开源了一个月入 3k 的产品：「寻隐/Queryable」

有点标题党，这个产品叫「寻隐」(英文版叫 Queryable)，之前在 V 站推广过: t/905377, 因此这里不再赘述它的功能了，简单来说，它是一个离线的自然语言相册搜索工具，你可以用「一只狗在玩滑梯」来搜索你的 iPhone 相册，而不是搜单纯的“狗”，并且不联网。

昨天我把这个产品免费&开源了：App Store | Github | 网站

动机

「将 CLIP 模型部署在手机上，用自然语言搜相册」这个 idea 源自于 2022 年 9 月，直到去年 12 月我才有空闲和能力完成，在今年的 2 月 7 日上了Hacker News 首页，让 Queryable 在当天占领了全部欧洲国家工具榜#1 ，美国工具榜#2 。

后续国内的果壳、差评、少数派的自来水曝光，让我从 1-3 月几乎每个月可以获得 1-2 万块的收入。因为运行在手机端，在不想添加新功能的情况下，也不需要维护和服务器成本。从 4 月份起，没有任何流量曝光、不做任何更新的情形下，平均每月大概可以获得 3000 元的收入。

我在前天限时免费了一次，很惊讶有很多人下载。我想，与其维持这样每月 3000 块的收入，可能阻止了 99%的人发现这个产品(用户数决定了关键词排序)，不如让所有人都可以使用它，因此产生了「让它一直免费的念头」。

在昨天，我决定这么做了。

想起来过去半年，一直有用户对寻隐/Queryable 的相册隐私安全提出疑虑，很多美国人也天然反感中国开发者的产品，而另一些开发者也常常发邮件询问我技术方案。既然决定让产品免费，不如也一起开源了：你可以从了解如何做 LLM 模型的本地加载、向量计算、存储和排序。

因为我需要生存。当时刚从之前的工作离开，我需要新的收入维持生计，并且缓解焦虑。现在，我有了新的收入(虽然不多)，焦虑感也降低了很多，因此才下定决心，帮助他人的想法战胜了对收入的依赖。

项目的协议是MIT，所以将这个 repo 用于商业产品使用是完全可行的，但是我不建议你换个 icon 上架 App Store ，或者类似的恶性竞争，你可以试试开发自己的 Android 版本。

我并非 iOS 工程师，所以代码里 Swift 的部分非常的烂，但你可以参考其中关于模型的部分。我希望它能帮你实现本地向量存储、搜索，这样对于短文本构建向量，可能也不需要 OpenAI Embedding API 了。如果你有想实现的功能，非常欢迎贡献 PR 。

另外，中文模型的训练使用了一些非公开语料，所以抱歉目前只公开了英文模型权重。