EmbeddingGemma 2 被做成 macOS 菜单栏本地语义搜索工具
有人把谷歌的 EmbeddingGemma 2 塞进 Mac 菜单栏，本地搜照片、视频、PDF 都能用一句话描述，不联网，技术栈也值得抄。
开发者 @_ARahim_ 把 Google 的 EmbeddingGemma 2 装进 macOS 菜单栏，做了一个本地语义搜索工具 DigUp。它通过 llama.cpp 加 Metal 在 Mac GPU 上运行，将文本、图像、音频、视频映射到统一的 768 维向量空间。索引按内容类型拆分：PDF 按页、音频按 30 秒重叠窗口、视频按画面和音轨、代码按语义片段，全部存进本地 SQLite。搜索结合向量语义检索和关键词匹配，可以用“一个人在海边遛狗”这样的描述找照片，也能精确匹配发票编号。模型本身支持多语言，可以用中文描述跨语言搜索文件。
谷歌EmbeddingGemma 2的第二个“歪用”案例，装进macOS 菜单栏，做成本地语义搜索工具
统一嵌入空间会不断长出你没预见过的新奇用法，上次是STT，这次是多模态语义搜索
相当于语义版Spotlight，用同一个EmbeddingGemma 2 统一空间，把你Mac里所有模态的文件变成一个可以用人话搜索的本地数据库
过去，你需要记住文件名、目录或者关键词；现在，只需要描述你想找什么，就能从照片、视频、音频、文档或代码中找到对应内容
并且不依赖云端大模型，文件索引和搜索在本地完成
EmbeddingGemma 2本身支持多语言，这意味着你不光能用中文描述搜中文文件，还可以跨语言搜
搜索颗粒度能定位到视频里的某个时刻、播客的某一分钟、PDF的某一页
技术上，作者通过llama.cpp+Metal在Mac GPU上本地运行EmbeddingGemma 2，将文本、图像、音频、视频映射到统一的768维向量空间
索引时按内容类型拆分，PDF按页、音频按重叠的30秒窗口、视频按画面和音轨、代码按语义片段建立索引，存储在本地SQLite中
搜索时采用向量语义检索+关键词匹配的混合方案，既能理解“一个人在海边遛狗”，也能精确匹配发票编号、错误代码等字符串
项目来自 @_ARahim_
#EmbeddingGemma2 #MAC本地语义搜索 #DigUp
