Immich：3 步搭起你的私有 AI 相册，手机照片自动备份
【免费下载链接】immichHigh performance self-hosted photo and video management solution.项目地址: https://gitcode.com/GitHub_Trending/im/immich
手机又弹"存储空间不足"，想找三年前旅行拍的一张图，在相册里翻了五分钟才想起来。Immich 就是为这种场景做的自托管照片与视频管理方案：装在自己的服务器或 NAS 上，负责手机自动备份、AI 整理人脸和场景、按内容搜索照片，所有文件都留在你自己的机器里。
Immich 是什么，和商业云差在哪
一句话：Immich 是 AGPLv3 开源的私有照片/视频库。和"照片上传到别人的云"不同，Immich 的每一个字节都存放在你自己的硬盘上——不扣会员费、没有广告、随时可整体导出。
📦 Immich 怎么部署：Docker Compose 三步走
硬件上先有个底：内存建议 8GB（至少 6GB），CPU 4 核起步，数据库文件务必放本地 SSD，别放网络共享盘。
- 准备环境 → 一台 Linux 机器（或 NAS）装好 Docker 与 Compose 插件，准备好存放照片的目录。
- 修改配置 → 把部署目录里的
docker/docker-compose.yml和docker/example.env拷到目标机，改.env里几个高频项：
| 变量 | 作用 |
|---|---|
UPLOAD_LOCATION | 照片视频的实际存放目录（默认./library） |
DB_DATA_LOCATION | Postgres 数据目录，放 SSD 上 |
DB_PASSWORD | 数据库密码，改成随机字符串 |
TZ | 时区，不设置默认 UTC |
- 启动服务 → 在项目根目录执行一条命令：
docker compose up -d浏览器打开http://localhost:2283，注册第一个账号即为管理员。整套系统由四个容器组成：immich-server（API 与业务逻辑）、immich-machine-learning（人脸识别、CLIP 搜索、OCR 都在这里）、Postgres 数据库和 Valkey 缓存；对应源码就是仓库里的server/、machine-learning/、web/、mobile/四个目录。
📱 手机照片自动备份：开一次，之后全靠后台
装好移动端 App、填上服务器地址后，把"自动备份"打开即可，之后：
- 选择要备份的相册 → 只传你勾选的相册，相册可以双击排除（iOS 一张照片可属于多个相册，这个功能很实用）。
- 按内容校验和判重 → 同一张图无论从哪台设备传过都只存一份，增量备份不浪费流量。
- 默认仅在 Wi-Fi 下上传 → 蜂窝网络不偷跑；App 定期在后台唤醒，锁屏也能传。
- 开启"相册同步" → 服务器上自动建出与手机同构的相册，点一下"重新整理"可把历史照片归位。
配合"清理空间"工具，备份还能变成手机扩容：
- 选个截止日期 → 早于该日期且已在服务器上的照片被移到手机回收站，服务器副本不受影响。
- 保留收藏夹/指定相册 → 手机相册从此只留最近几个月，相当于把手机变成服务器前的缓存。
🤖 AI 自动整理：人脸、场景、文字都不用手动分
照片上传后，机器学习的容器会排队处理，三件事最实用：
- 人脸自动分组 → 人脸聚类算法把相似面孔归为"人物"，背景路人自动过滤；给分组起名后，点进去就是这个人的全部照片，误分的两个人可以合并，设置生日还能显示拍摄时的年龄。
- 内容理解 → 每张照片过一遍 CLIP 模型，于是你可以直接搜"海滩上的日落"。
- OCR 文字提取 → 白板、路牌、截图里的文字都变成可搜索字段。
🔍 找照片：多维搜索与高级过滤
想精准找图时，高级搜索把这些维度一次组合：人物、上下文描述、地点、相机品牌/型号/镜头、时间区间、媒体类型、标签、星级，外加 OCR 文字匹配。比如"去年用 M4 拍的视频"，两三个条件就圈出来了——所有条件叠加后一次出结果，不再一页页翻。
👥 与家人共享：三种粒度
- 共享相册 → 把某个相册开放给实例里的其他用户，分别给编辑或只读权限，对方可以加自己的照片进去。
- 伴侣共享 → 把整个资料库开放给配偶/家人，对方可浏览、可下载。
- 公开链接 → 给没有账号的人发一个随机生成的短链，能设有效期、密码和允许的操作，下载原图是否开放也由你决定。
⚙️ 避坑与进阶
- 内存给足 → 4GB 能跑但会卡，8GB 起步比较稳；缩略图和视频转码平均会让存储占用多出原库体积的 10%~20%，容量按这个余量规划。
- 人脸分组不理想 → 在后台对全部素材重跑一次人脸识别，或手动纠正一批未分配的脸再让系统继续学。
- 想更快 → 给机器学习容器加
-cuda之类的硬件加速后缀、给服务器容器加转码加速，docker 目录下有对应的hwaccel.ml.yml/hwaccel.transcoding.yml模板。 - 数据备份 → 服务器上
UPLOAD_LOCATION指向的媒体目录和DB_DATA_LOCATION里的数据库才是真正资产，建议按 3-2-1 原则：一份在服务器、一份在第二块磁盘或 NAS、一份定期拉到网盘或异地机器。 - 搜索不满意 → 后台可换更大或支持中文的多语言 CLIP 模型，代价是更慢、更吃内存。
想继续深入：安装与环境变量说明在docs/install/，日常运维在docs/administration/，API 规范在open-api/immich-openapi-specs.json，开发环境搭建指南在docs/developer/。
对单人或三五人小团队来说，Immich 是"备份 + AI 相册 + 家庭共享"一次到位的选择；搭好之后记得先做一次数据库和媒体目录的完整备份，再开始往里灌照片。
【免费下载链接】immichHigh performance self-hosted photo and video management solution.项目地址: https://gitcode.com/GitHub_Trending/im/immich
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
