“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。
Google 地图的护城河：从乡村小镇到卫星影像的显影术
本文揭示 Google 地图如何通过卫星图像与计算机视觉技术，自动化生成覆盖全球的建筑轮廓，从而在数据维度上构筑起远超苹果地图的护城河。
2017 年，一篇名为 Google Maps' Moat 的文章在 Hacker News 上引发热议（1960 分，609 条评论）。作者 Justin O'Beirne 长期对比 Google 与 Apple 地图的差异，但这次，他把目光投向了大城市之外——一个伊利诺伊州的乡村小镇。在那里，Google 的对手不是苹果，而是它自己过去十年的沉默。
一、乡村小镇：地图上的空白与填满
作者童年居住的伊利诺伊州乡村，是一个连 Google 街景车都未曾完整覆盖的地方（全美仅有 1% 的道路没有街景，这里正是其中之一）。然而，当打开 Google 地图时，这里却密密麻麻地标注着建筑轮廓：房屋、车库、工具棚、公园凉亭，甚至拖车。而 Apple 地图上，同样的区域几乎是空白，连公园的绿色形状都缺失。
作者注意到，这些建筑轮廓并非老版本地图的遗留，而是 Google 在过去几年里逐步添加的。他跟踪了超过一年，发现 Google 先是在大城市试点，随后逐步下沉到乡村。更令人惊讶的是，这些被添加的不仅是“建筑”，而是“构筑物”——从最简单的拖车到有着精致前台阶的教堂，甚至小镇最大的住宅和邮局，Google 都给出了细节丰富的轮廓。
二、细节从何而来？卫星影像加速跑赢街景车
关键问题来了：一个连街景车都懒得去的乡村小镇，Google 为何如此用心？答案在 Google 的旧新闻稿中浮现。早在 2012 年，Google 就宣布添加了首批 1000 个精细建筑（多为地标，如佛罗伦萨大教堂、悉尼歌剧院），但几个月后，技术突变——Google 通过“计算机视觉 + 航空影像”算法，一次性为美国主要都会区生成了 2500 万个建筑轮廓，并附带高度信息。
这意味着：建筑轮廓的生成是自动化的，它的原料不是街景车的地面照片，而是卫星或航空影像。作者对比了自家小镇的建筑与 Google 的卫星图像，发现二者几乎完美重合。这套流程如此顺畅，以至于有时在 Google 地图上，建筑甚至比道路更早出现。
卫星采集的速度远快于街景车，覆盖范围也更广。街景车多年未至的乡村，卫星早已无数次掠过。这种自动化让 Google 拥有了一组令人恐惧的数据：不仅覆盖美国，而且在作者撰稿时，Google 已能生成全球范围内的建筑轮廓，且细节层次远超同行。
三、Apple 的差距：从州首府到大城市内部
如果说乡村小镇是极端案例，那么美国州首府的城市数据则更具代表性。作者列举了多个州首府（如俄勒冈州塞勒姆、宾夕法尼亚州哈里斯堡、华盛顿州奥林匹亚），这些城市在 Apple 地图上缺乏建筑轮廓，而 Google 不仅拥有，且细节丰富。即便在芝加哥、洛杉矶、纽约内部，Apple 也有大量空白区域——例如芝加哥大学周边、洛杉矶的穆赫兰道、纽约皇后区等。
即便是 Apple 有建筑的地方，Google 的细节也胜出。以旧金山为例，Google 地图上可以看到屋顶的卫星天线、五个一排的屋顶风扇，甚至能分辨出房屋是否有凸窗（bay window）。这种精细度来自计算机视觉对航拍影像的深度解析，而非人工描绘。
四、数据炼金术：从建筑到“商业走廊”的认知地图
但建筑轮廓只是开始。作者引用了 2011 年 Annechino 与 Cheng 的硕士论文 Visualizing Mental Maps of San Francisco。研究通过让 22 位旧金山居民手绘城市地图，发现人们倾向用“主干道”和“迷你城区”（即商业走廊）来认知城市——一条集中了餐厅、商店的街道，往往成为社区的目的地。研究者基于此识别出 27 条商业走廊。
这些认知概念对地图产品至关重要：当用户问“哪里有好吃的”“我刚下高速，商业区在哪”，地图算法需要从空白网格中推断出“活力区域”。Google 的建筑轮廓数据，恰恰为这种推断提供了结构化基础——有了建筑分布、密度和形状，算法可以更准确地判断一个区域是否属于商业中心、居住区还是工业区。
五、护城河的实质：数据飞轮与自动化壁垒
Google 地图的护城河，看似是地图数据的丰富度，实则是一套完整的自动化生产系统：
- 数据采集：卫星和航拍影像覆盖全球，不依赖地面车辆；
- 图像识别：计算机视觉自动提取建筑轮廓、高度、形状，甚至能生成复杂地标（如西雅图太空针塔）的 3D 模型；
- 持续更新：算法驱动的数据生成使得覆盖率迅速上升——两年内覆盖美国大部分建筑，五年后覆盖到连街景车都不去的乡村；
- 衍生应用：这些建筑数据成为地图搜索”商业走廊““街区活力”等功能的基础，形成正循环。
相比之下，Apple 地图在建筑数据上依赖第三方或人工采集，成本高昂且覆盖不均。Google 的自动化方法使其在数据深度和覆盖广度上形成了结构性优势。
六、结语：当卫星影像成为地图的语言
文章结尾，作者抛出一个令人遐想的问题：以当前的生成速度，Google 何时能拥有地球上每一座建筑？而更深刻的是，这些自动生成的建筑，正在重新定义地图的语义——地图不再只是道路和地名的集合，而是一个活的、可推断的物理世界模型。
十年后的今天，Google 地图早已将建筑轮廓扩展到全球，并融合了室内地图、实时交通、碳排放估算等功能。苹果地图虽在近年加大了投入，但在建筑级细节的全球覆盖上，差距依然明显。正如作者所揭示的，Google 的护城河，不是某个单项技术，而是那条由卫星影像、计算机视觉和自动化流水线共同铸就的数据生产线——它让地图从静态的描绘，变成了动态的认知。
原文链接：Google Maps' Moat