“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。
yynxxxxx/Codex-5.5-codex-instruct-5.5
这项目其实挺有意思的,作者把 OpenAI 的 Codex 模型(那会儿还没被 GPT-4 完全取代)拿来做了一轮指令微调。说白了,就是让原本只会“填空”或“续写”代码的 Codex,学会听懂人话指令,比如“帮我写一个冒泡排序”或者“给这个函数加注释”。
解决了什么痛点?
用过原始 Codex 的人都知道,它虽然能生成代码,但很不“听话”——你给它一段 prompt,它经常自顾自地往下写,或者理解偏了。这个项目通过精心构造的指令数据集(instruct tuning),让模型能更精准地理解用户意图,输出更符合需求的代码。而且,代码是开源的,你可以在自己的数据集上继续微调,不用被 OpenAI 的 API 绑死。
适合什么场景?
- 想用大模型做代码生成,但希望模型能听懂中文或更复杂的指令描述。
- 需要本地或私有化部署一个代码助手,不想每次都调 OpenAI 的接口。
- 研究指令微调技术,想看看别人是怎么对 Codex 做 SFT(监督微调)的。
适合谁用?
主要是搞 NLP 或者 AI 工程化的同学,特别是对 LLM 微调、代码生成感兴趣的人。如果你是个普通开发者,想直接拿来当 Copilot 用,可能还是得先跑通微调流程,门槛稍高一点。但如果你只是想学习怎么把一个基础模型调教成“听话”的代码助手,这项目是个很好的参考案例。
项目目前 1300+ stars,代码和数据集都开源了,Python 写的,跑起来也不复杂。算是那个时期(GPT-4 还没完全普及)的一个经典指令微调实践。