用語意理解搜尋 Mac 本地檔案：開源工具 DigUp 技術架構與運作解析
DigUp 是一款專為 Apple Silicon Mac 設計的開源本機搜尋工具，結合 Google DeepMind 的多模態模型 EmbeddingGemma 2 與 llama.cpp。使用者只要以自然語言描述畫面或對話內容，就能快速定位圖片、PDF、影音與程式碼片段。
在日常使用電腦的過程中，尋找檔案往往受限於檔名或純文字關鍵字。若忘記簡報確切名稱，或是想找影片中某個特定畫面、錄音檔裡的一句發言，傳統的系統搜尋功能往往難以直接命中。
近期在 GitHub 上開源的 DigUp 專案，嘗試以端到端本機運算解決這個問題。它讓使用者直接用白話描述尋找目標，無論是「海灘上的狗」、「影片中斑馬出現的段落」還是「合約中關於寵物的條款」，系統都能透過多模態向量比對，將檔案與精確時間點或頁碼呈現在讀者眼前。
多模態向量空間：EmbeddingGemma 2 的底層支援
DigUp 之所以能跨越文字與圖像的藩籬，核心在於 Google DeepMind 推出的開源模型 EmbeddingGemma 2。該模型參數量為 740M，採用 Apache 2.0 授權，足以在筆記型電腦上順暢執行。
這套模型將文字、圖片、語音與視訊影格映射至同一個 768 維度的向量空間。這項特性的實際效果在於：
一張海灘狗兒的照片，在數學空間中的位置會非常接近文字「a dog on the beach」；一段談論睡眠的語音片段，也會落在「where they talk about sleep」的語意範圍附近。模型本身具備多語言理解能力，涵蓋超過 100 種語言，因此即使輸入英文查詢，也能檢索到以其他語言撰寫的筆記內容。
本機隱私與技術運作流程
許多使用者對 AI 搜尋工具最關心的問題是資料隱私。DigUp 採取純本機運算（Local-first）架構，除了首次啟動時下載模型檔案以及每日一次的自動更新檢查之外，不會對外傳輸任何檔案內容與索引資料。使用者也可以手動關閉每日更新檢查，完全杜絕聯網行為。
索引與比對架構
DigUp 在背景的運作流程可拆解為三個主要階段：
- 檔案讀取：透過 macOS 系統原生的 ImageIO、PDFKit、AVFoundation 讀取多媒體與文件，並使用 Apple Vision 框架辨識截圖內的文字。
- 向量產生：透過以 Metal 加速的 llama.cpp 執行 8-bit 量化版 EmbeddingGemma 2，計算出各片段的向量。這個輔助程序只在索引時運作，建立完成後即自動釋放記憶體。
- 本機儲存與混合檢索：所有向量資料與關鍵字索引皆寫入單一 SQLite 資料庫。
當使用者按下快捷鍵發起查詢時，系統僅載入約 250 MB 的文字編碼器，在數毫秒內將搜尋詞轉換為向量，並與資料庫進行相似度比對。此外，考量到發票號碼、錯誤代碼或特定人名等精確字串難以完全依賴向量表徵，DigUp 同時保留了精準字詞比對機制，提高專有名詞搜尋的準確率。
支援格式與檢索行為細節
DigUp 僅會處理使用者主動指定的資料夾，並根據檔案類型採取不同的讀取策略。
在圖片方面，支援 HEIC、JPEG、PNG、RAW 與 WebP 等常見格式。對於截圖，除了辨識圖像內容，也會同步提取文字資訊。
文件與 PDF 的處理則著重效率。對於多頁 PDF，系統會先建立前 30 頁的索引供立即查詢，待其餘檔案處理完畢後，再繼續索引後續頁面，單一檔案支援上限為 5,000 頁。若遇到純文字、Markdown、Word 文件中以數字為主的表格資料，系統則自動切換為精準文字比對。
