Facet 是什么？
Facet 是一个带网页图库的本地照片分析与筛选引擎：它先为每张图片评分，然后让你浏览、筛选并整理结果。README 称一切都在你的机器上运行，无需云、账号或 API 密钥，代码采用 MIT 许可证。
LICENSE 文件把 Nicolas Coevoet 列为版权持有人。工作由两个工具分担：一个从命令行启动的扫描器，以及一个在浏览器中提供图库的查看器。
获取方式
Facet 通过 Docker 或安装脚本，从源代码仓库安装；项目没有发布安装程序、应用商店页面或发布的二进制文件。
选项 | 获取方式 |
|---|---|
| Docker（推荐） | 安装指南：克隆、设置照片文件夹、docker compose up |
| 不使用 Docker | 克隆后运行 bash install.sh，再运行 python facet.py 和 python viewer.py（Linux、macOS） |
| 文档 | 仓库中的docs 文件夹 |
| 官网 | ncoevoet.github.io/facet |
| 源代码 | github.com/ncoevoet/facet（MIT） |
| 发布 | GitHub 发布页，仅有发布说明 |
评测的版本：v1.25.0，据 GitHub 发布页于 2026 年 10 月 27 日发布；仓库最近一次推送在 2026 年 10 月 28 日。安装需要终端、Git 以及 Docker 或 Python，属于开发者式的部署，而不是双击安装。在项目网站和我们读过的文档中，没有找到独立的隐私政策页面；隐私相关说明在 README 中。
运行要求
文档称 Facet 可在任何带 CPU 的机器上运行，NVIDIA 显卡或大内存的 Apple Silicon Mac 则可启用其最强的模型。
配置档
- 来源说明:
- legacy：仅 CPU；8gb：NVIDIA 6-14 GB；16gb：NVIDIA 14-20 GB；24gb：NVIDIA 20 GB 及以上
首次下载
- 来源说明:
- 据文档只需一次：legacy 约 4.7 GB，8gb 约 6.9 GB，16gb 约 14.6 GB，24gb 约 19.1 GB
Apple Silicon
- 来源说明:
- Torch 模型使用 Metal 后端；auto 配置档按统一内存总量确定，32 GB 可达 16gb
内存
- 来源说明:
- 文档没有给出最低 RAM；并警告在较大配置档下，限制了内存的容器可能在扫描中途被终止
软件
- 来源说明:
- Docker；手动安装则需要 Python 3.12（3.10 及以上可用），构建图库另需 Node.js 20 及以上
操作系统
- 来源说明:
- Windows、macOS 或 Linux；在 Windows 上文档推荐 Docker，使用 NVIDIA 显卡则推荐 WSL2
照片格式
- 来源说明:
- 包括 JPEG、HEIC、10 种 RAW 格式、PNG、WebP、TIFF、AVIF 和 JPEG XL 等
这些数据来自项目文档；PromptQuorum 没有在任何硬件上测量扫描耗时或内存占用。
上手步骤
以下步骤依据项目文档编写；PromptQuorum 没有执行过。
- 1获取代码并设置文件夹
Why it matters: 克隆仓库，把 .env.example 复制为 .env，并把 PHOTOS_DIR 设为你的照片文件夹。 - 2启动 Facet
Why it matters: 运行 docker compose up -d；如有 NVIDIA 显卡，再加上对应显存大小的 compose 文件，或不用 Docker 而运行安装脚本。 - 3扫描并等待下载
Why it matters: 首次扫描会下载你所选配置档的模型、创建数据库并给照片评分；处理期间你可以先浏览。 - 4打开图库并设置密码
Why it matters: 在浏览器中打开查看器，用 Docker 镜像只显示一次的 edition 密码登录，并在共享端口之前设置查看器密码。
主要功能
以下每一项都来自项目的 README 或文档；PromptQuorum 均未测试。
- 评分。每张照片有九个维度，包括美学质量、构图、人脸质量、眼睛锐度和曝光，并按内容类别（30 多个类别）加权。
