本地图片语义搜索工具 —— 图片版 Everything
用自然语言描述搜索本地图片内容。输入"海边的日落"，找到所有海边日落的照片。
中英文双语支持 | 纯本地运行 | 零配置 | SQLite 单文件存储
picseek index ~/Pictures # 扫描图片，用 Chinese-CLIP 生成语义向量，存入 SQLite
picseek search "一只橘猫" # 将文本转为向量，计算相似度，返回最匹配的图片
# 需要 Python >= 3.10
pip install picseek或从源码安装：
git clone https://github.com/Eric-meiyan/picseek.git
cd picseek
python -m venv .venv && source .venv/bin/activate
pip install -e .首次运行会自动从 HuggingFace 下载 Chinese-CLIP 模型（~700MB），之后使用本地缓存。
picseek index ~/Pictures递归扫描目录，为每张图片生成语义向量。支持增量索引 —— 只处理新增和修改的文件。
# 基本搜索
picseek search "海边的日落"
picseek search "a cat sleeping on sofa"
# 限制结果数量
picseek search "会议室白板" -n 5
# 跳过目录同步（更快）
picseek search "蓝天白云" --no-sync
# 用系统预览打开结果图片
picseek search "红色跑车" --open
# 在浏览器中查看带缩略图的结果网格
picseek search "三个人站着说话" --htmlpicseek config--html 会生成一个带缩略图和相似度分数的网页，自动在浏览器中打开：
picseek search "户外风景" --html--open 直接用系统默认图片查看器打开搜索到的图片：
picseek search "日落" -n 3 --open配置文件位于 ~/.picseek/config.yaml，首次运行自动创建：
formats: # 支持的图片格式
- jpg
- jpeg
- png
- webp
- bmp
- gif
default_limit: 10 # 默认返回结果数
db_path: ~/.picseek/index.db # 数据库路径
index_paths: [] # 已索引目录（自动维护）| 组件 | 选型 |
|---|---|
| 视觉语言模型 | Chinese-CLIP ViT-B/16 |
| 向量维度 | 512 维 float32 |
| 向量存储 | SQLite + sqlite-vec |
| CLI 框架 | Click |
picseek/
├── cli.py # 命令行入口
├── model.py # Chinese-CLIP 模型加载与推理
├── indexer.py # 索引逻辑（扫描、向量生成、入库）
├── searcher.py # 搜索逻辑（文本向量化、相似度检索）
├── sync.py # 目录同步（增量比对）
├── db.py # 数据库操作
└── config.py # 配置文件读写
| 指标 | 数值 |
|---|---|
| 索引速度（Apple Silicon） | 20-50 张/秒 |
| 索引速度（x86 CPU） | 5-15 张/秒 |
| 每张图片向量 | ~2KB |
| 1 万张图片数据库 | ~20MB |
| 搜索耗时 | < 1 秒（不含模型加载） |
| 特性 | PicSeek | Immich | PhotoMapAI | Omoide |
|---|---|---|---|---|
| 中文搜索 | 原生支持 | 有限 | 不支持 | 部分 |
| 部署复杂度 | pip install | Docker + PostgreSQL + Redis | Docker | Docker |
| 存储 | SQLite 单文件 | PostgreSQL | 独立服务 | SQLite |
| 离线运行 | 完全离线 | 需要服务 | 需要服务 | 可离线 |
| 使用方式 | CLI | Web UI | Web UI | Web UI |
git clone https://github.com/Eric-meiyan/picseek.git
cd picseek
python -m venv .venv && source .venv/bin/activate
pip install -e .
# 运行测试
pytest