name: image-search description: 本地圖片語義搜尋工具，基於 CLIP 模型實現中英文圖片內容的語義理解檢索，類似小米相簿 AI 搜尋功能。使用場景：(1) 使用者想用自然語言搜尋本地圖片 (2) 使用者需要搜尋中文關鍵詞相關的圖片 (3) 使用者提到"搜圖片"、"找圖片"、"圖片搜尋"、"AI相簿"等關鍵詞

本地圖片語義搜尋工具

基於 CLIP 模型的全盤中英文圖片語義搜尋工具，支援中文關鍵詞檢索。

專案結構

image-search/
├── SKILL.md              # 本說明檔案
├── requirements.txt      # Python 依賴
└── scripts/
    ├── scan.py           # 首次全量建庫（約2小時）
    ├── update.py         # 增量更新（只處理新增圖片）
    ├── search.py         # 搜尋圖片
    └── config.py         # 配置檔案

快速開始

第一步：安裝依賴

pip install -r requirements.txt

注意：首次執行會自動下載 CLIP 模型（約 400MB），請確保網路暢通。模型會快取到 ~/.cache/huggingface/。

第二步：首次建庫（只需一次）

python scripts/scan.py

• 掃描 C:\ D:\ E:\ F:\ 四個磁碟機代號的所有圖片
• 提取圖片特徵並建立向量索引
• 耗時約 2 小時（取決於圖片數量）
• 完成後索引儲存在 image_db/ 目錄

第三步：搜尋圖片

python scripts/search.py 關鍵詞

支援中英文關鍵詞，例如：

python scripts/search.py 塔
python scripts/search.py 貓
python scripts/search.py sunset
python scripts/search.py 建築 紅色

搜尋結果儲存到桌面 搜尋結果_關鍵詞.txt，包含圖片路徑和相似度分數。

增量更新（後續使用）

每次新增圖片後，執行增量更新：

python scripts/update.py

• 自動掃描四個磁碟機代號
• 找出新增圖片（不在索引中的）
• 只對新圖片提取特徵，幾分鐘完成
• 追加到現有索引

工作原理

1. 特徵提取：使用 OFA-Sys/chinese-clip-vit-base-patch16 模型將圖片轉換為 512 維向量
2. 向量儲存：使用 FAISS 向量資料庫儲存和檢索
3. 語義搜尋：將搜尋詞轉換為向量，在向量空間中找最相似的圖片

配置修改

編輯 scripts/config.py：

SCAN_ROOTS = ["C:\\", "D:\\", "E:\\", "F:\\"]  # 掃描的根目錄
EXCLUDE_DIRS = ["$RECYCLE.BIN", "System Volume Information", ".cache"]  # 排除的目錄
IMAGE_EXTENSIONS = {".jpg", ".jpeg", ".png", ".gif", ".bmp", ".webp"}  # 支援的圖片格式
MODEL_NAME = "OFA-Sys/chinese-clip-vit-base-patch16"  # CLIP 模型
BATCH_SIZE = 16  # 批處理大小，記憶體不足可調小

硬體要求

• CPU: i5-4590（已驗證可用）
• 記憶體: 建議 8GB 以上
• 顯示卡: 可用 GPU 加速（如 GTX 750 Ti），不用也能跑
• 硬碟: 需要約 1GB 空間儲存索引

常見問題

Q: 記憶體不足怎麼辦？ A: 減小 config.py 中的 BATCH_SIZE（如改為 4 或 8）

Q: 模型下載失敗？ A: 國內網路可能需要設定映象源：

set HF_ENDPOINT=https://hf-mirror.com
本技能來自小蔥技能站7w4.net。

Q: 如何完全重建索引？ A: 刪除 image_db/ 目錄，然後重新執行 scan.py

質量較好，能用自然語言搜本地圖片、支援中文搜尋，體驗還不錯。不過首次建庫要2小時且中途無法暫停重試，搜到的結果只能看到路徑沒法預覽圖片，首次使用還得聯網下載幾百兆的模型，對網路不好或記憶體小的電腦不太友好。總體適合有耐心、配置不錯的使用者使用。