ای کاش اپل این ابزار را برای مک می ساخت، بهتر از Spotlight است و باید آن را امتحان کنید

یکی از بزرگ‌ترین به‌روزرسانی‌هایی که با macOS Tahoe ارائه شد، Spotlight توربوشارژ بود. اپل تعدادی از باگ ها را برطرف کرد و ویژگی های جدیدی را اضافه کرد که برای کاربران قدرتمند جذاب خواهد بود. البته «شرلوکینگ» همیشگی اتفاق افتاد. اما همه تغییرات مورد استقبال قرار نگرفتند.

به عنوان مثال، نابودی LaunchPad کلاسیک انتقادات زیادی را به دنبال داشت و تعداد زیادی از برنامه ها را ایجاد کرد که این تجربه را به شما بازگرداند. به همین ترتیب، ساخت‌های Spotlight نیز به شدت از ابزارهای بهره‌وری مانند Raycast وام گرفته‌اند و به اندازه جایگزین‌های شخص ثالث مورد تحسین قرار نگرفته‌اند.

من شخصاً تجربه جدید Spotlight را کمی ضعیف و در عین حال از نظر عملکردی توخالی می دانم. اینجاست که Vector وارد عمل می شود. این یک جایگزین مینیمالیستی Spotlight است که توسط Ethan Lipnick – مهندس سابق اپل – توسعه یافته است و برخی از امکانات بسیار جالب مبتنی بر هوش مصنوعی را ارائه می دهد.

وکتور چه کاری انجام می دهد؟

در اساسی ترین سطح خود، Vector می خواهد نقش گسترده Spotlight را جایگزین کند. درست مانند Spotlight، به عنوان یک نماد برنامه اختصاصی در داک زندگی می‌کند، اما می‌توانید از نوار منو نیز به آن دسترسی داشته باشید تا شلوغی داک را کاهش دهید. پس چه کاری می تواند انجام دهد؟

راه اندازی یک برنامه، برای شروع. اما به جای باز کردن کل پنجره Spotlight که مرکز صفحه را اشغال می کند، می توانید Vector را از هر گوشه ای از صفحه اجرا کنید تا همه چیز را مرتب و از نظر بصری محجوب نگه دارید.

در مورد انعطاف پذیری، می توانید میانبرهای صفحه کلید سفارشی را برای نمایش پانل اصلی، حالت کلیپ بورد یا انتخابگر شکلک اختصاص دهید. به همین ترتیب، می‌توانید راحت‌ترین ترکیب صفحه کلید را برای راه‌اندازی جستجوی فایل یا مشاهده چت‌های خود در برنامه پیام‌های داخلی انتخاب کنید.

به اعتبار Vector، نه تنها بسیار جالب به نظر می رسد، بلکه طراحی تمیز و انیمیشن جذاب آن را شبیه به طراحی اپل می کند. در واقع سریع‌تر از تعامل با Spotlight است، و عملکرد جستجوی آن نیز تقریباً به همان سرعتی است که با Spotlight دریافت می‌کنید.

من متوجه شده ام که سیستم جستجوی معنایی (به ویژه برای فایل های ذخیره شده در سیستم شما) نتایج سریع تری می دهد. تنها نکته این است که وقتی فایلی را در پنجره جستجوی برداری جستجو می کنید، پیش نمایشی را مشاهده نمی کنید.

بنابراین اگر مجموعه ای از فایل ها را با نام هایی مانند ABC-1 و ABC-2 ذخیره کرده اید، اساساً در یک نقطه کور هستید. مشکل کوچک دیگر عملکرد جستجو است. به طور پیش فرض، Vector یک مدل هوش مصنوعی محلی را اجرا می کند که تنها 64 مگابایت حجم دارد. با این حال، عملکرد جستجوی آن به خوبی Spotlight نیست.

به عنوان مثال، وقتی شماره پرواز را در کادر جستجو تایپ کردم، Spotlight به طور خودکار کارت پروازی را که شماره روی آن چاپ شده بود، ظاهر شد، اما Vector ناموفق بود. اگر می خواهید نتیجه جستجوی معنایی بهتری داشته باشید، باید مدل قدرتمندتر BGE-M3 را دانلود کنید که 1.1 گیگابایت فضا اشغال می کند.