- 筛选。连拍、相似照片和场景分组，闭眼标记，近似重复检测，以及带试运行预览的自动筛选；包围曝光和全景系列会保持完整。
- 浏览。马赛克和网格视图、筛选器、时间线、地图、包括智能相册在内的相册、主题幻灯片，以及“往年今日”回忆。
- 整理。命名的人物及合并建议、星级评分、标签，以及可快速撤销的批量操作。
- 共享与连接。带客户确认模式的相册链接、面向 Lightroom、darktable 和 digiKam 的 XMP 附属文件、用于手机上传的 WebDAV 收件箱，以及与 Immich 的评分同步。
AI 功能及运行位置
核心 AI 面向图像：质量评分模型、用于搜索的嵌入向量、人脸模型和主体检测；文字形式的标签、说明和点评则来自可选的视觉语言模型。
- 质量评分。16gb 和 24gb 配置档用 TOPIQ 计算美学分，legacy 和 8gb 则使用带美学头的 CLIP 嵌入；文档称 LIQE 等补充评分器可在任何配置档上使用。
- 搜索。像“海滩上的日落”这样的输入会与嵌入向量匹配：16gb 和 24gb 用 SigLIP 2，legacy 和 8gb 用 OpenCLIP ViT-L-14。
- 人脸。InsightFace 检测并识别人脸，再由聚类归为人物；可选的 MediaPipe blendshapes 能提高闭眼和微笑的判断。
- 主体。BiRefNet 区分主体与背景，用来判断对焦和取景。
- My Taste。你的 A/B 对比、评分和筛选决定会输入权重优化器和个人排序。
- 视觉语言模型。标签、说明和点评在 16gb 和 24gb 配置档上于同一进程内运行，也可由 vlm_backend 指定远程 Ollama 或兼容 OpenAI 的服务器运行；此时图像会发送到该服务器。
数据流向与隐私
README 称一切都在你的机器上运行，无需云、账号或 API 密钥；文档称扫描只读取照片，并把结果写入 Facet 自己的数据库。模型在首次使用时从 Hugging Face、PyIQA 和 InsightFace 的来源下载到本地缓存；PromptQuorum 没有测试下载之后能否离线运行。
我们在文档和源代码中发现的对外请求有：除非 updates.enabled 为 false，否则每 7 天向 GitHub 询问最新发布版本的更新检查；浏览器从 OpenStreetMap 瓦片服务器加载的地图瓦片；提到地理编码器 Photon 的 GPS 编辑对话框；以及仅在你把 vlm_backend 设为 Ollama 或兼容 OpenAI 的服务器时，你发送到那里的图像。查看器脚本默认监听所有网络接口，在 viewer.password 为空期间，任何能访问该端口的人都可以浏览照片库并下载原图。面向 MCP 助手的端点默认开启；在未设密码的安装上，它提供只读的匿名密钥，把 viewer.mcp.enabled 设为 false 即可关闭。
📌注: 这些是项目的说法，以及 PromptQuorum 对其文档和源代码的解读。我们没有检查网络流量，也没有审计其余源代码。
模型许可证
Facet 自身的代码采用 MIT 许可证，但它默认下载的部分模型未获商业使用许可。项目的模型许可证页面把 pyiqa（TOPIQ、LIQE 等评分器）列为采用 PolyForm Noncommercial 的代码、权重为 CC BY-NC-SA，并把 InsightFace buffalo_l 的权重列为仅限非商业研究。GitHub 的 API 没有识别出该仓库的许可证，所以请直接阅读 LICENSE 文件。
把 licensing.mode 设为 commercial 后，Facet 只使用宽松许可的模型：受限组件永远不会被导入或下载，每个环节都会改用替代模型，例如人脸使用 YuNet 和 SFace。标准安装脚本和 Docker 镜像包含受限软件包，商业安装本身不会自动切换模式。该页面说明它只是信息，不构成法律建议。
📌注: 如果你打算在业务中使用 Facet，请在依赖默认设置之前，自行核对每个模型的许可证。
适合哪些人
- 拥有大型照片库的摄影师，想在后期之前先整理连拍、闭眼和近似重复的照片。
- 自托管用户，想要带自然语言搜索和人脸分组的私有图库，并且熟悉 Docker。
