“写笔记”支持四种格式——Word 文档、Excel 表格、Markdown、纯文本，起稿或二次编辑时都能随时切换，同一篇笔记想用哪种形态来记，都由你说了算。
md、txt、csv、json 这类纯文本则原样载入，不做多余加工。拿一张现成的表倒进来、改几笔、再导出去，等于白用一台免费的格式转换器。
要带走就在右上角点“下载”，可导出 PDF、Word、Markdown、Excel、TXT 等格式；列表卡片“⋯”菜单里，也有同样的下载入口。
在“工具”页点“＋ 上传工具”即可发布：填好名称与链接，再用 Markdown 把使用方法写清楚——能解决什么问题、怎么装、怎么用，比堆介绍实在。
要分发安装包就一并上传压缩包（ZIP、RAR、7Z、TAR.GZ，最大 35MB），别人在详情页一键下载；只放链接不带附件也可以。
工具按大家的收藏热度排序，好用的自然会被顶上来。发布后可在详情页或卡片菜单里编辑、下架。
写笔记时勾上“隐藏”，这篇就只存在于你自己的账号里：不进列表、不进搜索、不上首页精选，也不会出现在任何公开的页面，链接发给别人同样打不开。
适合放密码、草稿、日记这类只给自己看的内容；想公开，去“发布”打开它，把“隐藏”的勾去掉再保存，之后编辑会默认保持原状态，不会悄悄变回公开。
你的内容会同时保存在多个副本上，系统定期做备份与完整性校验，再配合异地容灾机制：就算某台机器出问题，数据也不会丢，可以长期放心存放；特别重要的资料，仍建议你另外再留一份备份。
全站跑在容器化、模块化的现代架构上，更新、部署、回滚都很快，扩展性和稳定性都按长期运营的标准来设计（Built for reliability, designed to scale）。
这个网站最早只是一个人的笔记仓库，后来慢慢长成现在的知识中枢。设计上很克制——没有广告、没有追踪、没有推荐算法，只是干干净净地存放一些东西；既然做好了，就公开出来，万一有人用得上呢。
不做大而全，不做平台梦，保持简单、保持克制、保持好奇。所有内容都由用户贡献、由用户维护：不会突然冒出付费墙，不会在角落塞广告位，也不会把你的数据卖给第三方。
产品会持续迭代，站内日志页记录着每一次改动，改了什么都有迹可循；想了解这个站是怎么一步步走到今天的，翻翻日志就能看到来龙去脉。
如果在这里看到涉嫌违规的内容，点对应卡片右侧的“举报”按钮就能提交，我们会尽快核实处理；也谢谢你花一点时间，一起把这里维护干净。
offchainthoughts/Amber — Bank the expensive compute once, then carry it off
Amber — 把昂贵的计算打包成单文件，离线也能自证清白。
这个项目说白了就是：你花了一大笔钱（或者时间）跑了个贼复杂的计算，比如训练模型、做科学模拟、跑零知识证明之类的高消耗任务，Amber 能帮你把整个计算过程“快照”成一个独立的文件。这个文件不光包含结果，还自带“验真”能力——不管谁拿到这个文件，离线也能验证这个结果确实是你算出来的，没被篡改过。
痛点其实挺明显的：现在很多场景下，计算结果的信任是靠“谁算的”来保证的，比如你信任 AWS、信任某个大公司。但如果你想让一个第三方相信你没骗人，就得把整个计算环境、输入、日志全交出去，人家还得复现一遍，成本爆炸。Amber 的思路是“算一次，验多次”，而且验证不需要联网，不需要重新跑计算，拿着那个文件就能搞定。
适合什么场景呢？比如你在本地训练了一个牛逼的模型，想证明给客户看“这个精度是真的”，但又不想把训练数据全交出去；或者你在做去中心化计算市场，需要让计算节点提供可信的结果证明；还有科研圈里想让别人相信你的实验结果是可复现的，但又不想把整个环境打包成 Docker 扔给对方。
适合谁用？主要是搞机器学习、密码学、分布式系统的开发者，尤其是那些需要在不可信环境中证明计算正确性的人。对 Python 生态比较友好，Stars 虽然只有 206，但思路挺新颖，值得关注。