你有多久没打开过相册了?—— 行影集「以文搜图」
不是没时间看,是打开之后觉得……没什么可看的
几万张照片躺在手机里,你却想不起要找哪一张。行影集能听懂人话:打一句"海边看日落的照片",照片就出来了。开源、自托管,你的照片不用上传给任何人。
上一次认真翻相册是什么时候?
可能是找一张要发朋友圈的风景照,翻了 200 张,最后用了去年那张。
可能是想找一张孩子的照片,翻到一半放弃了——因为你想不起那照片里有没有他。
也可能就是没有理由地打开,看了两屏,觉得"没什么可看的",退出来。
我们把照片存起来了。但存下来,和找得到,是两件事。
手机相册只认三样东西
翻遍手机相册找一张照片,你其实只能靠三个线索:
时间——2024 年 9 月的。
地点——在西安的时候。
人——有小明在的那次。
问题是,这三个线索你大概率一个都想不起来。你记得的是画面,是"那张海边日落的"、"那盘红烧肉",是"国庆那趟火车"。
而相册只会告诉你:这个文件夹叫 DCIM/Camera/2024/09。
你脑子里的索引,和相册的索引,根本不是一套。
一句话,直接问
行影集 TrailSnap 的搜索框,接受的不是文件名,是你真的会说的话。
你在搜索框里敲下"海边看日落的照片",回车。

演示站实测:搜索"海边看日落的照片",50+ 个结果几乎全是海与落日——它听懂了画面,而不是在匹配"海边""日落"这两个字。
没有文件夹,没有时间筛选,没有标签列表。结果直接排在眼前。
这不是关键词匹配。云相册能做到的是"文件名含 sunset 的照片",行影集做的是"画面里有日落的照片"——它真的看懂了照片里有什么。
它听的是画面,不是字
AI 在后台给每张照片都写了一份"说明":这是什么场景、有哪些人物、光线怎么样、天气如何。这份说明连同照片本身,构成了一张照片能被"读"的基础。
所以你搜"城市夜景霓虹",它能认出那些——

演示站实测:搜"城市夜景霓虹",50+ 个结果几乎全是城市灯光——车流灯轨、浦东天际线、被彩灯勾勒的老建筑。
再比如"雪山"——

演示站实测:搜"雪山",50+ 个结果几乎座座是雪山:雪线、云海、冰川倒影。
你脑子里的画面越具体,它找得越准。 你记得的是"那张日落的海"、"那座蓝调时刻的城"——那就照这个说法去搜,它接得住。
除了搜,它还顺手分了类
同一套 AI 理解,撑起了行影集的其他几件事。

演示站的智能分类:风景 222、夜景 102、建筑 53、月亮 31、美食 12、火车票 3……这些文件夹不是你建的,是 AI 看出来的。
你不需要建"海边""夜景""美食"这三个文件夹,也不需要给每张照片打标签。AI 读完你的照片,分类就存在了。
人物也一样:

人物相册:同一个人的照片自动聚到一起,认出过的人会单独建一个册子。
还有一类照片,是相册里最容易被忽略的——那些你以为早就删了、其实还在的。

首页的「那年今日」:翻出 2024-07-29 的那张海边晨曦(2 年前),配上一句 AI 写的文案,还标出了拍摄地点。
去年今日、那年今日、随手拍下又忘了的风景——这些照片最需要的不是被管理,是被重新遇见。
反过来:拿一张照片去找其他照片
有时候你不是记不清描述,而是手上已经有一张图了——朋友圈里存的那张,想找它的原图、它的同款、它的前后几张。
行影集搜索页有个「以图搜图」:上传一张图,或者直接选图库里的照片,它去找画面相似的那些。
上传的图片仅用于本次搜索,支持不超过 20 MB。
说白了就是:你手上有什么,就拿什么去找。 不必先想清楚"该用什么词描述它"。
搜索之外:直接问它要答案
行影集里还有 AI 助手。它不止是搜,你可以直接问:
「我去年国庆节去了哪些地方」
「找出包含登机口文字的照片,整理一下我的航班记录」
它会先去检索你的图库,再把答案组织出来。搜索给你的是图片,助手给你的是结论。
为什么我推荐自己搭一个
这里得说清楚一件事。
行影集是开源自托管的软件。照片、数据库、账号,全都在你自己的电脑或 NAS 上。
「TrailSnap 是自托管应用:照片、数据库和账号数据保存在你部署的服务器或 NAS 上。项目不会因为你安装了 TrailSnap 而自动接收你的照片。」
官方文档在 AI 这块写得更细:
「使用本地模型或本地托管 LLM 时,推理数据保留在你的设备和服务器内。」
「配置 OpenAI、Ollama 远程实例或其他第三方模型服务时,发送哪些文字、图片或元数据取决于你启用的功能与服务商设置。」
翻译成人话:用内置连接(MiniCPM-V-4_6 多模态模型)的话,你的照片一张都不会离开你的机器;你要是自己接了外部大模型 API,那就看你启用了什么、对方怎么存。
这个区别在相册这件事上比在任何地方都重要。
一个能读你全部照片的东西,如果跑在别人服务器上,那它知道的关于你的事,比你相册里的还多。 而如果它跑在你自己的机器上,那它就只是你的一件工具。
装起来有多麻烦
桌面版(Windows / macOS / Linux)内置了完整的 AI 运行环境,不用自己配 Python、CUDA、数据库。装完 → 添加照片目录 → 等它扫描索引 → 建个任务,就开始了。
要提醒一句:第一步是让 AI 把图库读一遍,这一步要花时间,图库越大越久,跑完之前搜索不会有结果。任务进度可以在「设置 → 任务管理」里看。所以如果你打算装完就立刻试搜索,先拿一个小的目录试水,别一上来就挂上整个硬盘。
NAS / 服务器玩家用 Docker Compose 一行命令,AI 加速三选一:通用 CPU、NVIDIA CUDA、Intel OpenVINO。飞牛、绿联、极空间都有专门教程。
而且不用等装完就能试——

在线演示站 demo.siyuan.ink:不用注册、不用下载,搜索、相册、分类、地图直接点开就能玩。
顺便说一句:不想折腾的话,在线演示站里的搜索是可以直接试的,输入框就在左上角,写一句话回车就有结果——这也是判断"我的照片能不能这样搜"的最快办法。

行影集官网:开源 · 私人 AI 相册。整理日常照片,也珍藏每一段旅行。
最后
相册里那些照片,从来不只是"存在"。
它们记得你的每一次日落、每一顿饭、每一趟车、每一个当时你觉得"这有什么好拍的"瞬间。
只是过去没人听得懂你在说什么。
现在你可以直接问了。
你会用哪句话去搜自己的相册?评论区说一句,我帮你想想它能不能被找到。
官网:https://trailsnap.cn
在线体验(免安装):https://demo.siyuan.ink
下载:https://trailsnap.cn/download
源码:https://github.com/LC044/TrailSnap
文档:https://trailsnap.cn/docs/guide/install
需求反馈:https://feedback.trailsnap.cn/
行影集 TrailSnap · 开源私人 AI 相册
整理日常照片,也珍藏每一段旅行。
本文作者 司小远,首发于 程序猿日常,行影集官网博客同步收录。