album-ai
Album AI 是一款创新的“以 AI 为核心”的相册管理工具，让你能用自然语言直接与照片库对话。它解决了传统相册管理中手动整理繁琐、检索困难的问题，特别是面对海量照片时，无需再费力添加标签或分类，只需像聊天一样提问，即可快速找到目标图片或获取相关内容。
这款工具非常适合摄影爱好者、拥有大量图片素材的设计师，以及希望构建图像知识库的开发者使用。对于普通用户，它能极大简化照片回顾与查找体验；对于技术人员，它提供了基于 RAG（检索增强生成）技术的二次开发接口，可作为图像内容生成的辅助底座。
Album AI 的技术亮点在于结合了 GPT-4o-mini 和 Haiku 等先进的视觉大模型，自动识别并提取图片元数据，再通过向量嵌入技术建立索引。它不仅支持传统的关键词搜索，更核心的是提供了智能对话功能：系统能理解你的问题，检索相关图片并生成自然的文字回复。项目完全开源，支持一键部署，允许用户将私有照片库转化为可交互的智能资产，让管理数 TB 的照片变得轻松高效。
使用场景
资深摄影师李明拥有超过 5TB 的旅行与婚礼摄影素材，急需从海量图库中快速提取特定画面以制作年度精选集。
没有 album-ai 时
- 检索效率极低：只能依靠手动浏览文件夹或搜索文件名，寻找“夕阳下的海边婚礼”等特定场景需耗费数小时。
- 元数据缺失：大量历史照片缺乏标签、地点或情感描述，无法通过内容特征进行筛选。
- 灵感难以串联：想要基于“孤独感”或“庆典氛围”等抽象概念整理素材时，完全无从下手。
- 维护成本高昂：传统相册软件需要人工逐张打标签，面对万级照片库，整理工作几乎不可完成。
- 知识复用困难：丰富的视觉素材沉睡在硬盘中，无法作为知识库辅助 AI 生成新的创作灵感或文案。
使用 album-ai 后
- 自然语言秒级定位：直接输入“找出所有下雨天在城市街头的照片”，album-ai 利用视觉模型瞬间返回精准结果。
- 智能元数据自动生成：系统自动分析图片内容，为每张图生成详细的描述性标签和向量数据，无需人工干预。
- 抽象概念语义搜索：支持用“温馨的家庭聚餐”或“宏大的建筑细节”等模糊指令聊天，轻松挖掘潜在素材。
- 零维护自动化入库：只需将新照片拖入指定目录，album-ai 后台自动完成识别、向量化并更新索引。
- 图库变身创作助手：不仅能找图，还能基于图库内容回答“我过去三年拍过哪些蓝色调的作品？”并辅助生成配文。
album-ai 将静态的图片仓库转化为可对话的智能视觉知识库，让创作者从繁琐的整理工作中解放，专注于核心创意。
运行环境要求
- 未说明
未说明
未说明
快速开始
Album AI
AI优先相册，用自然语言与你的图库/相册对话！
👉 我们频繁更新，欢迎给项目加星。
https://github.com/user-attachments/assets/5cc72436-2749-479f-a1bf-06e0d06ce1e3
简介
Album AI 是一个实验性项目，利用近期发布的 gpt-4o-mini 和 Haiku 视觉模型，自动识别相册中图片文件的元数据。随后，它借助 RAG 技术实现与相册的对话功能。
它可以作为传统的照片相册使用，也可以作为一个图像知识库，辅助大语言模型进行内容生成。
故事
作为一名拥有数TB照片的摄影爱好者，我常常感到不堪重负。现有的所有照片管理软件都需要额外的努力来维护。Haiku 和新发布的 gpt-4o-mini 让我看到了希望。于是，我决定立即动手实现。我和我的伙伴在不到24小时内就完成了第一个版本。
我们也希望你能喜欢它。无论赞美还是批评，我们都欢迎。别忘了给我们点个 ⭐️ 或分享出去，让更多人了解这个项目。
实时演示
特性
- 自动发现相册中的图片，并使用 PgSQL 数据库进行存储。
- 利用 GPT-4-o-mini 自动生成图片的元数据。
- 使用 OpenAI 的 Embedding API 对元数据进行向量化。
- 提供两个 API：
- 搜索：传统的搜索 API，接收查询并返回最相关的图片。
- 聊天：RAG API，接收查询、检索图片并生成回复。
- 支持一键部署到 Render 等支持 Docker 容器部署的平台。
- 宽松的开源许可证允许集成和修改（商业用途请联系我们）。
如何开始使用？
建议在本地运行。如果想在服务器上运行，请自行部署，我们会逐步完善这部分指南。
1. 克隆项目
git clone git@github.com:gcui-art/album-ai.git
cd album-ai
2. 修改 .env 文件
cp .env.prod.example .env.prod
用你喜欢的编辑器打开 .env.prod，修改配置：
HOST_NAME= # 你的本地 IP 地址，通常是 192.168.x.x:8080
PROXY_URL= # （可选）你的本地代理 IP 地址，通常是 192.168.x.x:7890，当无法直接访问 OpenAI API 时需要使用
OPENAI_API_KEY= # 你的 OpenAI API 密钥
ANTHROPIC_API_KEY= # 你的 Anthropic API 密钥
3. 构建并运行项目
chmod a+x ./build.sh
./build.sh
4. 享受吧！
打开浏览器，访问 http://localhost:8080 即可看到演示。
5. 添加新照片
打开项目中的 images 目录，将新照片放入 images 目录中，后台会自动识别并为元数据进行向量化。之后，你就可以通过搜索和聊天功能在演示中使用这些照片了。
API 参考
Album AI 目前实现了以下 API：
get/api/v1/file/search：搜索图片post/api/v1/chat：与图片对话
贡献
支持该项目有四种方式：
- 分叉项目并提交 PR：我们欢迎任何让 Album AI 更好的 PR。
- 提交 Issue：我们欢迎任何合理的建议或错误报告。
- 推荐：向他人推荐这个项目；点击“Star”；使用后留下项目链接。
许可证
Apache 2.0 许可证
你有问题/建议/问题/Bug吗？
我们使用 Github 的 Issue 来管理这些反馈，你可以提交一个。我们会经常处理它们。
相关链接
- 项目仓库：github.com/gcui-art/album-ai
- Album AI 主页：album.gcui.ai
- 实时演示：album.gcui.ai
- 作者：@Kane
免责声明
如需用于商业用途，请联系我们。
星标历史
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。