SCM 是一个在 macOS 上对照片和视频进行本地 AI 搜索的工具，当前版本为 0.2.4。它通过视觉模型对每张照片和视频的每一帧建立索引，用户可以用自然语言描述查找内容，所有处理在本地完成，不需要账号、云端或上传。
技术实现机制
SCM 使用 ONNX Runtime 运行视觉模型，默认模型是 CLIP ViT-L/14@336，权重文件大小 435 MB。用户可以切换其他三个模型：SigLIP-2-B/16（412 MB）、SigLIP-2-L/16@256（850 MB）和 SigLIP-B/16@384（214 MB）。这些模型将图像和文本映射到同一向量空间，使得自然语言查询能够匹配视觉内容。
对于视频，SCM 在三个位置（20%、50%、80%）提取帧并平均其嵌入向量，生成整个视频的表示。语音转文字功能由 Whisper 模型提供，默认使用 tiny.en 版本（150 MB），也可选择 base.en（300 MB）。OCR 功能的默认语言包大小为 17 MB。
此外，SCM 集成了大语言模型用于更复杂的查询理解，默认使用 Qwen3 1.7B（1.1 GB），也可切换到 Llama 3.2 3B（2 GB）。所有内容通过 SHA-256 哈希去重。
系统要求与技术栈
SCM 要求 Apple Silicon 芯片和 macOS 12 及以上版本。项目使用 Electron 打包，Bun 作为包管理器和运行器，React 作为渲染器。开发者明确表示不包含遥测、账号或上传功能。
本地优先的权衡
本地运行意味着用户保留数据完全控制权，但代价是需要下载多个 GB 的模型文件，且索引和搜索性能受限于设备算力。对于大型照片库，初次索引可能需要较长时间。从技术选择看，SCM 优先考虑隐私和离线可用性，而非云端方案的便利性和跨设备同步能力。
目前尚无关于索引速度、搜索准确率或与系统自带 Spotlight 搜索对比的公开数据。
