传统的文件搜索通常依赖文件名或单纯的文本关键词匹配。DigUp 采用 Google DeepMind 的 EmbeddingGemma 2 模型，直接在本地设备上理解图片、PDF、文档、录音以及视频的内容，让你能够用自己的语言描述来查找所需的文件。目前 Mac 版适用于搭载 Apple Silicon 芯片且系统为 macOS 14 及以上的电脑；Windows（支持 64 位 Windows 10 或 11）和 Linux（支持 64 位 Intel 与 AMD 处理器）当前处于 0.7.0-beta.1 测试阶段。
本地存储与网络通信说明
DigUp 不会将你索引的文件上传至任何云端服务器：
- 仅在选定文件夹内运行：DigUp 只会读取你在设置中明确选择的文件夹，不会扫描整个硬盘。它不会读取私钥、证书、密码文件、隐藏文件夹（例如
.ssh）以及应用缓存，也不会自动下载仅保存在云端的文件（如 Mac 上的 iCloud 云盘或 Windows 上的 OneDrive 占位文件）。 - 本地数据库存储：系统分析文件后，会把向量数据和关键词索引保存在本地的单个 SQLite 文件中。
- 联网行为明确：DigUp 仅在初次使用时联网下载一次 865 MB 的模型文件，并在运行期间每天检查一次版本更新。更新检查不会发送任何有关你个人文件的信息，这项检查也可以在设置中直接关闭。应用无需注册账户，不包含遥测数据收集。
语义理解与精确词匹配
EmbeddingGemma 2 将不同类型的内容映射到同一个 768 维空间中，因此可以在同一搜索框内综合检索不同格式的文件：
- 图片与截图：输入“a dog on the beach”可以定位海滩小狗的照片；输入报错描述可以定位相关截图。在 Mac 上，系统还会通过文字识别读取截图中的文字。
- 长文档与 PDF：搜索合同中的特定条款（如“the clause about pets in the lease”）会直接定位到 PDF 对应的页面。单份 PDF 最多支持读取 5,000 页，前 30 页会优先处理。
- 音频与视频：模型以 30 秒为一个窗口分析音频片段，视频则每隔数秒截取画面并提取音轨。搜索“where they talk about sleep”能够跳转到播客对应的那一分钟；搜索“zebra in a video”可以直接定位到斑马出现的画面片段。
- 结合精确字符串：对于发票号、错误代码或人名，DigUp 会结合精确文字匹配，在排序中提高完全匹配项的权重。
- 多语言跨语言支持：模型支持 100 多种语言，你可以查阅跨语言搜索指南了解其语言支持与边界。
首次索引与系统差异
首次为文件夹建立索引（首次索引）需要消耗一定的计算资源。Mac 版会调用 GPU 通过 Metal 运行；Windows 和 Linux 版在检测到 Vulkan 更快时会调用显卡（GPU），否则由处理器（CPU）运行。
在 Windows 和 Linux 测试版中，目前暂不支持读取截图内的文字，旧版 Word 的 .doc 文件、RAW 格式照片和 SVG 矢量图也仅在 Mac 版中支持读取。
如果你需要检索项目代码，可以开启独立的代码搜索功能。代码索引与常规文件完全分开，且默认处于关闭状态。
准备好在你的设备上尝试本地搜索时，可前往 Mac 下载安装指南获取应用，并在使用教程中查看快捷键与使用技巧。关于所使用的模型架构细节，请参阅 EmbeddingGemma 2 说明。