我做了一个 AI 图片重命名工具
我做了一个 AI 图片重命名工具：看懂照片内容，再生成有意义的文件名
整理旅行照片时，我经常遇到一个问题：相机和手机生成的文件名通常是 IMG_8428.JPG IMG_0698.JPG 这样的编号。
当照片数量较少时，还可以逐张打开查看；但一次旅行拍摄几十甚至几百张照片后，仅凭文件名几乎无法知道照片内容。想找到“国清寺古建筑”“天台山瀑布合影”或者“琼台仙谷悬索桥”，只能不断翻看缩略图。
为了解决这个问题，我开发了一个带图形界面的 Python 工具：AI 照片与视频重命名器。
它可以调用本地视觉模型识别照片内容，自动生成类似下面这样的文件名：
IMG_0506.JPG
→ 20260812-天台山大瀑布景区-一家三口合影.JPG
IMG_8428.JPG
→ 20260813-国清寺-黄墙古树与石狮.JPG
IMG_8422.JPG
→ 20260812-琼台仙谷-悬索桥近景.JPG
相比没有含义的相机编号，这样的名称更容易搜索、归档和长期保存。
视频演示
这个工具能做什么？
工具使用 Python 和 Tkinter 开发，提供了一个轻量的桌面操作界面。用户不需要编写命令，只需要选择媒体目录、配置模型，然后按照“扫描—分析—预览—确认”的流程操作。
目前支持以下功能：
- 选择指定的图片或视频目录
- 可选择是否递归扫描子目录
- 支持 JPG、JPEG、PNG、WebP 和 BMP 图片
- 支持 MOV、MP4、M4V、AVI 和 MKV 视频
- 在界面或
.env中配置接口类型、模型、API 地址和可选 API Key - 支持 Ollama 原生接口：
/api/chat和/api/tags - 支持 OpenAI 兼容接口：
/v1/chat/completions和/v1/models - 自动生成带日期和场景描述的文件名
- 重命名前预览全部结果
- 支持手工修改 AI 生成的名称
- 自动清理 Windows 文件名中的非法字符
- 自动处理同名文件并添加序号
- 不覆盖目录中已经存在的文件
- 批量重命名失败时尝试回滚
整个过程只会修改文件名，不会修改图片、视频内容或照片中的 EXIF 信息。
为什么支持本地视觉模型？
这款工具默认可以连接本机运行的 Ollama 服务。当前也支持通过 LLM_API_TYPE 切换到 OpenAI 兼容接口：
# Ollama 原生接口
LLM_API_TYPE=ollama
LLM_MODEL=qwen3.8:27b
LLM_API_HOST=http://127.0.0.1:11434
LLM_API_KEY=
如果使用 OpenAI 兼容服务，可以这样配置：
LLM_API_TYPE=openai
LLM_MODEL=你的视觉模型
LLM_API_HOST=https://你的服务地址/v1
LLM_API_KEY=你的密钥
LLM_API_TYPE 只有两个取值：ollama 和 openai，默认是 ollama。OpenAI 模式会请求标准的 /v1/chat/completions 接口，并将压缩后的图片作为视觉输入发送；如果地址已经以 /v1 结尾，程序不会重复追加路径。
1. 本地模型可以减少隐私顾虑
当 API 地址配置为 127.0.0.1 或其他本机回环地址时，图片分析请求只发送给本机运行的模型服务。家庭照片、旅行合影等内容不需要上传到外部云平台。
如果配置的是远程 Ollama 或 OpenAI 兼容服务，图片仍然会发送到该服务。因此，使用前应确认服务的隐私政策、数据处理方式和访问控制；远程 HTTP 地址也应改用 HTTPS。
2. 模型可以自由切换
模型名称、接口类型和 API 地址都可以在 .env 文件或图形界面中配置。OpenAI 兼容服务如果需要鉴权，可以填写 LLM_API_KEY，本地不需要鉴权的服务则可以留空。
需要注意的是，所选模型必须支持视觉输入。纯文本模型无法识别照片内容。
图片和视频是怎样处理的？
直接把数 MB 甚至十几 MB 的原图发送给模型，会占用较多内存和视觉 Token。为此，程序会先对图片进行预处理：
- 读取并修正照片的 EXIF 方向；
- 将图片最长边缩小到 1280 像素；
- 转换为适合模型分析的 JPEG 数据；
- 根据接口类型生成请求：Ollama 使用
