当你选择要建立索引的文件夹后，DigUp 会读取其中的图片、PDF、文档、录音和视频；如果你在设置中开启了代码搜索，它也会读取指定的代码仓库。搜索时，你可以用自己的话描述要找的内容，也可以直接输入发票号、错误代码或人名等精确词。想安装软件可前往 下载页面，基本操作可查看 使用教程，与系统自带搜索的对比见 DigUp 与 Spotlight（聚焦）的区别。
搜索结果会直接打开对应的页面或时间点：
- 输入“zebra in a video”（视频里的斑马），会在斑马出现的那一刻打开视频片段。
- 输入“where they talk about sleep”（谈论睡眠的地方），会跳转到播客录音的对应分钟。
- 输入“the clause about pets in the lease”（租约中关于宠物的条款），会展示对应的 PDF 页面。
- 输入“a dog on the beach”（海滩上的狗），会找到对应的照片。
模型支持超过 100 种语言，支持跨语言搜索。所有索引和搜索都在你的电脑本地运行，不需要注册账号，也没有遥测数据收集。更多隐私与处理细节可参考 本地 AI 文件搜索说明 与 DigUp 安全吗。
DigUp 概览
| 项目 | 详情 |
|---|---|
| 开发者 | ARahim3 |
| 开源协议与价格 | MIT 协议，免费开源 |
| 支持系统 | Mac（0.6.1 版，需搭载 Apple Silicon 芯片且运行 macOS 14 或更高版本）；Windows 与 Linux 为测试版（0.7.0-beta.1，支持 64 位 Windows 10 或 11，以及 64 位 Intel 和 AMD 处理器的 Linux） |
| 使用模型 | Google DeepMind 的 EmbeddingGemma 2（740M 参数，Apache 2.0 协议） |
| 搜索范围 | 所选文件夹内的图片、截图、PDF、文档、音频、视频，以及单独开启后的代码文件 |
| 全局快捷键 | Mac 为 ⇧⌘Space；Windows 和 Linux 为 Ctrl+Shift+Space |
| 联网行为 | 仅在首次下载模型（865 MB）和每天检查一次更新时联网（更新检查可关闭），不上传任何文件数据 |
搜索工作原理
DigUp 读取你所选文件夹中的文件，将它们转换为图片、文字和声音片段，并通过独立进程中的 EmbeddingGemma 2 模型 处理后存入一个 SQLite 数据库文件。该文件为每张图片、每页文档、每个段落、每个视频画面和每 30 秒音频保存一个 768 维向量，同时维护一个关键词索引（代码搜索使用单独的第二个索引）。当你输入搜索词时，模型的文本部分会将你的文字转化为同一空间的向量，结合最近邻向量匹配与精确词匹配返回结果。