تعداد زیادی ضربه، تعداد کمی از دست دادن

روند نمایه سازی کاملا مبهم است، اگرچه به نظر می رسد با فایل های ذخیره شده در سیستم به خوبی کار می کند. برای مثال، نمی‌توانم به آخرین چت‌هایم با دوستان و اعضای خانواده در همان تاریخ اشاره کنم. اما پیام‌ها و کدهای سرویس تصادفی هنگام جستجو در فهرست پیام‌ها، نتیجه معتبری را نشان دادند.

درک معنایی نیز ضربه می خورد یا از دست می رود. به عنوان مثال، هنگامی که من برای “تعریف کاتارسیس” جستجو می کنم، نتایجی را از برنامه دیکشنری و ویکی پدیا دریافت می کنم. با این حال، وقتی سعی می کنم محتوا را در فایل های PDF به صورت متنی جستجو کنم، Vector با شکست مواجه می شود.

با بازیابی اطلاعات پیش‌بینی از برنامه آب‌وهوا به خوبی کار می‌کرد، اما با بازیابی جزئیات از برنامه تقویم مشکل داشت، حتی زمانی که درخواست‌ها واضح بودند. یافتن رکوردهایی که باید به نمای Maps منتهی شود، تجربه کاملاً قابل اعتمادی بود، اما به محض اینکه به جستجوهای زبان طبیعی مانند “فاصله بین Umpling و Laitumkhrah” بپردازید، دچار لکنت می شوید.

وکتور برای پاسخگویی به سوالات شما در طیف گسترده ای از منابع فرو می رود. این لیست شامل همه چیز از تقویم و فرهنگ لغت گرفته تا مخاطبین، نقشه ها، آب و هوا، ویکی پدیا، برنامه ها، پیام ها، فایل ها و حتی شکلک است. می توانید نمایه سازی (و سیستم جستجوی معنایی) را برای هر برنامه کاربردی در Vector غیرفعال کنید. من این انعطاف پذیری را دوست دارم زیرا نه تنها کنترل حریم خصوصی را فراهم می کند بلکه بار پردازش را نیز کاهش می دهد.

از جنبه مثبت، من واقعاً سیستم کلیپ بورد را دوست دارم. وقتی آن را صدا می‌زنید، یک چرخ فلک کشویی از کارت‌ها دریافت می‌کنید که وقتی سر می‌خورید، نرمی به نظر می‌رسد. نکته دیگر این است که هر کارت همچنین برنامه ای را که محتوا از آن کپی شده است، همراه با تاریخ و/یا زمان تقریبی نشان می دهد.

Vector انعطاف پذیری زیادی را در نحوه تعامل شما با برنامه ارائه می دهد. شما می توانید آن را صرفاً به عنوان یک راه انداز برنامه کامل استفاده کنید، آن را به عنوان یک سیستم جستجوی معنایی در سراسر سیستم پیاده سازی کنید، یا به سادگی در کلیپ بوردهای داخلی آن جستجو کنید. همچنین می توانید بین شش موقعیتی که پنجره برداری باز می شود، انتخاب کنید.

من آن را در گوشه سمت راست پایین نگه داشتم، زیرا بسیار تمیز به نظر می رسد و نمای پنجره های برنامه پیش زمینه را مختل نمی کند. سیستم کلیپ بورد همچنین به شما امکان می دهد یک پروتکل حذف خودکار، از یک روز تا یک هفته یا ماه کامل را تنظیم کنید. همچنین می‌توانید بدون نگرانی در مورد امنیت، همه چیز را برای همیشه در فهرست کلیپ بورد نگه دارید زیرا تمام محتوای کپی و جای‌گذاری شده فقط در دستگاه پردازش و ذخیره می‌شود.

اتاق مطالعه (برای سیلیکون داخل)

من بارها نوشته ام که سیلیکون اپل در یک لیگ خاص خودش است. خواه مک باشد یا آیفون، تعادل انباشته عملکرد خام و کارایی مایل ها جلوتر است. اما علیرغم این برتری، اپل به شما اجازه نمی دهد که با خروجی عملکرد کمانچه بکنید.

در یک دستگاه ویندوز، ابزارهای بومی مانند Armory Create (در دستگاه‌های Asus ROG) و برنامه‌های شخص ثالث را دریافت می‌کنید که کنترل دقیقی را روی همه چیز از فرکانس GPU تا سرعت فن ارائه می‌دهند. حتی تلفن‌هایی مانند Red Magic 10S Pro و OnePlus 15 به شما امکان می‌دهند با تغییر تنظیمات از پیش تعیین شده عملکرد، از پتانسیل واقعی استفاده کنید.

