DigUp: EmbeddingGemma 2 기반 온디바이스 파일 의미 검색 데스크톱 앱와 단축키 검색

2026-10-21 GitHub · ax-trend 이슈 #3382 · 멀티모달 · 온디바이스

DigUp 개요 — 파일 이름을 외우지 말고 내용을 설명하면 찾아준다
DigUp — 'Describe it. Dig it up.' 파일 이름이 아니라 내용을 설명하면 찾는다

핵심 — 파일 이름이 아니라 내용을 말하면 찾는다

쿼리: "디자인 회의 녹취에서 로고 이야기가 나온 부분"

→ meetings/2026-Q3-design-call.mp3  [12:34 구간]
→ 브리핑 초안 "logo-final-v3.fig"   [아트보드 4]
엔진 — EmbeddingGemma 2 멀티모달 임베딩: 740M 파라미터, 865MB 1회 다운로드, 100개 이상 언어
엔진 — Google DeepMind의 멀티모달 임베딩 모델 EmbeddingGemma 2. 740M 파라미터, 865MB는 한 번만 받는다

엔진 — EmbeddingGemma 2: 텍스트·이미지·오디오·비디오가 하나의 공간에

프라이버시 — 텔레메트리 없음, 계정 없음, 클라우드 없음. 키와 비밀번호는 절대 읽지 않는다
프라이버시 설계 — 인덱싱 데이터는 컴퓨터를 떠나지 않고, 민감한 파일은 아예 읽지 않는다

프라이버시 — 아무것도 컴퓨터를 떠나지 않는다

견인력 — Mac·Windows·Linux 지원, GitHub 5,295 스타, 하루 +400 스타
견인력 — 생성 2주 만에 5천 스타. Mac 정식 릴리스, Windows/Linux는 베타

견인력 — 생성 2주 만에 5천 스타

AX TF 관점. 이 앱 자체보다 참고 가치가 큰 건 온디바이스 임베딩의 실전 레퍼런스 구현이라는 점이다. 개발자 개인 지식 베이스(프로젝트 코드·문서·회의 녹취·레퍼런스 이미지)를 클라우드 없이 로컬에서 의미 검색하는 워크플로우를 바로 써볼 수 있다. Android 개발자 관점에서는 EmbeddingGemma 2(740M, Apache 2.0) 자체가 온디바이스 시맨틱 검색의 유력한 백본 후보라서, 이 앱의 인덱싱·청킹(오디오 30초 윈도우, 비디오 샷 단위 프레임) 방식을 모바일 앱 설계에 참고할 만하다 (이슈 배경).

아직 안 밝혀진 것 — 모바일 버전·한국어 검색 품질·Windows 서명

⚠️ 미확인: 모바일(Android/iOS) 버전은 없다 — 데스크톱 전용이라 폰 파일 검색에는 못 쓴다 (README). 한국어 질의·한글 문서의 검색 품질은 README 예시에 없어 미확인이다 (예시는 영어·벵골어·아랍어). Windows 설치 프로그램이 아직 서명되지 않아 설치 시 '알 수 없는 앱' 경고가 뜬다 (README).

배경 — 온디바이스 AI 파일 검색의 수요는 이미 증명됐다

OS 제조사들이 AI 파일 검색에 베팅하는 이유가 DigUp의 스타 곡선에 그대로 보인다. 사용자는 자기 파일을 클라우드에 올리고 싶어 하지 않는다. 이 앱은 멀티모달 임베딩 모델이 가벼워지면(740M) 데스크톱 의미 검색이 실용해진다는 걸 실증한 첫 케이스다. 같은 아키텍처를 모바일 개인 지식 베이스로 가져오면, 기기 안의 모든 콘텐츠가 검색 가능한 개인 메모리가 된다 (이슈 배경).

실무 체크리스트

원문 이슈

이 글은 ax-trend 이슈 #3382를 바탕으로 작성됐다. 핵심 링크: ARahim3/DigUp (GitHub, 2026-10-08 생성, MIT).

멀티모달온디바이스AX Trend