“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。
安娜档案馆悬赏20万美元：如何大规模抓取Google Books所有扫描书籍
安娜档案馆悬赏20万美元，征集能大规模抓取Google Books（或类似规模）全部扫描书籍的技术方案或内部泄露途径。
背景：Google Books 的“可见不可得”困境
Google Books 是互联网上最大的书籍扫描项目之一，自2004年起，Google 与全球图书馆合作，扫描了超过4000万册图书。然而，这些扫描件并不向公众提供完整下载。用户在搜索时，只能看到围绕关键词的“小片段”（snippets），即搜索结果周围显示的几行文字。Google 通过这种“搜索+片段”模式，既展示了内容，又控制了完整数据的流出。
对于研究者、数字人文领域学者、书籍爱好者以及致力于保存知识的档案馆（如 Anna’s Archive）而言，这种限制意味着：大量已数字化的人类知识被锁在一个“只读”的围墙花园里。Anna’s Archive 是一个致力于永久保存人类知识的非营利项目，他们此前已成功抓取了 Library Genesis、Sci-Hub、Z-Library 等大型图书馆的镜像数据，但 Google Books 一直是难以攻克的堡垒。
悬赏细则：20万美元的“抓取挑战”
2025年，Anna’s Archive 在 GitLab 上发布了一个公开议题（Issue #234），正式悬赏 20万美元，征集能够“大规模抓取 Google Books 所有扫描书籍”的方法或数据泄露途径。关键点如下：
- 目标数据：Google Books 的全部扫描书籍（估计数千万册），或其他类似规模的收藏（例如由 AI 公司收集的书籍数据集），尤其鼓励包含稀有书籍的收藏。
- 技术前提：方法必须具有可扩展性（scalable），即不能是手动逐页下载，而应该能自动化、并行化地获取完整 PDF 或高质量扫描件。
- 验证要求：如果发现了一个看起来有潜力的方法，请先联系 Anna’s Archive 团队，并提供原型（prototype）。团队可能会帮助扩展规模（例如提供服务器、带宽或协调资源）。
- 内部人员特别通道：如果读者本人是 Google 员工，且有权访问这些数据，悬赏方坦言“20万美元对你来说可能不算什么”，但强调“如果你能偷偷带出这些数据，你将被誉为传奇档案管理员”。
技术难点：为什么 Google Books 如此难抓？
Google Books 的反爬虫和内容保护机制是业界顶级的，具体包括：
- 动态片段生成：每次搜索请求返回的不是整页图像，而是经过 OCR（光学字符识别）后提取的文本片段。这些片段被精心裁剪，无法直接拼合成完整页面。
- 图像混淆与分块：即使是预览页面，Google 也会将页面图像切成多个小图块（tiles），并通过 JavaScript 动态加载、随机化命名，使得直接下载图片并拼接变得极其困难。
- IP 限制与速率控制：大规模请求会触发 CAPTCHA（验证码）或 IP 封禁。Google 对同一 IP 的请求频率有严格阈值。
- 会话与 Cookie 追踪：需要维持复杂的登录状态和会话令牌，且不同区域、不同账户的权限不同。
- 法律与版权风险：即使技术上可行，大规模下载受版权保护的书籍可能违反美国《数字千年版权法案》（DMCA）以及 Google 的服务条款。
因此，历史上虽然有人尝试过用分布式代理池、浏览器自动化（如 Selenium/Playwright）结合图像识别来抓取预览页，但速度极慢，且极易被检测。要抓取数千万册书籍，需要的不是“一个脚本”，而是一整套基础设施和反检测策略。
悬赏背后的动机：知识保存的“最后一公里”
Anna’s Archive 并非第一个试图攻破 Google Books 的组织。2017年，一位匿名黑客曾声称通过利用 Google Books 的 API 漏洞获取了部分书籍，但很快被修复。2020年，有研究者尝试用“搜索所有可能短语”的方法（即穷举搜索）来重建书籍全文，但受限于搜索配额和计算成本。
悬赏20万美元，反映了 Anna’s Archive 对这批数据价值的极高评估。与 Sci-Hub 主要聚焦于学术论文不同，Google Books 包含大量绝版书、古籍、非英语书籍，这些在物理世界中可能已经不存在或极难获取。将这批数据释放到公共领域，相当于一次性拯救了数百万本濒危书籍。
可能的技术方向（基于社区讨论）
截至2025年，社区中流传的潜在方法包括：
- 利用 Google 内部 API 的未公开端点：Google Books 在移动端或某些旧版协议中可能存在未完全关闭的批量下载接口。需要逆向工程或内部文档泄露。
- 利用 AI 公司的数据泄露：许多 AI 公司（如 OpenAI、Meta、Anthropic）在训练大模型时，曾购买或抓取过 Google Books 的数据。如果这些公司内部有人能导出训练集，则相当于间接获取了 Google Books 扫描件。
- 分布式志愿者爬虫：类似于 SETI@home 或 Folding@home，让全球志愿者在浏览器中运行一个轻量级爬虫，每个志愿者贡献少量请求，汇总后通过中央服务器拼接。但需要解决信任、安全和数据一致性难题。
- 法律/政策突破口：推动立法要求 Google 公开已扫描的公共领域书籍（例如1929年之前的书籍），或者通过诉讼迫使 Google 开放数据。但这属于长期策略，与悬赏的技术要求不直接相关。
悬赏的附加说明与风险
- 请先阅读完整指南：Anna’s Archive 在 volunteering#bounties 页面详细说明了悬赏工作的流程、支付方式和法律责任豁免。
- 早期沟通：不要花几个月完全实现后再联系，而是有初步原型时就沟通，团队可能提供资源加速。
- 匿名性：鉴于法律风险，Anna’s Archive 支持匿名提交，并会协助保护贡献者身份。
- 奖金支付：通常通过加密货币（如 Bitcoin 或 Monero）支付，以保障隐私。
总结
这不仅仅是一个技术挑战，更是一场关于“知识应该属于谁”的宣言。20万美元的悬赏，反映了数字时代下公共知识保存的极端困境：一边是拥有完整数据的科技巨头，一边是渴望开放获取的全球社区。无论最终是否有人成功领走这笔奖金，这个悬赏本身已经推动了社区对 Google Books 抓取技术的讨论，并可能催生新的工具或漏洞发现。
原文链接：https://software.annas-archive.gl/AnnaArchivist/annas-archive/-/work_items/234