Mac 用了这么多年，Spotlight 依然是那个只认文件名的 Spotlight。你记得一张照片里有只海滩上的狗，记得某个播客聊过睡眠，记得租约里有一条关于宠物的条款，但文件名早就忘了，Spotlight 帮不了你。
ARahim3/DigUp 是为这个场景而生的开源工具，2.8 千星：用 Google DeepMind 上个月刚发布的 EmbeddingGemma 2 多模态嵌入模型，把 Mac 里的照片、PDF、文档、录音、视频全部变成可语义搜索的内容。用你自己的话描述，它就挖出匹配的文件，不管是图、是 PDF 还是一段视频里的某一帧。全部在本机完成，文件不出你的电脑。
官方安装包我打包传了百度网盘永久分享（dmg 直传被百度网盘扫描拦截，放了 base64 文本 8 卷，附带解码说明，Windows 用自带 certutil 一行还原）
百度网盘 https://pan.baidu.com/s/1jPoY-gMQDBOntomIDET99Q 提取码 g2vn
一句话能挖出什么
官方的例子都很具体。「zebra in a video」直接打开视频里斑马出现的那一刻；「where they talk about sleep」跳到播客聊睡眠的那一分钟；「租约里关于宠物的条款」显示 PDF 那一页并把关键词标亮；「a dog on the beach」找到那张照片，「payment declined error」找到报错截图。
更绝的是跨语言：一句英文搜索，能找到用孟加拉语或阿拉伯语写的笔记------EmbeddingGemma 2 支持 100 多种语言，所有类型的内容在同一个 768 维向量空间里，一张海滩狗的照片和「a dog on the beach」这句话在向量上就是邻居。
精确词也是内行。发票号、错误代码、人名这类必须一字不差的搜索，它会同时匹配文件名、文档正文和截图里的文字，语义和精确字符串两手抓。
底层：Google 刚发的模型，跑在你 Mac 的 GPU 上
EmbeddingGemma 2 是 Google DeepMind 十月刚发布的开源多模态嵌入模型，Apache 2.0 协议，740M 参数，笔记本就能舒服地跑。它把文本、图片、音频和视频放进同一个向量空间，这是「用一句话搜所有类型文件」的技术基础。
DigUp 用的是 ggml-org 的 8-bit 量化版，通过 llama.cpp 在 Mac GPU 上跑（Metal）。架构很干净：你选定文件夹后，一堆读取器各司其职（ImageIO 管图片、PDFKit 管 PDF、AVFoundation 管音视频、Vision 认截图里的文字），把内容交给 EmbeddingGemma 2 变成向量，全部存进一个 SQLite 文件------每张图、每页 PDF、每段话、每个视频帧、每 30 秒音频各一个向量，外加一个关键词索引。搜索时同一个模型的文本部分（约 250MB，只在搜索时加载）把你的话变成向量，找最近的邻居，精确词匹配额外加分。
索引会记住是哪个模型版本生成的向量。模型更新但向量格式没变，索引原样保留；每次 llama.cpp 更新发布前，都有测试拿存储的参考向量做回归校验。
隐私边界写成了清单
只读你选定的文件夹，这一点之外还有明确的「从不」清单：代码项目（有 .git 或 package.json 的目录）除非你主动开启代码搜索，否则只读截图；密钥、证书、密码文件、.ssh 这类隐藏目录永远不碰；看起来像数据集的目录跳过；只存在 iCloud 没有本地的文件不下载。DigUp 只读你的文件，不改、不移动、不上传。
首次索引几百个文件几分钟，一个塞满的大下载文件夹要一小时，一次搞定之后新文件落地一两秒就可搜。可以边充电边跑，低电量模式自动暂停。
代码也能搜
EmbeddingGemma 2 本身读得懂代码，DigUp 的代码搜索默认关闭，按文件夹开启。开着之后用 code: 开头搜索：「code: retry a failed call with backoff」找到重试函数，不管它叫什么名字；「code: refreshAccessToken」直接跳到定义那一行。结果在你自己的编辑器里按行打开，Zed、VS Code、Cursor、Xcode、Sublime、JetBrains 都支持。
代码有独立索引，不会混进普通搜索。读一个小项目 20 秒，读整个 llama.cpp 20 分钟加 130MB 索引。git ignore 的、第三方库、生成代码、数据文件、疑似密钥的东西全部跳过。
快捷键与日常
⇧⌘Space 在任何应用里唤起搜索面板（可改键），上下键选结果，回车打开：视频和录音跳到那一刻，PDF 在预览里高亮你的关键词，代码在编辑器指定行打开。空格 Quick Look 看那一页或那一刻，⌘↩ 在 Finder 显示，⌘C 复制文件，⌘O 开大窗口配图片网格和过滤器。DigUp 驻在菜单栏，索引进度、暂停、设置都在那里。
谁该用
素材囤积狂（截图几千张、PDF 几百份、播客订阅几年的那种）、 researcher 和律师（在长文档里找条款是刚需）、播客和视频创作者（素材回收全靠搜索）、以及所有想体验「Google 刚发的开源模型跑在自己电脑上」是什么感觉的人。模型 865MB 一次性下载，之后的一切都在你的 Mac 里。
下载汇总
- 百度网盘（官方 DMG base64 分卷 + 解码说明，永久）https://pan.baidu.com/s/1jPoY-gMQDBOntomIDET99Q 提取码 g2vn
- GitHub Releases https://github.com/ARahim3/DigUp/releases
- 仓库 https://github.com/ARahim3/DigUp
- Homebrew
brew install --cask arahim3/tap/digup