音訊與視訊的處理方式相當細緻。音訊檔案會被切割為 30 秒的重疊音訊片段進行分析；視訊則依照鏡頭切換每隔數秒擷取影格，並搭配音軌同步建立向量。當使用者在搜尋結果中點選影片時，macOS 會透過 QuickTime Player 自動跳轉至符合描述的具體秒數。
選擇性開啟的程式碼檢索
針對開發者需求，DigUp 提供了獨立的程式碼搜尋功能，此功能預設關閉，需手動選取特定專案目錄。
使用者在搜尋時加入 code: 前綴，即可透過自然語言描述函式行為或直接輸入變數名稱進行查詢。搜尋結果能直接連動 Zed、VS Code、Cursor、Xcode、Sublime Text 或 JetBrains 系列編輯器，並精準跳至定義該行。系統在讀取程式碼時會自動略過 .gitignore 排除項目、依賴套件、編譯產物，以及私鑰或憑證等敏感檔案。
安裝與日常操作方式
DigUp 目前支援搭載 Apple Silicon 晶片並運行 macOS 14 以上版本的 Mac 電腦。
使用者可從 GitHub Releases 頁面 下載 DMG 安裝檔，或透過 Homebrew 指令安裝：
brew install --cask arahim3/tap/digup
應用程式本身容量約 20 MB，首次啟動時需額外下載約 865 MB 的模型檔，包含 310 MB 的文字模組與 555 MB 的影像與語音模組。
安裝完成後，工具常駐於選單列。預設快捷鍵為 ⇧⌘Space（Shift-Command-Space），可隨時呼叫搜尋面板。在搜尋面板中，按 Enter 可直接開啟檔案並跳轉至對應頁面或時間點，按空白鍵可使用 Quick Look 預覽，按 ⌘Enter 則在 Finder 中顯示原檔。如果需要更寬廣的檢視畫面與過濾選項，可使用 ⌘O 開啟大視窗模式。
常見問題
DigUp 與 macOS 內建的 Spotlight 有何不同？
Spotlight 主要依賴檔案名稱、系統中繼資料與可辨識的純文字進行字串搜尋。DigUp 則利用多模態向量理解圖片內容、視訊影格畫面以及音訊發言內容，並能直接指示出影片的秒數或 PDF 的特定頁次。兩者在系統中可平行使用，互不衝突。
建立索引是否會佔用過多電腦資源？
只有首次索引需要計算大量現有檔案，幾百個檔案約需數分鐘，若是龐大的下載資料夾則可能耗時一小時。首次建立完成後，新檔案在寫入磁碟後一到兩秒內即可完成增量索引。此外，在未連接電源或處於低耗電模式時，背景索引會自動暫停，搜尋專用的記憶體空間也只在查詢觸發時載入。
支援哪些語言的搜尋？
語意理解部分依賴 EmbeddingGemma 2，支援超過 100 種語言，且具備跨語言檢索能力。但是在截圖文字的精確字串比對方面，受限於 Apple 系統文字辨識支援的語系範圍（約 25 種）。另外，中文、日文、泰文等非空格分詞語言，在精確關鍵字加權比對上的處理機制與歐美語系有所不同。
如何完整移除 DigUp？
結束應用程式後，刪除 /Applications/DigUp.app，並清理位於 ~/Library/Application Support/DigUp 的模型與資料庫檔案，以及位於 ~/Library/Preferences/com.abdurrahim.DigUp.plist 的設定檔。若使用 Homebrew 安裝，執行 brew uninstall --cask --zap digup 即可自動清除所有相關檔案。
結語
DigUp 專案 透過開源小模型與現代硬體加速技術，將原本依賴雲端的多模態語意搜尋完整搬移至個人電腦本機。對於經常需要整理大量多媒體素材、錄音筆記與技術文件的 Mac 使用者而言，這項工具提供了一種無需妥協隱私的本機資料檢索方案。