ARahim3/DigUp — Search your Mac by what's in your files（用 EmbeddingGemma 2 在 Mac 上「按内容找文件」）

📅 2026-10-12 | 🏷️ 值得研究的仓库 | ⭐ 998（7天窗口）
🔗 原文：https://github.com/ARahim3/DigUp

是什么

DigUp 是一个开源（Swift）的 Mac 本地搜索工具，解决的问题是：按「文件内容」而不是「文件名」找东西——照片、PDF、录音、视频、代码，全部在设备端建立语义索引，搜索时用自然语言描述就能命中，数据不出本机。底层用的是 Google DeepMind 的小型嵌入模型 EmbeddingGemma 2。仓库 2026-10-08 创建，7 天冲到 998 星，是本周 GitHub 增速最快的实用工具之一。

🔍 小白解读

先说几个词

• 语义搜索：不是匹配关键词，而是理解「意思」。比如搜「上个月那个讲预算的会议录音」，传统搜索无能为力，语义搜索能听懂内容本身。打个比方：传统搜索是查字典，语义搜索是请了个读过你所有资料的助理。
• Embedding（嵌入）：把一段文字、一张图变成一串数字（向量），内容意思相近的东西，数字也相近。「找相似」就变成了「找数字距离近」。
• EmbeddingGemma 2：Google DeepMind 发布的小型嵌入模型，小到能在笔记本/手机上跑，专门负责做上面这个「内容变数字」的转换。
• On-device（设备端）：所有计算都在你自己的电脑上完成，不联网上传。隐私敏感的资料不会经过任何云。

这篇到底在说什么

每个人的 Mac 里都存着大量「知道自己有但找不到」的文件：某次录的音、某张截图、某个 PDF 里的一页。macOS 自带的 Spotlight 主要靠文件名和部分元数据，对「内容」的理解有限。DigUp 的思路是：用一个小型 AI 模型把你磁盘上的各种文件（图片、PDF、录音、视频、代码）全部转换成语义索引，之后你用日常语言描述要找的东西，它就能直接定位到具体文件。关键卖点是这一切完全离线运行——索引和搜索都不上传数据。项目用 Swift 写成，一周内拿到近千星，说明「本地语义搜索」这个需求被长期压抑、只是缺一个好用的实现。

这跟普通人有什么关系

如果你是 Mac 用户，这是一个可以立刻提升日常效率的免费工具，尤其适合资料多、格式杂的人。如果你担心隐私，它的全离线设计意味着敏感文件（合同、病历、录音）不需要上传到任何云服务就能被智能检索。

为什么值得架构师关注

1. 个人级 RAG 的参考实现：DigUp 是「小型嵌入模型 + 本地索引 + 多模态内容提取」的完整工程样板，架构可以直接映射到企业内部的文档检索系统设计。
2. 小模型路线的实证：EmbeddingGemma 2 这类 1B 以下的嵌入模型在消费级硬件上跑出了可用体验，说明「端侧小模型 + 云端大模型」的混合架构在检索场景已经成熟。
3. 隐私合规的架构启示：全离线检索方案对数据合规敏感行业（医疗、法务、金融）有直接参考价值——检索能力不必以数据出域为代价。
4. 选型对照：与 Everything/Listary 这类索引工具、以及云端方案（GPT 系文件检索）相比，DigUp 代表的本地方案在成本与合规维度有明确优势，值得纳入个人效率工具栈评估。

核心内容

• 支持 photos、PDFs、recordings、videos、code 五类内容的语义搜索，自然语言查询，命中具体文件。
• 完全 on-device 运行，基于 Google DeepMind 的 EmbeddingGemma 2 嵌入模型，数据不出本机。
• Swift 原生实现，面向 macOS；仓库 2026-10-08 创建，7 天获 998 星，增速显著。
• 定位是 Everything/Listary 这类传统启动器的内容搜索补充，而非替代。

行动建议

1. 个人用户：直接 clone 试用，重点观察首次索引耗时与磁盘占用是否可接受，再决定是否全盘启用。
2. 架构师：阅读其索引构建与增量更新实现，评估「端侧嵌入 + 本地向量检索」方案在企业内部敏感文档场景的可行性。
3. 模型选型：将 EmbeddingGemma 2 与 bge-m3、gte 等嵌入模型做一次同任务对比，验证小模型在中文场景的召回质量。