用户的空间而已,不拖滚动条就看不到几个联系人,这就是微软的“减法”?


(注:本文首发于someone's live spaces 云翼空间-http://caizy.spaces.live.com)

这篇关于msn spaces被live了,不爽的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/624847

相关文章

【VueJS】live-server 快速搭建服务 及 注意事项

本地开发常常需要搭建临时的服务,第一时间我们会想到用 http-server。 但现在流行修改文件浏览器自动刷新,这里可以使用 live-server 很简单就能启动一个看起来很专业的本地服务。 你只需要全局安装live-server: npm install -g live-server 并在项目根目录执行这条命令: PS E:\AblazeProject\Vue> live-serv

jQuery Mobile 的.bind()、.live()和.delegate()之间区别

资料一: live方法是bind方法的变种,其基本功能就同bind方法的功能是一样的,都是为一个元素绑定某个事件,但是bind方法只能给当前存在的元素绑定事件,对于事后采用JS等方式新生成的元素无效,而live方法则正好弥补了bind方法的这个缺陷,它可以对后生成的元素也可以绑定相应的事件。      live方法之所以能对后生成的元素也绑定相应的事件的原因归结在“事件委托”上面,所谓

【Live Archive】6393 Self-Assembly【强连通】

传送门:【Live Archive】6393 Self-Assembly 题目分析: 假设我们只用到向上或者向右的块,这样我们只要找到一个回路使得某个块可以和第一个块一样,那么我们就相当于找到了一个循环,这样就可以无限循环了。 但是我们要怎样去找这么一个环?考虑到必须是对应字母 X+,X− X^+,X^-才能建边,然后一个环中一定是多个一对一对的这样的对应字母组成的。 可以发现块的数量那么

【Live Archive】6395 SurelyYouCongest【最短路+最大流】

传送门:【Live Archive】6395 SurelyYouCongest 题目分析:我们只要从点1开始做一次最短路预处理,然后对于给定的源点们,对于最短路图构成一个层次图,然后由于每一层都是互不影响的,所以我们对每一层暴力跑网络流就好了。 my  code: my~~code: #include <stdio.h>#include <string.h>#include <set>

White spaces are required between publicId and systemId.

在配置applicationContext.xml时,编译器报错。 是因为XML的标签顺序导致。 <?xml version="1.0" encoding="UTF-8"?> <beans   xmlns="http://www.springframework.org/schema/beans"    xmlns:xsi="http://www.w3.org/2001/XMLSchema

Ableton Live 12 Suite:专业音乐制作的创新之选

Ableton Live 12 Suite作为一款引领音乐制作新纪元的创意神器,无论是Mac用户还是Windows用户,都能享受到前所未有的音乐创作体验。这款音乐制作工具以其全面而精细的功能设计,从音频录制、编辑到混音,再到节奏编排和效果处理,每一个环节都经过精心打磨,为音乐制作人提供了广阔的创作空间。 Ableton Live 12 Suite的直观界面和人性化的操作逻辑,使得即便是初学者也能

Deep-Live-Cam启动

实验环境 实验时间:2024年8月windows 10 专业版能跟老外对喷的网络环境基于 Anaconda 创建 Python 3.10.x 环境 其它依赖 下载生成工具:https://visualstudio.microsoft.com/zh-hans/visual-cpp-build-tools/安装单个组件:共三个。 安装ffmpeg。管理员身份打开Windows Powe

068、PyCharm 关于Live Template模板

在 PyCharm 编辑器中,Live Templates 是一种功能强大的工具,可以帮助我们快速插入常用的代码片段或模板。 以下是在 PyCharm 中添加 Live Templates 的步骤: 添加 Live Templates 步骤: 打开 PyCharm 编辑器。 转到菜单栏中的 “File”(文件) -> “Settings”(设置)。 在 Settings 窗口中,展开

论文浅读之Mamba: Linear-Time Sequence Modeling with Selective State Spaces

介绍 这篇论文提出了一种新型的"选择性状态空间模型"(Selective State Space Model, S6)来解决之前结构化状态空间模型(SSM)在离散且信息密集的数据(如文本)上效果较差的问题。 Mamba 在语言处理、基因组学和音频分析等领域的应用中表现出色。其创新的模型采用了线性时间序列建模架构,结合了选择性状态空间,能够在语言、音频和基因组学等不同模式中提供卓越的性能。这种突破

High-variance latent spaces

“High-variance latent spaces” 这个术语通常出现在机器学习和人工智能领域,特别是在涉及到生成模型、表示学习和特征学习的时候。在这个上下文中,“latent space” 指的是一个多维空间,其中每个点代表输入数据的一个潜在表示或特征向量。这个空间是“潜在”的,因为它不是直接观察到的数据,而是通过某种学习算法从原始数据中提取出来的。 “High-variance” 描述