- Lightroom、darktable 和 digiKam 用户，希望评分和精选结果以标准附属文件的形式写回。
我们未能核实的内容
- AI 质量。评分准确度、人脸分组、搜索相关性和扫描速度均未测试；README 本身也称美学评分是近似值。
- 离线使用。首次下载模型之后 Facet 能否完全离线运行，我们没有核实。
- 发布稳定性。v1.23.1 的发布说明称 v1.23.0 发布时缺少 CUDA 版 Docker 镜像，并且在 2026 年 10 月 24 日至 27 日之间发布了三个版本，因此请预期变化很快。
- 支持。README 称这是没有商业筛选工具那样支持的单人开发项目。
- 安装步骤。设置命令来自文档，PromptQuorum 没有运行过。
竞品与替代方案
目录中还有三款同一领域、已评测的照片与图像库工具。
Immich
- 平台:
- 服务器（Docker）、iOS、Android、浏览器
- 价格 / 许可证:
- 免费 / AGPL-3.0
- 主要区别:
- 手机备份与搜索；据 Facet 的 README，Facet 增加了质量评分和筛选，并可与 Immich 同步评分
关于Immich的文章（1篇）
- Immich Review: Self-Hosted Photo Library with Smart Search更新于 2026年10月26日
PhotoPrism
- 平台:
- 服务器（Docker）、浏览器
- 价格 / 许可证:
- 免费 Community / AGPL-3.0
- 主要区别:
- 带 AI 的自托管照片库；Facet 的 README 把它与 Immich 一同归为整理、搜索和备份类工具
关于PhotoPrism的文章（1篇）
PixlStash
- 平台:
- Windows、macOS、Linux 桌面应用、网页
- 价格 / 许可证:
- 免费 / GPL-3.0
- 主要区别:
- 带本地打标签、生成说明和 ComfyUI 集成的图像库，以桌面应用方式安装
关于PixlStash的文章（1篇）
请在各应用自己的页面核对其当前价格、许可证和平台。
常见问题
Facet 需要 GPU 吗？
不需要。legacy 配置档在 CPU 上就能运行评分、人脸、标签、筛选和图库，只是更慢；TOPIQ、SigLIP 2 和内置说明生成需要 NVIDIA 的 16gb 或 24gb 配置档，除非你把 vlm_backend 指向远程服务器。
Facet 会修改或删除我的照片吗？
文档称扫描只读取照片。把评分和关键词写入文件是另一项可选操作，而把被拒绝的照片移入回收站，只有在 viewer.cull.allow_trash 开启时才可用。
可以在手机上使用 Facet 吗？
没有原生应用。图库是可安装的响应式网页应用，文档介绍了用 PhotoSync 或任何 WebDAV 应用上传到受监控的收件箱。
如何在商业场景使用 Facet？
安装商业版本，把 licensing.mode 设为 commercial，运行 doctor 命令查看当前生效的许可证状况，然后阅读模型许可证页面。
如何让图库保持私密？
设置 viewer.password，并把查看器放在启用 HTTPS 的反向代理之后；部署文档提供了 nginx 和 Caddy 的示例。
结论
Facet 是一种免费且更新活跃的方式，可以为大型本地照片库评分、筛选和浏览，人脸分组与自然语言搜索都在你自己的机器上运行。另一方面，安装需要终端和首次运行时的大量模型下载，据项目的许可证页面，部分默认模型权重未获商业许可，据其文档，查看器在设置密码之前一直开放，一项可选功能可能把图像发送到远程服务器，而关于 AI 质量的说法在此都无法核实。它适合熟悉 Docker 的摄影师和自托管用户；想要双击即用的应用或 LLM 助手的人，应该另寻他处。
来源
- Facet 网站：功能概览与快速开始，2026 年 10 月 28 日查看。
- Facet README：功能、要求、许可证与对比，2026 年 10 月 28 日查看。
- Facet 文档：安装、配置、部署和 AI 代理页面，2026 年 10 月 28 日查看。
- 第三方模型与许可证：各模型的许可证，2026 年 10 月 28 日查看。
- GitHub 上的 Facet：发布版本与提交活动，2026 年 10 月 28 日查看。