“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。
jamesob/local-llm — Everything I know about running LLMs locally
这项目其实不是一个工具,而是一份“笔记合集”。作者 jamesob 把自己折腾本地大模型踩过的坑、试过的方案、总结的经验全写下来了。从怎么选模型、用什么框架(llama.cpp、ollama、vLLM 这些),到硬件怎么配、量化怎么做、性能怎么调优,基本你刚入坑时遇到的所有问题,他都有记录。
痛点其实很明显:现在想跑个本地模型,网上教程要么太零碎,要么太理论。你翻半天可能还是不知道怎么在 8GB 显存上跑个 7B 模型,或者为啥跑起来那么卡。这份笔记就是那种“我替你试过了,你直接抄作业就行”的风格,特别适合不想从零开始踩坑的人。
适合场景:比如你想在公司内网搭个私有 AI 助手、想拿本地模型做 RAG 或者代码补全、或者单纯不想把数据发给 OpenAI。也适合那些手头有台带 GPU 的台式机,想试试本地跑模型但不知道从哪下手的。
适合谁用:对 LLM 有基本概念、会用命令行的开发者或运维同学。如果你是那种喜欢看实战经验、不喜欢官方文档那种“什么都说了又什么都没说”的风格,那这项目你大概率会喜欢。384 个 star 说明不少人也觉得它有用。