笔记
0工具
0此页用于记录用户反馈问题后的每一次改进
关于
“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。
不想公开、只想临时给人看：点“分享”生成一条带密码和有效期的链接，到期自动失效，你也能随时撤销。
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。
趋势
DeepSeek 与 GPT API 价格调整：该关注什么？ - AlfredZhao
最近 DeepSeek 调价了，GPT 那边也搞了波降价。朋友圈里不少人在转这个事儿，但说实话，大部分讨论都停留在“谁更便宜”这个层面。作为每天要跟 API 打交道的人，我觉得这事儿值得掰开揉碎了聊聊——单看那个每百万 token 的标价，真的容易把自己带沟里去。
先说 DeepSeek 这次调价。我特意去翻了下他们官方的价格页面，发现有几个点必须注意：
第一，计费单位是分开的。 输入和输出是两套价格，而且单位不一样。有的模型输入按百万 token 算，输出也按百万 token 算，但价格差好几倍。这意味着什么？如果你的业务是那种“用户问一句，模型回一大段”的场景，比如客服自动回复、报告生成，那输出 token 的单价才是你成本的大头。反过来说，如果你是做文档摘要、代码补全这种输入远大于输出的活儿，那输入价格就更关键。所以别只盯着一个数字看，要看你自己的调用模式。
第二，分时段计价。 这个坑很多人没注意到。DeepSeek 现在区分高峰时段和空闲时段，价格不一样。而且他们最近更新了空闲时段的定义——把周末全天都划进空闲时段了。这个调整对谁影响最大？做海外业务、或者用户活跃时间在非工作日的团队，你们的成本会明显下降。但如果你是做国内 to B 的，用户集中在工作日的 9 点到 18 点，那基本享受不到这个红利。我建议你拉一下自己过去一个月的调用日志，按小时统计下 token 消耗量，看看你的业务到底落在哪个时段。别想当然，数据说话。
第三，别忽略上下文长度。 这个不算调价范围，但直接影响你的实际支出。同样一个模型，你输入 1000 token 和输入 8000 token，成本差 8 倍。很多开发者在估算成本时，用的是“平均请求长度”，但实际情况往往是长尾请求吃掉大部分预算——比如那些带了完整对话历史的会话，或者需要处理长文档的场景。我见过一个项目，平均输入长度 1500 token，但 P99 请求是 12000 token，结果实际 token 消耗比估算的高了 4 倍多。
再说 GPT 降价。OpenAI 这波操作，本质上是把不同模型之间的性价比重新洗牌了。以前你可能觉得 GPT-4o 太贵，用 3.5 Turbo 顶着，现在价格一降，可能 GPT-4o 的综合成本已经接近甚至低于 3.5 Turbo 了——但注意，这只是“可能”，你得自己算。怎么算？拿你真实的业务数据，分别跑两个模型，统计输入输出 token 数，再乘上各自的价格，才能得出真实的单次调用成本。别拿官方示例里的 token 数来算，那都是理想情况。
所以回到核心问题：比价到底该怎么比？我自己的方法是三件事同时看：
第一，看计费模型是否区分时段。 这决定了你的成本曲线是平的还是有波峰的。如果你业务本身就有明显的时段特征，那找一个能匹配你波峰波谷的计费方案，比单纯看单价更重要。
第二，算清楚你业务里不同时段的 token 量级。 这个我上面说过，一定要拉日志算。按小时、按天、按周统计，你才能知道自己到底在为什么买单。有些 API 提供商有成本分析工具，如果没有，自己写个脚本也不难——就是解析日志，按时间维度聚合 token 数。
第三，也是最重要的——模型输出质量。 这个没法用数字衡量，但必须放在成本前面。一个模型再便宜，如果它生成的代码有 bug、写出来的文案需要反复改，那你的隐性成本（人工 review 时间、返工成本）早就超过省下的 API 费用了。我自己的经验是：先拿真实业务样本做盲测，让团队里不懂技术的人来打分，选那个“效果达标且价格可接受”的模型，而不是“最便宜”的。
最后说下多模型组合策略。现在模型迭代太快了，今天这个便宜，明天那个更强。死守一个模型不是好主意。我现在的做法是：在应用层做个抽象，把简单任务（比如意图识别、关键词提取）路由到便宜的小模型，复杂任务（比如长文生成、复杂推理）走贵的大模型。这样整体成本能降 30% 到 40%，而用户体验几乎不受影响。实现起来也不难，就是加一层路由逻辑，根据 prompt 长度、任务类型、或者一个简单的分类模型来决定走哪个 API。
总结一下：价格调整是常态，但选型不能跟风。先搞清楚自己的业务模式——输入输出比例、时段分布、质量要求——然后拿真实数据去算，最后再决定用哪个模型、怎么组合。这样无论市场怎么变，你都能保持理性。
另外，DeepSeek 官方价格页面记得收藏，他们更新挺频繁的，隔段时间就调一次。GPT 那边也一样，降价可能还会继续，但别因为降价就盲目切换，质量才是底线。