DigUp
数据快照（2026-10-15）
| 事实 | 数值 | 来源 |
|---|---|---|
| 模型 | EmbeddingGemma 2 · 约 740M 参数 · 约 865 MB Q8（llama.cpp） | Google AI · DigUp README |
| 向量空间 | 共享 768 维多模态空间 | Google AI · DigUp README |
| Mac / Win·Linux | 0.6.1 · 0.7.0-beta.1 | GitHub Releases |
| Stars / forks | 约 3,768 / 254 | GitHub API |
痛点 → DigUp 流程 → 提示
| 痛点 | DigUp + EmbeddingGemma 2 做法 | 提示 |
|---|---|---|
| 哪篇 PDF 有那张图？ | PDF + 图像嵌入 | 打开页 / 找到图照片 |
| 说明预处理的笔记本单元 | 开启 code: 搜索 | Jupyter 不含输出（README） |
| 显微视频某一刻 | 视频帧 | 跳到事件附近 |
| 离线可复现 | 本地索引 | 模型约 865 MB 一次；之后离线搜 |
分步清单
- 在实验机器安装 DigUp（Apple Silicon 或 Win/Linux 测试版）。
- 索引 Papers / LabNotes / Captures——确保已本地下载。
- 为分析仓库开启代码搜索。
- 语义查询结合精确文献键。
- 740M / 768 维事实见 Google EmbeddingGemma 文档与 DigUp 模型页。
为什么这里需要 EmbeddingGemma 2
Google 的 EmbeddingGemma 2（约 740M，统一 768 维多模态空间）正是 DigUp 经 llama.cpp 运行的模型（约 865 MB Q8 包）。一次查询可排序图片、PDF 页、音频窗、视频帧与可选代码——见本机多模态指南与模型页。digup.run 非 Google 官方。
下载与安装
- Mac DMG 0.6.1 · Mac 安装
- Windows 0.7.0-beta.1 · Windows 安装
- Linux .deb / AppImage · Linux 安装
- 常见问题 · 模型大小 / Use Files…