DigUp：基于 EmbeddingGemma 2 的 Mac 本地多模态文件语义搜索

核心能力与快速开始

★ 928 · Swift

能做什么

基于 EmbeddingGemma 2（约 7.4 亿参数）构建的 Mac 本地文件语义搜索：用户用自然语言描述要找的内容，即可跨图片、截图、PDF（逐页、含扫描件）、文档（txt/md/rtf/doc/docx/odt/html）、音频和视频进行语义匹配，并跳转到对应页面或时间点。支持精确词匹配（如发票号、错误码、人名），可检索截图内文字，跨语言搜索（模型支持 100 种以上语言），可选开启代码搜索并按功能描述定位函数或笔记本单元。索引存放于单个 SQLite 文件（768 维向量 + 关键词索引），代码搜索使用独立索引。全程本地运行，不上传文件，模型通过 llama.cpp（Metal）在 GPU 上推理。

适用场景

在 Mac 上按内容而非文件名找回照片、视频片段、播客中谈及的某个话题、租赁合同中的条款页、截图里的报错信息；用中文/英文等任意语言检索其他语言的笔记；在开启代码搜索后，用“code: ...”前缀按功能描述定位到具体函数所在行并在编辑器中打开。

项目形态

可直接使用的工具

部署方式

本地桌面应用：从 Releases 下载 DMG 或使用 Homebrew（brew install --cask arahim3/tap/digup）安装；模型首次下载约 865 MB，应用本体约 20 MB。需在设置中选择要索引的文件夹；联网仅用于首次下载模型和每日检查更新。

主要依赖

Apple Silicon Mac，macOS 14 或更高（在 macOS 26 上测试过）。从源码构建需要 Xcode 26、git，以及用于 llama.cpp 的 CMake（或 uv）。

使用限制

仅支持 Apple Silicon 与 macOS 14+，无其他平台说明。首次索引较慢：几百个文件需数分钟，大型 Downloads 文件夹可能需一小时；PDF 单文件上限 5000 页，且仅对选定文件夹建立索引。跨语言能力在意义层面覆盖 100 多种语言，但截图内文字的精确匹配依赖 Apple 文字识别（约 25 种语言），中文、日文、泰语等无空格语言不做分词。官方评测仅覆盖英语、孟加拉语和阿拉伯语；模型在不同语言上的表现并不均衡。代码搜索默认关闭，需手动开启。

许可证

MIT

最近推送

2026-10-11 02:29

资料检查：2026-10-12 07:00 · 卡片整理：2026-10-12 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

在本地代码库中按功能描述或符号名进行语义搜索，并直接跳转到编辑器对应行，辅助代码定位与排错。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证