ARTICLE · 1041455
NAS里的照片别只备份:7步让AI找回那张记不得日期的照片
NAS里的照片别只备份:7步让AI找回那张记不得日期的照片AI前哨局 · 家庭AI实用系列 NAS里有几万张照片，却找不到那张“孩子站在海边，穿着红衣服”的照片。 你记得画面，不记得日期。翻时间线靠运气，搜文件名只能得到一堆IMG。 这时候，AI最有用的工作不是替你生成一张新的，而是从已有照片里，把你想找的那张翻出来。 这次用开源相册Immich做一条具体路径。先看实际结果，再决定值不值得在自己的设备上装。 本文于9月17日在Immich官方公开演示库测试搜索，页面显示版本v3.2.2。截图来自真实操作，不是生成的界面。 没有把私人照片上传演示站，也没有在作者自己的NAS上跑完整部署。下面的安装部分依据官方文档，设备性能、导入耗时、私人图库命中率不能由演示结果推算。 输入中文“海滩”，可见结果中出现了海岸、沙滩和海边活动照片。 
图：官方演示库实测。它证明这次查询能返回相关画面，不代表每张都精准，也不代表所有默认配置都支持同样的中文效果。 准备一个测试文件夹，只放照片副本。建议选海边、厨房、车站、生日等几组，同时放入几张很像但不是目标的照片。 例如，目标是“海边的红衣服”，干扰项就是“室内红衣服”和“海边蓝衣服”。如果系统只是认出红色，你会马上发现。 另外写一张答案表：照片文件名、画面要点、你准备用什么词找它。这张表必须在搜索前写，别看到结果以后修改标准。 先知道正确答案，才能测试AI有没有找对。 原图继续保留在原来的备份体系中。安装相册，不等于完成备份，更不意味着可以清空手机。 Immich当前官方要求最低6GB内存、建议8GB，至少两核、推荐四核，并推荐Linux环境。这里说的是部署条件，不是“给一台旧NAS留2GB就一定能顺畅运行”。 先查看NAS是否支持容器，以及除了文件服务之外还剩多少内存。条件不合适，就先体验演示站，别为了试搜索贸然换设备。 如果原本已经使用厂商相册，也先测试其现有搜索功能。能满足需求，就没必要为了“开源”再维护一套系统。 另一个容易忽略的区别：照片存储与数据库存储不是一回事。数据库目录不能放网络共享，官方建议使用本地SSD。不要把所有路径都指向同一个SMB目录。 在支持Docker Compose的Linux主机或NAS容器环境中，建立独立的immich-app目录。从Immich官方安装页下载docker-compose.yml和example.env，把后者改名为.env。 编辑三个位置：UPLOAD_LOCATION指向新的照片存储目录；DB_DATA_LOCATION指向本机数据库目录；DB_PASSWORD改为自己生成的强密码，按官方要求使用字母和数字。 进入该目录后启动： 在局域网内打开该主机的2283端口，完成首次账号设置。此时只上传前面准备的20张副本，不要立即开启全量手机备份。 验收点不是“容器列表变绿”，而是能登录、能看到测试照片、打开原图正常。做不到这三件事，先处理日志里的错误。 中文界面，不等于搜索模型擅长中文。 官方设置入口是Administration → Settings → Machine Learning Settings → Smart Search。中文需求应选择官方列表中的多语言模型，并留意模型要求的语言设置。 换模型以后，需要在任务页重新运行全部Smart Search任务。改完模型马上搜，得到的不是一个公平的测试结果。 不用一上来挑最大的模型。先让20张照片完成索引，记录有没有失败任务，再考虑整库。模型更大可能意味着更慢、占用更多内存，并不自动解决拍摄模糊或描述含混。 这次在演示库分别输入了“beach”和“海滩”。两者都出现相关画面，但可见结果的排序和照片组合不同。 
图：同一演示库的英文查询。不要把中英文结果不同，直接理解成某一语言完全不能用。 轮到自己的图库，可以依次试“海滩”“海边的人”“穿红衣服站在海边的人”。每次只增加一个条件，看目标有没有更靠前。 如果知道大致年份或相册，就加日期、相册过滤。能用确定条件缩小范围时，不必全部交给AI猜。 别写“那年让我很感动的旅行”。照片能显示沙滩和衣服，未必能告诉系统你当时的心情，更不知道“那年”指哪一年。 我又输入了一个不正常的组合：“紫色宇宙飞船停在厨房”。 系统没有给出空结果。可见结果包含厨房场景、火箭形状的物体等，却没有满足完整描述的画面。 
图：真实反例。页面能返回图片，不等于图库里真的存在你描述的事物。 语义搜索是在找相似，不是在出具存在证明。这也是为什么我不建议把“AI找到20张”当作成功指标。 在自己的20张样本上，记录三件事：目标是否出现在前10张；是否混入明显错误的照片；根本没有目标时，它是否仍给出貌似相关的结果。 这次只有少量定性查询，没有人工标注完整图库，因此不报一个看起来漂亮的“准确率”。 找到目标后，打开原图核对时间、人物和画面。缩略图相似，不代表是同一张。 给家人设置独立账号，确认他们能看到哪些照片，再开启更多相册的备份。公开演示账号绝不能照搬为自己的管理员密码。 全量导入前再做一次恢复检查：原始照片是否还有独立副本，数据库有没有备份，应用出问题后是否仍能拿到文件。不要只有一个正在运行的相册。 我的判断很简单：如果20张已知答案的照片都找不稳，先调整语言、索引和描述，别急着导入两万张。 如果它已经能把过去要翻十分钟的照片缩小到一屏候选，哪怕最后仍由你确认，也已经有价值。 家庭AI不必什么都懂。先把你明明存过、却再也找不到的东西找回来，就值得留下。 你家最难找的是旅行照片、孩子照片，还是聊天里存下来的截图？
先说清楚：这次到底测了什么
第一步：先选20张，不要直接搬整个相册
第二步：确认机器能跑，再谈模型
第三步：用独立目录安装，不碰原相册
docker compose up -ddocker compose ps第四步：选对搜索语言，等索引做完
第五步：同一个意思，换两种说法
第六步：故意搜一次不该有的东西