Vector این وضعیت را برای مک شما به طور کامل برطرف نمی کند، اما در حالی که برنامه را اجرا می کنید، می توانید عملکرد آن را تغییر دهید. برای شروع، می توانید انتخاب کنید که عملکردهای مبتنی بر هوش مصنوعی را به صورت برداری تنها بر روی CPU اجرا کنید. اما اگر می‌خواهید عملکرد بهتری داشته باشید، می‌توانید CPU و GPU را ترکیب کنید یا CPU و تراشه عصبی (NPU) را برای خروجی سریع‌تر به هم فشار دهید.

و اگر نگران مصرف انرژی نیستید، این برنامه به شما اجازه می دهد تا حجم کاری را بین CPU، GPU و NPU به طور همزمان تقسیم کنید. پردازنده‌های سری M اپل با یک موتور عصبی نسبتاً قدرتمند عرضه می‌شوند، بنابراین بهترین ترکیب برای اجرای برداری، تقسیم بار بین CPU و NPU است.

اگر طعم قوی تری از سیلیکون دارید، مانند M4 Pro یا M4 Max – که هر دو دارای هسته های گرافیکی بیشتری هستند – ارزش آن را دارد که مشخصات عملکردی را انتخاب کنید که GPU را نیز در ترکیب قرار می دهد. بر اساس تراشه نصب شده در مک شما (و نوع عملکردی که دنبال می کنید)، می توانید چند اصلاح دیگر را انجام دهید.

برای شروع، می توانید بین مدل BGE-Small که تنها 64 مگابایت حجم دارد و به صورت پیش فرض اجرا می شود، یکی را انتخاب کنید. این برای جستجوی متنی در محفظه فایل‌ها و پیام‌های محلی بسیار قدرتمند است. با این حال، اگر می‌خواهید پاسخ‌های بهتر و پشتیبانی از زبان‌های بیشتری داشته باشید، مدل BGE-M3 بهترین گزینه است.

M3 در اینجا مخفف چند کارکردی، چند زبانه و چند دانه ای است که در مورد مزایای مدل کاملاً واضح است. این یکی بیش از 1 گیگابایت فضا اشغال می کند، اما در استخراج اطلاعات زمینه بسیار بهتر عمل می کند و از ورودی های طولانی تر به ارزش حدود شش هزار کلمه (8192 توکن) پشتیبانی می کند.

می‌توانید به‌طور جداگانه میزان ایندکس شدن محتوا را در برنامه Messages و Files Explorer تنظیم کنید. این برنامه کاملا آفلاین کار می کند، به این معنی که هیچ یک از داده های ذخیره شده در مک شما هرگز دستگاه را ترک نمی کند. اما اگر هنوز در مورد جنبه حریم خصوصی صحبت نمی کنید، می توانید به طور جداگانه نمایه سازی (و جستجوی معنایی) پیام ها و محفظه فایل را غیرفعال کنید.

از منظر عملکردی، Vector بسیار پاسخگو، به خوبی طراحی شده و به طور متفکرانه اجرا شده است. تنها حوزه ای که نیاز به بهبود دارد جستجو و درک معنایی است. این چیزی است که فراتر از محدوده توسعه دهنده است. و این چیزی است که می توان با تنظیم دقیق مدل هوش مصنوعی زیربنایی یا با استفاده از یک مدل هوش مصنوعی هوشمندتر برطرف کرد.

در حال حاضر نمی توانید مدل هوش مصنوعی مورد نظر خود را بارگیری کنید. من دوست دارم یکی از مدل های سری Gemma گوگل یا مدل های خانواده DeepSeek و Qwen را امتحان کنم. همچنین، پیاده‌سازی مدل‌های هوش مصنوعی خاص برای وظایف خاص شگفت‌انگیز خواهد بود. به عنوان مثال، جستجوی تصویر متنی برای بهترین نتایج به هوش مصنوعی چندوجهی نیاز دارد.

در حال حاضر مدل‌های متن باز بسیاری وجود دارد که می‌توانند این کار را انجام دهند. تجربه من از اجرای SMoL-VLM2 در آیفون 16 پرو برای شناسایی بصری (حتی از طریق قدرت دوربین) تجربه بسیار مفیدی بود. به طور کلی، اگر به دنبال یک جایگزین کم هزینه و کم نفوذ برای Spotlight هستید، Vector این شکاف را به خوبی پر می کند. این تنها توسط مغزهای اصلی هوش مصنوعی در چند زمینه ناامید می شود.