玲秀-照片整理收纳专家
> 把"上万张零乱照片"从负担变成"可高效检索的家庭信息库"。
> 本 skill 是方法论 + 工具选型 + 可运行脚本的集合，所有结论均标注来源（见 references/00-来源与取证.md）。
> 工具名/软件版本随厂商更新变动，凡涉具体品牌均标 [待核]，使用前请核实当前可用性。
何时用本 skill（触发场景 A2）
- 想整理手机/电脑里几千上万张照片，但无从下手。
- 照片散落在多个文件夹、多台设备、多个云盘，找不到。
- 重复照片、模糊废片、截图堆积，存储被吃满。
- 担心照片只存在一台设备/一个云盘，怕丢。
- 家里有老照片/底片，想数字化但不知从何做起。
- 整理完没多久又回潮，需要可持续的维护节奏。
路由（先判断用户处在哪个阶段，再进对应 reference）
| 用户状态 | 进入 |
|---|---|
| 照片散落多处、还没集中 | references/02-集中归集技巧.md + scripts/collect_photos.py |
| 已集中，要分类/命名 | references/01-分类体系与命名规范.md |
| 重复多、要瘦身 | scripts/dedup_by_hash.py + references/01- 的"筛选清理"段 |
| 不知用什么工具 | references/03-工具清单与选型.md |
| 怕丢、要备份方案 | references/04-备份策略3-2-1.md |
| 有老照片/底片 | references/05-老照片数字化与修复.md |
| 用 iPhone/安卓/Win/Mac 的具体操作 | references/06-设备专项.md |
| 有隐私/敏感照片 | references/07-隐私清理与敏感照片.md |
| 整理完又乱了 | references/08-维护节奏与防回潮.md |
| 想按日期/类型自动分类归档 | references/10-智能分类与归档规则.md + scripts/classify_images.py |
| 想做成可浏览的网页相册/纪念册 | references/11-网页相册与纪念册生成.md + scripts/build_album.py + scripts/verify_album.py |
| 多文件夹要合并/按格式或分辨率粗分 | references/12-批量归集六法与格式分类.md + scripts/classify_by_format.py |
| 手机相册爆满、废片截图堆积、越存越不想看 | references/13-手机相册瘦身与防囤积.md |
| 想先看整体体量 | scripts/diagnose.py |
核心方法论（RIA++ 骨架）
R — 观念（引用来源，已适配中文表述）
> "将照片视为可检索的信息资产，目标是通过技术手段实现快速定位，而非单纯追求物理排序。"
> —— 改编自百度知道《上万张零乱照片怎么整理》（2026-03-09），原文见 references/00-来源与取证.md
> "按时间+事件给文件夹命名，归类时间成本最低，也最方便查找过往照片。"
> —— 改编自知乎高赞回答（叶振彪等，赞 1600+），原文见来源文档
> "历史老照片的第一原则是原件不常动；先扫描成高清电子版，原件按年代分袋装入无酸相册防潮箱。"
> —— 改编自百家号《历史老照片怎么整理才有价值》（2026-09-05）
I — 总体骨架（五步法）
1. 集中 把散落在各设备/各文件夹/各云盘的照片先汇到一个"待整理"区
2. 筛选 删模糊/重复/废片/无意义截图，保留有纪念价值者
3. 分类 时间+事件 为主轴；主题法（人物/事件/地点）适合老照片；标签法（软件）适合检索
4. 备份 3-2-1：3 份副本、2 种介质、1 份异地
5. 维护 设定月度/季度例行，防止回潮
A1 — 案例（来自真实来源）
- 旅行博主懒人法（知乎）：只用电脑层层文件夹，不重命名不打 tag。第一次归类把"原图/修图/视频"分离；第二次按"年份+大旅途"归类，同行人照片单列；第三次用"弃图/用过"临时文件夹避免重复上传。备份用两块移动硬盘（一块在家、一块随身）定期同步。
- Lightroom 派（知乎 1600+ 赞）：批量重命名（F2，按日期/序列/自定义）、关键词批量添加（地点/人物/事件/属性/特殊主题）、筛选器组合搜索、收藏夹+智能收藏夹自动归拢。
- 老照片私家档案馆（百家号）：扫描存档→每张建"身份证"（年代/地点/人物/事件/来源）→按主题而非时间归档（人物/事件/地点/民俗）→修旧如旧（清楚但不失真）。
A2 — 触发场景（见上"何时用"）
E — 执行步骤（通用启动流程）
- 盘点：用
scripts/diagnose.py <照片根目录>输出体量（总量/按年分布/疑似重复），先有数再动手。 - 集中：多设备多文件夹 →
scripts/collect_photos.py或references/02的 6 种归集法。 - 去重瘦身：
scripts/dedup_by_hash.py <目录>找出内容完全相同的副本，人工确认后删。 - 分类归档：按
references/01选一种体系落地（推荐"年份/YYYY-MM-事件"目录树）。 - 备份：按
references/04落地 3-2-1。 - 定节奏：按
references/08设月度 30 分钟例行。
B — 边界与免责
- 本 skill 给方法论与工具选型，不替你做不可逆删除；去重/删除前务必先备份（3-2-1）。
- 涉及具体软件/品牌名均 [待核]：厂商版本与功能变动快，落地前请核实当前可用性，不保证长期有效。
- AI 自动分类不可全信：婚礼、毕业典礼等重要照片务必人工复核分类结果（来源：百度知道同文）。
- 隐私优先：上传云端前对含地理位置/人脸的敏感照片加密或本地隔离（来源同上）。
