关键要点
- 评测版本：1.11.5，发布于2026年10月8日；仓库本身最近一次更新在2026年10月17日，因此不适用项目停更警告。
- 许可证与价格：据GitHub仓库为GPL-3.0；官网未列出价格。
- 平台：桌面应用支持Windows x64、仅限Apple Silicon的macOS，以及Linux x86_64。
- 突出功能：语义搜索与人脸搜索、标签审核队列、重复项队列、ComfyUI节点。
- 成熟度：项目较新，既没有公布支持的文件格式列表，也没有公布图像库规模上限。
📍 简单一句话
PixlStash是一款开源图像库管理工具，可直接导入现有文件夹而不移动文件，并用本地运行的AI模型进行整理。
💬 简单来说
可以把它看作为拥有大量AI生成图或参考图的人设计的照片管理器：它给图片打标签、找出重复项，并让你通过描述画面或展示人脸来搜索。
获取PixlStash
PixlStash在三大桌面系统上都以双击即可安装的桌面应用形式提供，无需使用终端。文件附在最新GitHub发布版中；下表从最简单的方式排到最复杂的方式。
平台 | 获取方式 |
|---|---|
| Windows桌面应用 | PixlStash-desktop-1.11.5-win-x64.exe |
| macOS桌面应用 | PixlStash-desktop-1.11.5-mac-arm64.dmg |
| Linux桌面应用 | AppImage或.deb |
| Windows服务器安装包 | pixlstash-server-1.11.5-windows-x64.exe |
| Docker | ghcr.io/pikselkroken/pixlstash:latest |
| pip（Python 3.10+） | pip install pixlstash |
| 官网 | pixlstash.dev |
| 隐私政策 | PixlStash隐私政策 |
| 源代码 | github.com/pikselkroken/pixlstash |
macOS应用无法在Intel Mac上运行。在较新的Linux发行版上，AppImage可能需要libfuse2。Windows安装包已签名，但首次运行时SmartScreen仍可能提示；安装页说明了如何确认发布者。
PixlStash概览
属性 | PixlStash |
|---|---|
| 平台 | Windows、macOS、Linux |
| 价格 | 免费（未列出价格） |
| 许可证 | GPL-3.0（据GitHub） |
| 运行方式 | 本地运行；模型在首次启动时下载 |
| 识别图片中的文字（OCR） | 官网未说明 |
| 单次提示词多张图片 | 官网未说明 |
| 本地API | REST API；端点未公开文档 |
这些属性沿用本地LLM软件目录中的视觉类对比。官网未提及表示“未知”，而不是“不支持”。
PixlStash是什么
PixlStash是图像库管理工具，不是聊天应用，也不是图像生成器。仓库将其描述为在“已经失控的图像库”中找东西的工具：它自动导入并给图片打标签，按内容或人脸搜索，并通过REST API向ComfyUI等其他工具提供数据。
1.11版会读取你已有的文件夹，并根据文件夹名称创建项目、人物和集合，不会复制、移动或重命名任何文件。你可以把它作为桌面应用使用，也可以在服务器上无界面运行并通过浏览器访问。
本评测依据官网的安装、功能、AI和隐私页面以及GitHub仓库。我们没有实际上手测试，因此这里不评价速度、打标签的准确度和稳定性。
入门步骤
设置流程是下载安装包，然后让应用指向一个文件夹。步骤依据安装页和功能页。
- 1选择适合你系统的安装包
Why it matters: 从[发布页](https://github.com/pikselkroken/pixlstash/releases/latest)下载适用于Windows x64、Apple Silicon版macOS或Linux x86_64的桌面应用。 - 2让首次运行获取后端
Why it matters: 应用会检测你的硬件，并一次性下载匹配的NVIDIA、实验性AMD或CPU后端；安装页给出的大小是几百MB到几GB。 - 3在设置中添加图像库
Why it matters: 选择一个文件夹，向导会建议每一层文件夹的含义；在你确认审核界面之前不会移动任何内容。 - 4升级前先备份
Why it matters: 1.11的发布说明提到它会给数据库新增列，请在PixlStash停止运行时复制图像库文件夹。
功能
核心思路是快速审阅和搜索大型图像库。以下内容均来自功能页。
- 原地导入。现有文件夹会变成项目、集合和人物；导入在后台运行，中断后可继续。
- 打标签与描述。四种打标签工具（PixlStash Tagger、WD14、Florence-2、JoyCaption）按请求选择，审核队列会把模型最可能出错的标签排在前面。
- 搜索。用文字描述画面、查找外观相似的图片，或用上传的人脸搜索；集合运算可组合角色和集合。
- 评分。智能评分按值得审阅的程度对大量图片排序，并对畸形人体和渲染缺陷扣分。
- 重复项。队列会比较候选项、将其合并为堆叠，并把多余的图片放入可恢复已删除图片的回收区。
- 分享与安全。带可撤销令牌的只读分享链接、撤销与重做，以及每日、每周、每月的元数据快照。
- 集成。与ComfyUI的双向工作流、自定义Python插件，以及用于备份的pixlstash-cli命令行。
