GitHub-радар
Поиск по смыслу в заметках, картинках и аудио — прямо на компьютере
EmbeddingGemma 2 — открытая модель от Google DeepMind, которая переводит текст, картинки, видео и звук в единое пространство смысла. С её помощью агент может искать у тебя файлы по смыслу, а не по точным словам.
EmbeddingGemma 2 — модель от Google DeepMind, подразделения Google по исследованиям ИИ. Она не отвечает на вопросы, как чат-бот. Она превращает текст, картинки, видео и звук в числа — эмбеддинг, который показывает, насколько вещи похожи по смыслу.
Когда пригодится
Пригодится, если агент строит у тебя поиск по смыслу в заметках, файлах или базе поддержки, без отправки файлов в облачный сервис. Не подойдёт как готовый поисковый продукт — это один из кирпичиков, нужно ещё хранилище для получившихся векторов.
Плюсы
- Понимает больше 100 языков
- Ищет не только по тексту, но и по картинкам, видео и звуку
- Поиск по коду стал точнее на 14%
- Работает на обычном ноутбуке с 8 ГБ памяти
Минусы
- Это не готовая база данных, а только часть системы поиска
- Маленькая модель, не рассчитана на серверные нагрузки
Как поставить — по шагам
- 1Открой агента (Claude Code, Codex) в папке со своими заметками или файлами.
- 2Отправь агенту текст из блока ниже.
- 3Дай агенту доступ к папке, которую нужно проиндексировать.
- 4Проверь, что агент установил модель и запустил тестовый поиск.
- 5Сравни результат с обычным поиском по словам — посмотри, находит ли он похожие по смыслу файлы.
Текст для агента
Текст для шага с агентом — скопируй и отправь (Claude Code, Codex, любой):
Поставь мне модель EmbeddingGemma 2 от Google локально: https://huggingface.co/google/embeddinggemma-2 — настрой через неё локальный поиск по смыслу в папке с моими заметками или документами и покажи, как это работает.
Обычный ноутбук от 8 ГБ оперативки — модель компактная, в сжатом виде весит около 0.4 ГБ.
Открыть на Hugging Face▌ Ещё находки