images字段，OpenAI 兼容接口使用data:image/jpeg;base64,...的image_url； - 解析模型返回的文件名描述，并清理 Windows 不允许的字符。
这个过程只在内存中生成缩略图，不会修改原始照片。
对于视频，程序会通过 FFmpeg 获取视频时长，抽取中间位置的一帧，然后让视觉模型根据这一帧生成名称。临时画面会在分析结束后自动删除。
这种方案无法概括长视频的全部内容，但对于手机拍摄的短视频、Live Photo 片段和旅行记录，通常已经能够提供有意义的名称。
为什么不让 AI 直接修改文件？
AI 生成的名称并不一定每次都完全准确。例如，它可能无法确定具体景点，或者把人物关系描述得过于笼统。
因此，这个工具没有采用“分析后立即重命名”的方式，而是加入了一个预览确认流程：
- 扫描目录中的媒体文件；
- AI 逐个分析并生成建议名称；
- 用户检查全部结果；
- 对不满意的名称进行手工修改；
- 最后统一确认并应用。
只有用户点击“应用重命名”并再次确认后，程序才会真正修改文件名。
文件安全方面做了哪些处理？
批量重命名看起来简单，但需要考虑文件重名、非法字符和中途失败等情况。
程序会自动清理 Windows 不允许出现在文件名中的字符：
< > : " / \ | ? *
如果多个文件得到相同的名称，程序会自动添加序号：
天台山大瀑布-瀑布近景.JPG
天台山大瀑布-瀑布近景-02.JPG
天台山大瀑布-瀑布近景-03.JPG
正式重命名前，程序还会检查目标文件是否已经存在，避免覆盖原有文件。
批量操作采用两阶段重命名：文件首先被改成唯一的临时名称，确认全部进入临时状态后，再转换成最终名称。如果过程中发生异常，程序会尽可能恢复原始文件名。
安装和运行
项目使用独立的 Python 虚拟环境，不会把依赖安装到系统 Python 中。
进入项目目录后运行：
powershell -ExecutionPolicy Bypass -File .\setup.ps1
安装脚本会自动：
- 创建
.venv； - 安装锁定版本的 Python 依赖；
- 在缺少
.env时从模板创建配置文件。
然后编辑 .env。继续使用 Ollama 时：
LLM_API_TYPE=ollama
LLM_MODEL=qwen3.8:27b
LLM_API_HOST=http://127.0.0.1:11434
LLM_API_KEY=
切换到 OpenAI 兼容接口时：
LLM_API_TYPE=openai
LLM_MODEL=你的视觉模型
LLM_API_HOST=https://你的服务地址/v1
LLM_API_KEY=你的密钥
系统环境变量优先于 .env，程序界面中的修改只对当前运行生效。.env 不应提交到 Git 仓库，API Key 也不要写入公开配置或博客。
启动程序：
powershell -ExecutionPolicy Bypass -File .\run.ps1
run.ps1 会始终使用项目目录下 .venv 中的 Python。如果虚拟环境不存在，它会先自动执行安装脚本。
使用流程
实际操作只需要几步：
- 点击“选择目录”，指定待处理的照片或视频目录；
- 选择接口类型：
ollama或openai； - 配置 API 地址、视觉模型，以及需要时填写 API Key；
- 点击“测试连接”，确认服务可访问且模型名称正确；
- 点击“扫描目录”；
- 点击“AI 分析全部”；
- 检查并手工修改建议名称；
- 点击“应用重命名”，确认后完成批量处理。
分析过程采用顺序处理，不会同时把大量原图加载到内存中，更适合包含几十或几百个媒体文件的目录。正式重命名之前，所有建议都可以在表格中检查和修改。
当前版本的局限
目前版本仍有一些可以继续改进的地方：
- 日期前缀暂时来自文件修改时间，还没有优先读取 EXIF 拍摄时间；
- 视频只分析中间一帧，无法完整理解长视频内容；
- 景点识别依赖视觉模型自身能力，模型可能只能描述画面而无法判断准确地点；
- AI 生成的名称仍建议在应用前人工检查；
- 不同 OpenAI 兼容服务对视觉消息格式和模型名称的支持程度可能存在差异。
未来可以继续增加 EXIF 拍摄时间、地理位置、多个视频关键帧、命名模板以及重复照片检测等功能。
项目源码
完整源码和安装说明已发布在 GitHub：
如果你也有大量使用 IMG_XXXX.JPG 命名的旅行照片，希望这个工具能帮助你更高效地完成整理。
