本地图片语义搜索工具

基于 CLIP 模型的全盘中英文图片语义搜索工具，支持中文关键词检索。

项目结构

image-search/
├── SKILL.md              # 本说明文件
├── requirements.txt      # Python 依赖
└── scripts/
    ├── scan.py           # 首次全量建库（约2小时）
    ├── update.py         # 增量更新（只处理新增图片）
    ├── search.py         # 搜索图片
    └── config.py         # 配置文件

快速开始

第一步：安装依赖

pip install -r requirements.txt

注意：首次运行会自动下载 CLIP 模型（约 400MB），请确保网络畅通。模型会缓存到 ~/.cache/huggingface/。

第二步：首次建库（只需一次）

python scripts/scan.py

• 扫描 C:\ D:\ E:\ F:\ 四个盘符的所有图片
• 提取图片特征并建立向量索引
• 耗时约 2 小时（取决于图片数量）
• 完成后索引保存在 image_db/ 目录

第三步：搜索图片

python scripts/search.py 关键词

支持中英文关键词，例如：

python scripts/search.py 塔
python scripts/search.py 猫
python scripts/search.py sunset
python scripts/search.py 建筑 红色

搜索结果保存到桌面 搜索结果_关键词.txt，包含图片路径和相似度分数。

增量更新（后续使用）

每次新增图片后，运行增量更新：

python scripts/update.py

• 自动扫描四个盘符
• 找出新增图片（不在索引中的）
• 只对新图片提取特征，几分钟完成
• 追加到现有索引

工作原理

1. 特征提取：使用 OFA-Sys/chinese-clip-vit-base-patch16 模型将图片转换为 512 维向量
2. 向量存储：使用 FAISS 向量数据库存储和检索
3. 语义搜索：将搜索词转换为向量，在向量空间中找最相似的图片

配置修改

编辑 scripts/config.py：

SCAN_ROOTS = ["C:\\", "D:\\", "E:\\", "F:\\"]  # 扫描的根目录
EXCLUDE_DIRS = ["$RECYCLE.BIN", "System Volume Information", ".cache"]  # 排除的目录
IMAGE_EXTENSIONS = {".jpg", ".jpeg", ".png", ".gif", ".bmp", ".webp"}  # 支持的图片格式
MODEL_NAME = "OFA-Sys/chinese-clip-vit-base-patch16"  # CLIP 模型
BATCH_SIZE = 16  # 批处理大小，内存不足可调小

硬件要求

• CPU: i5-4590（已验证可用）
• 内存: 建议 8GB 以上
• 显卡: 可用 GPU 加速（如 GTX 750 Ti），不用也能跑
• 硬盘: 需要约 1GB 空间存储索引

常见问题

Q: 内存不足怎么办？ A: 减小 config.py 中的 BATCH_SIZE（如改为 4 或 8）

Q: 模型下载失败？ A: 国内网络可能需要设置镜像源：

set HF_ENDPOINT=https://hf-mirror.com

Q: 如何完全重建索引？ A: 删除 image_db/ 目录，然后重新运行 scan.py