用大模型帮你“挑废片”：一个开源 macOS 应用让本地 LLM 成为你的照片评审员
在智能手机和数码相机普及的今天，我们的苹果照片（Apple Photos）图库里往往躺着成千上万张“废片”——模糊的夜景、失焦的抓拍、重复的截图。手动筛选这些照片是一件耗时且主观的事情。一款名为 BadPhotosOut 的原生 macOS 应用，提供了一种全新解决方案：让本地运行的大语言模型（LLM），根据你输入的任意文字标准，来自动判断并标记照片的“好坏”。更重要的是，所有操作都在本地完成，照片无需上传到云端，这为注重隐私的用户提供了一个理想的工具。
项目作者在 GitHub 上表示，这款应用“完全是靠感觉编程的（vibe-coded）”。它不提供一键删除功能，而是让用户在手动审查后再决定是否删除，这极大降低了误删风险。该应用面向两个人群：一是那些图库混乱、希望高效清理的普通用户；二是对本地 AI 和隐私保护有极高要求的开发者或技术爱好者。
本地运行、隐私优先：BadPhotosOut 如何工作
BadPhotosOut 的运行依赖 Ollama，一个可以在本地 macOS 上轻松部署大语言模型的工具。用户需要先通过 Homebrew 安装 Ollama 并拉取一个视觉模型，例如 gemma4:e4b，然后启动本地服务。
使用时，用户在应用中输入描述“差照片”的标准——比如“模糊、曝光不足或意外拍摄”。接着选择扫描范围，例如最近N天、特定相册或整个图库。点击“开始分析”后，照片会流式显示在网格中，并附带颜色标签：绿色代表符合标准（好照片），红色标记为“差照片”，黄色代表分析失败。点击任何照片，可以查看大图以及模型给出的判断理由。
该应用的核心价值在于其“本地化”和“自定义标准”。所有照片通过苹果的 PhotoKit 框架读取，数据仅发送给本地运行的 Ollama 服务器， 不经过任何第三方。这与依赖云端 AI 的图片管理工具（如 Google Photos 的自动分类）形成鲜明对比，满足了那些对数据外传极度敏感的用户的刚需。
隐私与便利之间的平衡：值得一试的开源方案
BadPhotosOut 的设置比想象中简单：用户只需安装 Ollama、拉取模型，然后通过 Xcode 开源代码本地编译生成应用。项目自带 xcodegen 配置文件，一行命令即可生成 Xcode 项目，大大降低了上手门槛。首次运行 macOS 会要求授予照片访问权限，之后即可使用。
值得一提的是，该应用将分析结果缓存到本地 JSON 文件（路径位于 ~/Library/Containers/...），重复分析相同照片时速度极快。但作者也坦诚地贴出免责声明：“本应用是凭感觉编码的，不对正确性、性能或你的照片库负责。用户必须自行承担风险。” 这既是对开源社区诚实的交代，也提醒用户应将 AI 的判断视为辅助参考，而非绝对真理。
从行业角度看，BadPhotosOut 代表了一类新兴趋势：利用本地运行的开源大模型，赋能日常软件中的“主观”任务。它不追求云端服务的“智能化”捷径，而是通过本地推理和用户自定义标准，将决策权完全交还给用户。对于所有渴望在隐私与效率间找到平衡点的苹果生态用户来说，这是一个值得尝试的新思路。
可以说，BadPhotosOut 不仅仅是一个照片清理工具，更是本地 AI 能力下沉到个人数字资产管理的生动案例。随着 Ollama 等工具的成熟，“让每个人电脑里的 AI 模型帮自己干活”正从幻想走向现实。
