anygrep 发布：在 CPU 上对笔记、PDF 和图片做语义搜索

anygrep 从终端按语义搜索你的笔记、PDF 和截图。它在 CPU 上运行一个模型 (EmbeddingGemma 2，int8 ONNX)，并维护一个本地索引。

演示搜索的是一个已建立索引的文件夹，模型加载的等待时间被加速了。

安装

pipx install anygrep        # or: uv tool install anygrep
uvx anygrep "when is the tax return due" ~/notes   # or try it without installing

需要 Python 3.10+。已在 Linux 上测试；CI 也会在 Windows 和 macOS（Apple 芯片）上运行测试。模型在首次使用时下载：约 350 MB，索引图像后再增加 200 MB。关于 Intel Mac、Windows on ARM 和卸载，请参见 docs/usage.md。

用法

anygrep "wifi password reset"                 # search here (new files are indexed first)
anygrep "when is the tax return due" ~/notes  # search one folder
anygrep --image whiteboard.jpg ~/Screenshots  # find similar pictures
anygrep -l "invoice from acme"                # file names only; piped output is path:line:text
anygrep -Q ~/notes                            # interactive: the model stays loaded
anygrep index --background ~/Pictures         # big folder: index in a low-priority process

结果最多为 10 个文件，按语义最接近排序（-m N 查看更多），并非所有匹配；查询不是正则表达式。如果文件的文本或名称按原样包含 3 个或更多字符的查询（例如发票号、错误代码），该文件会排在最前，并标记为 (exact)；出现在许多文件中的词不会因此被提升（详情）。查询和文档可以使用不同语言。弱匹配会被隐藏（--weak 显示它们），近似重复的文件只显示一次。参见 anygrep -h 和 docs/usage.md。

在终端中，大文件夹里的首次搜索会先索引新文件，并显示进度条；按 Ctrl-C 会保留已完成的部分，下次运行会继续。index --background 会在你工作时进行（你的主文件夹永远不会被自动索引，所以要指定其中的一个文件夹）。在脚本或 cron 任务中，搜索仅当索引新文件耗时约 30 秒以内时才会进行；对于大文件夹，请事先运行 anygrep index（详情）。

它会读取文本文件（.md .txt .html 及更多）、PDF 的文本层，以及 .jpg .png .webp .bmp .gif 图像。隐藏、被忽略和二进制文件会被跳过。

从 Python 使用

import anygrep

with anygrep.Index() as idx:  # the index the command uses
    idx.update("~/notes")  # index new and changed files
    for hit in idx.search("when is the tax return due", k=5):
        print(hit.score, hit.path, hit.snippet)

在你的项目环境中用 pip 安装。它使用与命令行相同的索引、评分和过滤，并且不打印任何内容。API 在 1.0 之前可能变化；参见 docs/python-api.md。

性能

在 Ryzen 7 7700 上使用默认的 8 线程，文本索引速度约为 1,100 tokens/s，一张图像约需 1.2 秒。搜索命令约需 1.5 秒，主要是加载模型。更多内容见 docs/benchmarks.md。

另请参见工作原理、相关性和与其他工具的对比。

限制

没有 OCR：图像中的小字常被遗漏，扫描版 PDF 会被跳过。
尚不支持音频、视频或 Office 文档（anygrep 会说明跳过了多少 Office 文件），也不支持文件监视（从 cron 运行 anygrep index）。

许可证

MIT。模型单独下载： Google 的 EmbeddingGemma 2 的 int8 ONNX 转换版，以 Apache License 2.0 发布（其模型卡还指向 Gemma 禁止使用政策）。anygrep 与 Google 无关联。