ARahim3/DigUp

DigUp – 为您的 Mac 文件提供 AI 驱动的语义搜索

功能说明
DigUp 让您使用自然语言搜索 Apple 芯片 Mac 上的文件内容。它在本地运行 Google DeepMind 的开源多模态模型 EmbeddingGemma 2（通过 llama.cpp），将文本、图像、音频和视频嵌入到单一向量空间。选择要索引的文件夹后，应用会为每张图片、每个 PDF 页面、每个文档段落、每段 30 秒音频块和每个视频帧提取嵌入向量，存储在 SQLite 向量存储中，然后将您的查询嵌入（加上精确词加权）与该索引进行匹配。结果会打开文件于精确位置 – 视频帧、播客时间戳、PDF 页面或代码行。

重要性

• 多模态搜索：与 Spotlight 不同，您可以在不知道文件名的情况下找到“视频中的斑马”或“租约中关于宠物的条款”。
• 设备端隐私：所有索引和推理都在本地运行；唯一的网络流量是一次性的模型下载和可选的每日更新检查。
• 跨语言：模型支持 100 多种语言，因此英文查询可以找到孟加拉文笔记等。
• 代码感知（可选）：开启代码搜索，通过描述查询函数（code: retry a failed call with backoff）。

如何开始

1. 下载 DMG（或通过 Homebrew cask 安装），然后将 DigUp 拖到 Applications。
2. 首次启动时会下载 865 MB 的 EmbeddingGemma 2 模型，然后您选择要索引的文件夹。界面会显示估计的索引时间。
3. 在任何应用中按 ⇧⌘Space，输入自然语言描述，并使用方向键浏览结果。按 ↩ 在精确位置打开匹配项。

技术亮点

• 模型：EmbeddingGemma 2（740 M 参数，768 维嵌入）使用 ggml-org 的 8 位构建在 llama.cpp 中运行，并使用 Metal 进行 GPU 加速。
• 索引：一个 SQLite 文件存储每个媒体块的向量，加上关键字索引以进行精确匹配加权；启用代码时，使用第二个 SQLite 索引。
• 文件支持：图片（HEIC、JPEG、PNG、RAW、WebP…）、PDF（包括通过 Vision OCR 的扫描页面）、文本文档（txt、md、rtf、docx、html…）、音频（任意长度，以重叠 30 秒窗口处理）、视频（关键帧提取 + 音频）。代码搜索读取源代码文件、笔记本（不含输出）和仓库文档，尊重 .gitignore 并跳过机密。
• 性能：初始索引需要几分钟到一小时，视数量而定；新文件出现后，增量更新在几秒内完成。搜索在毫秒内嵌入查询，并对存储的向量执行最近邻查询。
• 隐私与安全：无遥测、无云上传您的文件、可选的更新检查，且应用从不修改索引的文件。
• 可扩展性：仓库包含命令行工具（digup）用于脚本化、测试生成脚本，以及评估排名质量的测试套件。

适合谁使用

• 需要定位媒体中特定时刻的专业人士（例如记者、播客制作者、设计师）。
• 想要在本地仓库中进行快速语义代码搜索的开发者。
• 任何重视隐私优先、完全在 Mac 上运行的 AI 工具的人。

许可证
MIT – 应用包含 Apache-2.0（EmbeddingGemma 2）和 MIT 许可的依赖项（llama.cpp、Sparkle）。