Show HN: Omni – 面向 macOS 的本地优先多模态文件搜索
一句话看懂：一位开发者发布了 Omni，这是一款 macOS 应用，能将用户电脑上的文本、代码、PDF、图片、音频和视频文件统一嵌入到一个向量空间中，实现原生语义搜索，所有索引和查询均在本地设备上完成，无需联网。
事件核心：发生了什么
该项目由 hanxiao.io 发布，当前版本为 v0.1.5，支持 Apple Silicon 芯片和 macOS 14+ 系统。Omni 的核心技术是在本地运行一个名为 jina-embeddings-v5-omni 的多模态嵌入模型（通过 MLX-Swift 端口实现），该模型在首次下载后即可完全离线工作。用户可以对文件进行语义搜索，例如用英文查询“Porsche 911”可以匹配到相关的图片、文本描述、音频片段甚至视频文件。此外，Omni 还内置了一个本地搜索端点（loopback-only 且带 Token 保护），可为 Hermes、OpenClaw 等本地 AI Agent 提供文件搜索服务，并支持通过 OpenAI、Jina、Cohere 和 Gemini 兼容的 API 接口输出原始向量数据。
为什么重要
Omni 的意义在于它将多模态语义搜索的能力下放到了个人电脑本地，且实现了跨文件类型、跨语言的统一检索。这直接挑战了当前依赖云端算力的文件搜索范式，尤其对隐私敏感度高的用户（如法律、医疗、研究机构）提供了可行的替代方案。同时，它展示了将大模型推理（嵌入）过程完全在 Apple Silicon 的 GPU 上运行的技术可行性，为开发者提供了“零网络、零账户”的本地 AI 基础设施参考。其暴露的 API 接口也暗示了未来本地 Agent 生态中“文件理解与检索”环节可以完全脱离云端依赖。
对用户/开发者/创作者的影响
对普通用户，Omni 提供了一种超越文件名和全文关键词的搜索体验，可以像使用现代搜索引擎一样，通过语义或概念来查找本地文档、截图、录音等。对开发者和 AI 应用构建者，它是一个可嵌入的本地语义检索后端，其向量输出兼容主流 API 格式，降低了构建本地 RAG（检索增强生成）应用的难度。对内容创作者，它能在一个查询下同时找到所有相关素材（文字草稿、配图、视频片段），而无需记住文件类型或存放路径。不过，目前应用仅支持 macOS 14+ 和 Apple Silicon，且需要用户下载约 2-3GB 的嵌入模型，硬件门槛较高。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，产品仍处于 v0.1.5 预览阶段，索引速度和嵌入模型精度在真实用户的大规模文件库中的表现尚待验证。第二，Omni 作为个人本地搜索工具，其商业化路径目前不明确，是否会有收费计划或企业版值得观察。第三，这一本地多模态搜索方案是否会催生其他系统平台（如 Windows、Linux）的类似开源项目，将考验 jina-embeddings-v5-omni 模型的跨平台适配性和社区生态建设。第四，Apple 是否会基于自身 Core ML 或 MLX 技术栈推出同类官方功能，将决定 Omni 能否持续吸引用户。
来源：hanxiao.io