- 数字/条文号类事实若来自网页转写，本 skill 已尽量标注来源；如用于正式交付，请回原文复核。
- 老照片修复、底片翻拍如需高质量结果，建议交给专业机构，"修旧如旧"而非一键上色（来源：百家号同文）。
取证与引用规范
- 所有外部观点在
references/00-来源与取证.md留痕（URL + 抓取日期 + 关键原文）。 - 凡从网页搬入的具体工具名/版本号/参数，一律加 [待核] 标记，禁止当作恒定事实写入正式交付物。
- 数字类（如"300dpi 扫描""2048 分辨率云端备份"）来自来源原文，保留来源标注，供用户回查。
语料来源与许可状态
- 本 skill 内容来自公开网页（百度知道、百家号、知乎、百度搜索聚合、汇帮科技）的方法论蒸馏，原始 URL 与抓取日期见
references/00-来源与取证.md。 - 本 skill 不分发任何原文/视频/课件原件，仅做方法论提炼与引用；引用内容归原作者/平台所有，使用者须遵守各平台内容使用条款。
- 工具名、版本、参数均带 [待核] 标记，随厂商更新变动，落地前请回官网核实，本 skill 不对其长期有效性背书。
使用边界与责任声明
- 本 skill 提供通用方法论与工具选型建议，不构成专业数据恢复、法律或隐私合规意见。
- 任何删除/去重/移动操作前，必须先完成 3-2-1 备份；不可逆操作后果自负。
- 老照片修复、底片翻拍如需高质量结果，建议交由专业机构；"修旧如旧"而非一键处理。
- AI 自动分类结果不可全信，重要照片（婚礼、毕业典礼等）务必人工复核。
- 隐私敏感照片请按
references/07本地隔离/加密，勿上传不明第三方工具。
配套脚本（scripts/，纯 Python 标准库，无需安装第三方包）
| 脚本 | 作用 | 运行 |
|---|---|---|
dedup_by_hash.py |
按内容 MD5 找重复照片，列出可删组 | python dedup_by_hash.py <目录> |
collect_photos.py |
跨子目录归集所有图片到统一文件夹 | python collect_photos.py <源> <目标> |
sort_by_date.py |
按拍摄日期(EXIF 或文件时间)归入 YYYY-MM 文件夹 | python sort_by_date.py <目录> |
diagnose.py |
输出照片库诊断（总量/按年/疑似重复） | python diagnose.py <根目录> |
classify_images.py |
日期/类型双模式智能分类 + Markdown 报告（规则见 references/10） |
python classify_images.py <目录> --mode type --dry-run |
build_album.py |
生成自包含网页相册（缩略图+预览+事件窗口分组，无服务器依赖） | python build_album.py <目录> |
verify_album.py |
校验相册完整性（数量一致/无重复/文件存在） | python verify_album.py <相册目录> |
classify_by_format.py |
按扩展名或分辨率分档粗分（支持 dry-run / copy / 递归） | python classify_by_format.py <目录> --mode ext --dry-run |
> 脚本用 venv 解释器或任意 Python 3.8+ 均可。sort_by_date.py 优先读 EXIF，无 Pillow 时回退文件修改时间；classify_images.py / build_album.py 装了 Pillow 后启用 EXIF/像素级判定与缩略图生成，未装则降级（分类仅用文件名关键词 / 相册仅导出分组数据）。
付费增值服务（按量付费，自愿选用）
- 本 skill 的方法论与脚本永久免费。若你不想自己动手，可以选用「深度整理方案」线上服务：
把你的照片库清单摘要（目录结构/文件名样例/数量，照片本体不用上传）交给云端，
由服务生成一份针对你照片库的定制方案——分类目录树、命名模板、清理策略、3-2-1 备份落法、分步执行清单。 - 采用支付宝 AI 按量付费（出方案前由服务端明确告知具体价格）。安装付费客户端：
skillhub install photo-aipay-client（命令细节见该壳包，本包不重复收录）。 - 选用与否不影响本 skill 任何免费功能。
成长路线（版本演进，保持可成长）
- v1.0 基础方法论 + 4 脚本 + 8 篇 references。
- v1.1 新增：智能分类引擎（
references/10+classify_images.py）、本地网页相册（references/11+build_album.py/verify_album.py）、来源扩展（见00的 N1–N4）。 - v1.1.1 新增：付费增值服务入口（
photo-aipay-client壳包软导流；方法论本体保持免费、无删减）。 - v1.2（本版）新增：批量归集六法与格式/分辨率粗分（
references/12+classify_by_format.py，含系统搜索法、CMDcopy /s、库虚拟整理、脚本归集、云盘/NAS 侧归集），
手机相册瘦身与防囤积（references/13：拍摄当天筛、四步瘦身、ABC 三分法 + maybe 盒、根治囤积三招），
纸质原件整理收纳与存储位置禁忌（补入05/04）、大库（万张级）策略（补入03）、来源扩展到 N6–N11（见00）。 - v1.3+ 计划：AI 自动标注工作流、视频/截图专项整理、家庭共享相册协作、手机端一键归集指引。
- 详见
references/99-成长与变现路线.md。
