如何用 AI File Sorter 分析图片内容:Gemma 3 视觉大模型完整配置教程
如何用 AI File Sorter 分析图片内容:Gemma 3 视觉大模型完整配置教程
AI File Sorter 是一款跨平台 AI 文件整理工具,内置 Gemma 3 4B IT 视觉大模型,可对图片进行本地内容分析,自动生成分类和描述性文件名(如把 IMG_2048.jpg 变成 clouds_over_lake.jpg)。全程无需 API Key,图片和元数据都留在你的电脑上。本教程带你从零完成 Gemma 3 视觉模型的快速配置,看懂 6 个关键选项,并学会用内置基准测试验证性能。
图片内容分析能做什么?
大多数文件整理工具只看文件名,而 AI File Sorter 的图片内容分析(Image analysis)会真正"看"图片:
- 看懂画面:本地视觉大模型描述图片内容(人物、场景、物体)
- 建议描述性文件名:
Screenshot_4-12.jpeg→shopping_site_screenshot.jpeg - 智能归类:截图、网页、仪表盘等 UI 类图片有专门的提示词优化,避免被误判为软件本身
- 仅重命名模式:图片留在原地,只改名字,不动目录
- 完全离线:使用本地模型时不需要联网,无遥测
支持的分析格式包括 .jpg、.jpeg、.png、.bmp、.gif、.webp、.tga、.psd、.hdr,格式判断逻辑见 LlavaImageAnalyzer.cpp。
为什么 Gemma 3 4B 是默认视觉大模型
自 1.8.0 起,Gemma 3 4B IT 是 AI File Sorter 的默认视觉后端,另有 LLaVA 1.6 Mistral 7B 可选。选择 Gemma 3 的理由:
- 体积小:4B 参数 + Q4 量化,普通笔记本即可流畅运行
- 双料模型:同一个 GGUF 文件既能做图片分析,也能做文档分析和文件分类,下载一次两用
- 多语言文件名:Gemma 3 4B IT 支持应用完整语言列表,建议的文件名可以本地化
⚠️ 关键认知:视觉分析需要 两个 GGUF 文件——主文本模型(model)和配套的 mmproj 投影器(把图像特征映射到模型词空间)。缺一不可,缺了任何一个,图片分析都会被禁用。两个后端的文件定义见 VisualModelCatalog.cpp。
最快 3 步配置方法
第 1 步:打开选择 LLM 对话框
菜单进入 Settings → Select LLM…。
第 2 步:下载 Gemma 3 的两个文件
展开 Image analysis models 区域,在 Visual model 下拉框中选择 Gemma 3 4B IT,然后分别下载:
- Visual text model (GGUF):生成描述和文件名的语言模型
- Matching mmproj file (GGUF):视觉编码器,让模型能"看懂"图片
界面会显示远程地址、本地保存路径和文件大小,点击 Download 等待进度条走完即可。该区域的实现见 LLMSelectionDialog.cpp。
第 3 步(可选):设置模型存储位置
同一对话框内的 Model storage 可修改内置模型下载目录,留空则使用平台默认位置。如果你之前已为文本分析下载过 Gemma 3 4B 的 GGUF,图片分析会自动复用同一个文件,只需再补一个 mmproj。
💡 进阶:如果你手头有自定义的 GGUF 视觉模型,可通过 Custom local LLM 注册并附上匹配的 MMProj 文件,它也会出现在 Visual model 选择器中。
主窗口 6 个图片分析选项逐个看懂
回到主窗口,展开 Analyze picture files by content 复选框组,共 6 个选项:
| 选项 | 作用 | 推荐场景 |
|---|---|---|
| Analyze picture files by content | 对支持的图片运行视觉大模型 | 总开关,必勾 |
| Process picture files only | 本次只处理图片,忽略其他文件 | 专门整理照片文件夹 |
| Add image creation date to category name | 从 EXIF 读取日期拼入分类名(YYYY-MM-DD) |
按时间归档照片 |
| Add photo date and place to filename | 把拍摄日期和 GPS 地名写进文件名 | 旅行照片库(地名需联网解析) |
| Offer to rename picture files | 审查表中显示"建议文件名"列 | 必勾,重命名核心 |
| Do not categorize picture files (only rename) | 跳过分类,只重命名,文件留在原地 | 只想改名字时 |
运行分析:从扫描到确认
- 选择文件夹:顶部 Folder 输入框指定目录(可勾选 Scan subfolders 递归扫描;Unity、Git 等工程目录会被自动跳过以保护相对路径)
- 点击 Analyze folder:分析对话框显示两阶段进度——Stage 1: Image analysis(视觉模型逐张分析)和 Stage 2: Categorization(分类整理)
- 审查与确认:审查表中可看到每张图的 Suggested filename 和 Category,点击单元格即可手动修改。可先勾选 Dry run (preview only) 预览移动方案
- Confirm and Process 应用改动;反悔可用 Edit → Undo last run 持久撤销
下面的截图展示了"仅重命名"模式的典型效果:原始文件名带时间戳,建议文件名全部基于画面内容生成。
跑一次系统兼容检查验证性能
视觉大模型对显存有要求。建议首次配置后运行 File → System compatibility check…,它会:
- 检测 CPU 线程和 GPU 后端(CUDA / Vulkan)
- 对分类、文档分析各跑一个小工作量计时
- 如果已下载视觉模型文件,还会额外计时一次单张图片分析,并给出速度档位(optimal / acceptable / a bit long)
性能参考:
- 8 GB+ 显存体验最顺滑;4 GB 通常只能部分卸载到 GPU
- 后端优先级为 CUDA → Vulkan → CPU,自动选择
- 显存吃紧导致视觉编码器报错时,可设置环境变量
AI_FILE_SORTER_VISUAL_USE_GPU=0强制视觉编码器走 CPU - 运行基准测试前先关闭其他吃 CPU/GPU 的应用,结果更准确
常见问题速查
- 图片分析被禁用、提示打开 Select LLM? 缺 model 或 mmproj 两个文件之一,回到下载区补齐
- 想让建议文件名用其他语言? Settings → Category language 选择目标语言,Gemma 3 4B IT 支持应用完整语言列表
- 想换 mmproj 的下载源? 设置环境变量
GEMMA3_4B_MMPROJ_URL(文本模型对应GEMMA3_4B_MODEL_URL) - 想换更小的视觉模型? Visual model 下拉框可切换 LLaVA 1.6 Mistral 7B 或自定义 GGUF+MMProj 组合
相关资料
- 完整功能说明:README.md
- 架构文档:docs/architecture.md
- 视觉模型目录定义:VisualModelCatalog.hpp
- 图像分析器接口:ImageAnalyzer.hpp
- 分类行为细节:docs/categorization-behavior.md




