Instant Search 基于嵌入模型的本地AI文件搜索工具，面向Mac用户精准定位文件与页码，提升检索效率。 热门评论 PH 用户Hi PH！Instant Search 是首个精准的本地 AI 文件搜索，使用 Perplexity 最新的 embedding 模型，以 95% 的命中率找到包含你要找内容的准确文件（和页码）。搜索一直不太好用，尤其是本地文件。现在，你可以在几秒钟内找到合适的图片、文档或 Obsidian 文件。找驾照？输入“driver’s license”就行。找某条笔记？描述一下上下文就行。为什么不用 Finder/Spotlight？Spotlight 只是关键词搜索，不理解文件内容。Instant 能在不到一秒内找到你描述的那个文件。为什么不用 RAG？传统 RAG 模型给整段文本只生成一个 embedding vector。这意味着要么 vector 不够细，给不出准确的语义表示；要么太精确，没包含足够的周围上下文。Instant 则依靠一个表现稳定的双向 late-interaction embedding model 绕开这些问题。建立索引需要多少空间？一般内容库占不到 1GB 磁盘空间。去看看，分享给朋友，也告诉我你的反馈！ 热门产品Dmitry Dolgopolov2026-10-23原文 打开互动版
Instant Search 是首个精准的本地 AI 文件搜索，使用 Perplexity 最新的 embedding 模型，以 95% 的命中率找到包含你要找内容的准确文件（和页码）。
搜索一直不太好用，尤其是本地文件。现在，你可以在几秒钟内找到合适的图片、文档或 Obsidian 文件。找驾照？输入“driver’s license”就行。找某条笔记？描述一下上下文就行。
为什么不用 Finder/Spotlight？
Spotlight 只是关键词搜索，不理解文件内容。Instant 能在不到一秒内找到你描述的那个文件。
为什么不用 RAG？
传统 RAG 模型给整段文本只生成一个 embedding vector。这意味着要么 vector 不够细，给不出准确的语义表示；要么太精确，没包含足够的周围上下文。Instant 则依靠一个表现稳定的双向 late-interaction embedding model 绕开这些问题。
建立索引需要多少空间？
一般内容库占不到 1GB 磁盘空间。
去看看，分享给朋友，也告诉我你的反馈！