docs: add emoji

README.md

@@ -12,13 +12,13 @@ This project draws heavily from two other projects: one called [Rewind](https://
 
 ## Features
 
-- Simple installation: just install dependencies via pip to get started
-- Complete data control: all data is stored locally, allowing for full local operation and self-managed data processing
-- Full-text and vector search support
-- Integrates with Ollama, using it as the machine learning engine for Memos
-- Compatible with any OpenAI API models (e.g., OpenAI, Azure OpenAI, vLLM, etc.)
-- Supports Mac and Windows (Linux support is in development)
-- Extensible functionality through plugins
+- 🚀 Simple installation: just install dependencies via pip to get started
+- 🔒 Complete data control: all data is stored locally, allowing for full local operation and self-managed data processing
+- 🔍 Full-text and vector search support
+- 🤖 Integrates with Ollama, using it as the machine learning engine for Memos
+- 🌐 Compatible with any OpenAI API models (e.g., OpenAI, Azure OpenAI, vLLM, etc.)
+- 💻 Supports Mac and Windows (Linux support is in development)
+- 🔌 Extensible functionality through plugins
 
 ## Quick Start
 

README_ZH.md

@@ -12,13 +12,13 @@ Memos 是一个专注于隐私的被动记录项目。它可以自动记录屏
 
 ## 功能特性
 
-- 安装简单，只需要通过 pip 安装依赖就可以开始使用了
-- 数据全掌控，所有数据都存储在本地，可以完全本地化运行，数据处理完全由自己控制
-- 支持全文检索和向量检索
-- 支持和 Ollama 一起工作，让 Ollama 作为 Memos 的机器学习引擎
-- 支持任何 OpenAI API 兼容的模型（比如 OpenAI, Azure OpenAI，vLLM 等）
-- 支持 Mac 和 Windows 系统（Linux 支持正在开发中）
-- 支持通过插件扩展出更多数据处理能力
+- 🚀 安装简单，只需要通过 pip 安装依赖就可以开始使用了
+- 🔒 数据全掌控，所有数据都存储在本地，可以完全本地化运行，数据处理完全由自己控制
+- 🔍 支持全文检索和向量检索
+- 🤖 支持和 Ollama 一起工作，让 Ollama 作为 Memos 的机器学习引擎
+- 🌐 支持任何 OpenAI API 兼容的模型（比如 OpenAI, Azure OpenAI，vLLM 等）
+- 💻 支持 Mac 和 Windows 系统（Linux 支持正在开发中）
+- 🔌 支持通过插件扩展出更多数据处理能力
 
 ## 快速开始
 
@@ -97,7 +97,7 @@ ollama run minicpm-v "描述一下这是什么服务"
 
 这条命令会下载并运行 minicpm-v 模型，如果发现运行速度太慢的话，不推荐使用这部分功能。
 
-1. **配置 Memos 使用 Ollama**
+3. **配置 Memos 使用 Ollama**
 
 使用你喜欢的文本编辑器打开 `~/.memos/config.yaml` 文件，并修改 `vlm` 配置：
 
@@ -141,7 +141,7 @@ memos start
 
 ### 全量索引
 
-Memos 是一个计算密集型的应用，Memos 的索引过程会需要 OCR、VLM 以及词向量模型协同工作。为了尽量减少对用户电脑的影响，Memos 会计算每个截图的平均处理时间，并依据这个时间来调整索引的频率。因此，默认情况下并不是所有的截图都会被立即索引。
+Memos 是一个计算密集型的应用，Memos 的索引过程会需要 OCR、VLM 以及嵌入模型协同工作。为了尽量减少对用户电脑的影响，Memos 会计算每个截图的平均处理时间，并依据这个时间来调整索引的频率。因此，默认情况下并不是所有的截图都会被立即索引。
 
 如果希望对所有截图进行索引，可以使用以下命令进行全量索引：
 
@@ -160,7 +160,7 @@ Memos 的优势在于：
 1. 代码完全开源，并且是易于理解的 Python 代码，任何人都可以审查代码，确保没有后门。
 2. 数据完全本地化，所有数据都存储在本地，数据处理完全由用户控制，数据将被存储在用户的 `~/.memos` 目录中。
 3. 易于卸载，如果不再使用 Memos，通过 `memos stop && memos disable` 即可关闭程序，然后通过 `pip uninstall memos` 即可卸载，最后删除 `~/.memos` 目录即可清理所有的数据库和截图数据。
-4. 数据处理完全由用户控制，Memos 是一个独立项目，所使用的机器学习模型（包括 VLM 以及词向量模型）都由用户自己选择，并且由于 Memos 的运作模式，使用较小的模型也可以达到不错的效果。
+4. 数据处理完全由用户控制，Memos 是一个独立项目，所使用的机器学习模型（包括 VLM 以及嵌入模型）都由用户自己选择，并且由于 Memos 的运作模式，使用较小的模型也可以达到不错的效果。
 
 当然 Memos 肯定在隐私方面依然有可以改进的地方，欢迎大家贡献代码，一起让 Memos 变得更好。
 
@@ -189,12 +189,12 @@ Memos 每 5 秒会记录一次屏幕，并将原始截图保存到 `~/.memos/scr
 Memos 默认需要两个计算密集型的任务：
 
 - 一个是 OCR 任务，用于提取截图中的文字
-- 一个是词向量索引任务，用于提取语义信息构建向量索引
+- 一个是嵌入任务，用于提取语义信息构建向量索引
 
 #### 资源使用情况
 
 - **OCR 任务**：使用 CPU 执行，并根据不同操作系统优化选择 OCR 引擎，以最小化 CPU 占用
-- **词向量索引**：智能选择计算设备
+- **嵌入任务**：智能选择计算设备
 
   - NVIDIA GPU 设备优先使用 GPU
   - Mac 设备优先使用 Metal GPU