你有没有过这种经历：明明记得合同里写过一句话，却怎么也想不起文件叫什么名字。翻遍访达，只能靠模糊的记忆一个个点开看。

一个叫 DigUp 的 Mac 原生工具，想解决的就是这个问题。它基于 Google DeepMind 开源的 Embedding Gemma 2 模型构建，核心逻辑一句话就能说清：根据文件里的具体内容来搜，而不是看文件叫什么名字。

从文件名到全文语义

传统搜索停留在文件名和基础元数据上，DigUp 把检索层级往下压了一层。用自然语言输入意图，它能直接穿透到 PDF 的具体段落、视频的具体镜头、音频的具体句子，甚至源代码里。

匹配到之后，结果会在访达中精准高亮唤起。也就是说，你不需要先找到文件再翻页，工具直接把页码和段落摆到你面前。

多模态索引，全部在本地跑

DigUp 支持的不只是文本。音视频和图像同样可以建立索引，检索范围覆盖多种文件格式。

更关键的是运行方式：所有向量计算均在设备端完成，无需联网。工具针对 Apple Silicon 架构做了内存开销适配，在本地算力和资源占用之间找平衡。

对财务报表、合同协议这类敏感文件来说，数据不出本机意味着什么，用过云端搜索的人心里都有数。

端侧 AI 的一个具体切面

DigUp 的价值不在于模型多大，而在于它把开源模型的能力塞进了一个日常场景里。搜索这件事每天都在发生，而语义理解让搜索从"找文件"变成了"找内容"。

100% 离线、多模态、本地向量计算——这三个词放在一起，指向的是同一件事：端侧 AI 正在从概念变成能装进 Mac 里的工具。