按人物整理照片库 —— 不用给每张照片重新打标签

大多数照片整理方案都要求你先干活：建个相册、把照片拖进去、给脸加个名字。这套模型在第一万张照片附近就会崩掉 —— 因为成本是每张照片付一次，而回报要很久之后才到。

有一种更便宜的办法能拿到九成的价值：文件夹保持原样，在旁边另外建一份人物索引。 你给每个人一张照片，归类的工作交给索引。

为什么按文件夹整理会失效

文件夹回答的是「我拍这张照片的时候在哪」。你真正会问的问题很少长成这样。人们实际问的是：

• 有我妈的照片有哪些？
• 哪些里有去年春天见的那个客户？
• 那场活动都有谁在？

这些都不是文件夹问题，而是「人」的问题。所以能回答它们的，只有按人建索引的整理方式。

用「一人一张」建人物库

人物库就是一个参照照目录：

• 用人物名作为文件名 —— 文件名就是这个人在 SnapByFace 里的名字。
• 子文件夹可有可无 —— SnapByFace 会递归扫描，但名字仍然取自文件名。

一个人一张清晰照片就够起步。只有当这个人在素材库里样子差别很大时，才需要多加几张 —— 孩子在长大、有人有时戴眼镜有时不戴、跨越十年的变化。

:::tip 先加你最常找的两三个人。等真需要的时候再补其他人 —— 索引是增量的，之后加人只分析新增部分。 :::

然后索引素材，而不是索引人

把 SnapByFace 指向存放照片和视频的目录，让它递归扫描。不需要任何整理 —— 不用摊平、不用重命名、不用改结构。SnapByFace 只读你的素材，从不写入。

找到的每一张脸都会被记进一个留在你自己磁盘上的索引里。之后再跑，只会看新增的部分。

是分组，不是搬家

这点值得强调：产出的是一个视图，不是一次重新整理。你会得到：

• 按人物 —— 某个参照照的所有命中，按相似度排序。
• 按文件 —— 某张照片里找到的所有人。

你原本的目录结构一点不动。如果某批结果重要，导出 CSV 拿去别处用 —— 归档系统、交付客户的清单、或者表格里。

按你的容忍度选阈值

相似度阈值决定什么算命中 —— 默认 0.45，可在 0.30 到 0.80 之间调整。

• 目标是完整名单（客户要尽可能多的命中）→ 调低，接受需要人工复核几条误报。
• 目标是干净名单（不会再逐条看的幻灯片）→ 调高。

调阈值不会重新分析任何东西 —— 照片已经看过一遍，只是对同一批结果收紧或放宽标准。

它替代不了什么

把边界说清楚：

• 不打标签、不改文件名。结果在索引里，你的素材库对它只读。
• 不识别陌生人。只找你添加为参照照的人。
• 不做筛选。它回答「这个人在哪」，不回答「这些照片哪张拍得好」。

数据留在哪儿

识别与检索都在你自己的电脑上跑。照片与视频从不离开本机 —— 软件对它们了解的一切都放在 ~/.snapbyface/，没有账号可同步。

唯一外发的是可选的设备统计 ping（机器码、软件版本、操作系统、语言、激活状态与套餐），不含照片、人脸数据、文件路径与检索行为，可在设置里关掉。

• 下载 SnapByFace
• 照片人脸搜索
• 首次启动向导
• 检索图片