幫家人整理舊資料

家裡的舊電腦、舊硬碟備份堆了好幾年，照片、文件散在一堆「新增資料夾」裡，這次請 AI 一起幫忙整理，順手記一下做法。

1. 整理時的幾個小發現

• 刪之前先比對：以為「整理版」已經夠了，用 hash 比對後，還是從原始資料救回十幾張照片，包括一張漏掉的畢業合照。找重複檔時先比大小，大小一樣才算 hash，快很多
• Google 相簿匯出的 .json 別直接刪：看起來很多餘，但有兩成照片的拍攝時間只存在 json 裡。可以先用 exiftool 把時間寫回照片的 EXIF，之後 json 就能放心刪了
• 要不要打包成 ZIP：照片、影片本身已經壓縮過，打包也不會變小，但幾千個小檔案包成一個，搬移、備份會快很多。這次考量直接看縮圖比較方便，最後選擇不打包。

2. 用本地模型找出「有貓的照片」

想從幾千張照片裡把家裡貓咪的照片挑出來。這些都是家人的生活照，所以直接在自己電腦上跑辨識模型，照片完全不用離開電腦。

順便一提，費用上也差很多：

做法	大概的 token
AI 一張一張看（約 4,500 張）	500 萬以上
縮圖拼成 5×5 合圖再給 AI 看	30 萬左右
在自己電腦上跑辨識模型	幾乎 0

做法是本地跑 YOLO：

• 用 uv 開一個 Python 3.12 的環境（系統的 3.14 還沒有 torch 可以裝）
• 裝 CPU 版的 torch + ultralytics，模型用最小的 yolo11n
• 筆電沒有獨顯（i7-1260P），4,837 張大概跑了 12 分鐘

uv venv --python 3.12 .venv
uv pip install --python .venv\Scripts\python.exe torch torchvision --index-url https://download.pytorch.org/whl/cpu
uv pip install --python .venv\Scripts\python.exe ultralytics

模型會給每張照片一個「有貓的信心分數」，接下來分三段處理：

• 高分：直接收，隨機抽 25 張檢查，全部都是貓
• 中間：模型沒把握的 61 張拼成合圖再確認，其中 54 張真的有貓
• 誤判：貓的擺飾、投影片、還有瀑布照

這次中間那批是請小助理看合圖確認的，不過回頭想想，需要確認的也就幾十張，自己看一下就好。

本地模型粗篩 + 自己複查，就已經很夠用了，照片也不用上傳到任何地方。

找到的照片另外複製一份到「貓咪」資料夾，原本的活動資料夾不動，這樣每次活動的照片還是完整的。

用完記得把環境刪掉，torch 加上 uv 的快取差不多佔了 2GB。

3. 舊文件變成一個小網站

長輩有一批很久以前寫的 Word 文件，想做成手機也能方便翻的樣子，有點像個人的小小博物館：

• 用 Word 的 COM 介面批次把 .doc 轉成純文字
• 統一簡繁、去掉空白後比對，把重疊的部分拿掉
• 做成純靜態網頁，雙擊 index.html 就能開，不用架伺服器
• 搜尋簡繁通用（OpenCC 做對照表），長段落自動分段，半形標點轉成全形

小結

這次的收穫是「本地模型 + 自己複查」這個組合：家人的照片不用交給雲端，準確度也夠，以後要從一堆照片裡找東西都可以這樣做。