本地 AI 让 Linux 用户告别文件名搜索 — 但距离主流工具还差几步

这是什么

在 i5 + Iris Xe 的普通笔记本上跑出 95% 准确率、0.17 秒响应——开发者 pdstn12 开源的 Recall 是一款彻底抛开文件名匹配的本地文件搜索工具。核心思路：把 PDF、Office、扫描件、截图、音频、视频帧全部转成「向量」（一种让机器理解语义的数字表达），统一索引。问「什么时候决定冻结招聘」，直接定位到录音那一秒。

模型用 Google 的 EmbeddingGemma 2，通过 llama.cpp（在本地跑 AI 模型的工具）跑在用户机器上，CUDA、Vulkan、CPU 都能用，下载完模型后不再联网。OCR 用国产 PaddleOCR，Rust 引擎、GTK 4 界面，MIT 协议免费。

行业怎么看

支持者认为这是「本地 AI」的正确方向——数据不出机器、响应毫秒级、不被大厂绑架，特别适合律师、医生、记者这类对隐私敏感的职业。

反对声音也很明确。第一，EmbeddingGemma 2 是 Google 的模型，下载之后确实离线，但模型本身的训练数据、偏见、安全审核全都不可控，「本地」不等于「自主」。第二，目前缺音频转写、缺安装包、Wayland 旧桌面下快捷键也没做，对非技术用户几乎「不存在」。第三，95% 准确率听起来不低，但搜索错一次就可能错失关键文件，这个标准在严肃场景还不够硬。

对普通人的影响

对企业 IT：团队里如果有 Linux 重度用户或处理大量扫描件、法务文档的人，值得评估能否内网部署，但目前需要专人维护。

对个人职场：现阶段更像极客玩具，普通上班族等 macOS 或 Windows 上出现对标产品再关注更现实。

对消费市场：「让 AI 翻旧硬盘」是真实需求，但目前还没有跨平台、开箱即用的赢家出现。