AI模型与硬件
所有模型都在你的电脑上运行，权重在首次启动时下载。AI页面列出：语义搜索用OpenCLIP ViT-B-32，人脸用InsightFace SCRFD-10G配buffalo_l包，描述与分割用Florence-2。
默认的打标签工具是PixlStash Tagger（据称是wd-convnext-tagger-v3的微调版），另有WD14和JoyCaption。Moondream2可通过pixlstash-cli作为插件安装。
桌面应用内置CPU运行时，因此所有模型从首次启动起即可离线运行。NVIDIA CUDA加速是可选下载，AMD ROCm支持属于实验性质且仅限桌面应用，官网没有公布RAM或VRAM要求。
隐私、许可证与费用
据隐私政策（2026年8月3日更新），你的图像库永远不会到达开发者手中。政策称没有账号、云同步和中央服务器，分享是可选且可撤销的。更新检查和匿名安装ID默认均为关闭；开启后只会发送版本、安装类型或随机ID，绝不包含图像库内容。
模型权重来自Hugging Face等服务，GPU附加组件则来自PyPI和PyTorch索引，因此首次运行需要联网。AI页面还提到一个面向OpenAI兼容视觉API的描述工具；你配置的任何远程端点都不在“仅限本地”的说法之内。
人脸分组会为图片中的人物生成人脸嵌入。据官网，这些数据保留在你的电脑上，但对他人的照片或商业用途是否允许，需要你自行负责；官网为商业用途提供AuraFace包，对其余模型没有给出许可条款。据GitHub，代码采用GPL-3.0，而官网只称其为开源。本评测没有检查网络流量，因此这些说法均来自开发者本人。
优势与限制
本地AI打标签
- 实际使用中的意义:
- 无需上传图片即可获得标签和描述。
- 限制 / 注意事项:
- 模型下载体积大，也没有公布准确率数据。
原地导入
- 实际使用中的意义:
- 保留你原有的文件夹结构。
- 限制 / 注意事项:
- 未说明支持的文件格式或图像库上限。
人脸与语义搜索
- 实际使用中的意义:
- 通过描述找到某个人或某个场景。
- 限制 / 注意事项:
- 人脸数据属于个人数据，能否使用取决于你的情况。
覆盖各桌面系统的安装包
- 实际使用中的意义:
- 下载后直接打开，无需终端。
- 限制 / 注意事项:
- macOS仅限Apple Silicon；AMD支持为实验性质。
开源
- 实际使用中的意义:
- GPL-3.0代码可供检查。
- 限制 / 注意事项:
- 项目较新、星标不多；官网未写明许可证。
PixlStash与替代工具对比
目录中没有其他图像库管理工具，所以下面列出的是只覆盖同一任务一部分的工具：给图片生成描述的视觉模型、自托管的打标签应用，以及PixlStash所连接的图像生成器。
PixlStash
- 平台:
- Windows、macOS、Linux
- 价格与许可证:
- 免费，GPL-3.0
- 角色:
- 图像库管理工具
- 主要区别:
- 开箱即用的打标签、人脸搜索和重复项审核
Ollama Vision Models
- 平台:
- Windows、macOS、Linux
- 价格与许可证:
- 免费，按模型授权
- 角色:
- 命令行视觉模型
- 主要区别:
- 按需描述图片；没有图像库，也没有搜索
LLaVA
- 平台:
- Windows、macOS、Linux
- 价格与许可证:
- 免费，Apache 2.0
- 角色:
- 视觉语言模型
- 主要区别:
- 面向开发者的模型库，不是应用
关于LLaVA的文章（10篇）
- LLaVA Review: The Research Model That Started Local Vision AI更新于 2026年9月6日
- Local Image, Video & Vision Tools Compared (2026): Generation, Vision and OCR更新于 2026年9月20日
- LLaMA-Factory Review: Fine-Tune 100+ LLMs via Web UI更新于 2026年9月14日
- Idefics Review: HuggingFace's Open Vision-Language Models, Honestly Assessed更新于 2026年9月7日
- MLC Chat Review: The Mobile App Built on MLC LLM, Assessed Honestly更新于 2026年9月7日
- LLM Farm Review: Open-Source GGUF App, Off the App Store更新于 2026年9月6日
- Ollama Vision Models: How to Actually Run Image Models Locally更新于 2026年9月6日
- h2oGPT Review: Features, Setup, and Why the Project Is Archived更新于 2026年9月3日
- VLMs in Cameras and on Drones 2026: On-Device Video Understanding更新于 2026年9月2日
- Multimodal Local LLMs: Vision, Audio, and Text Processing更新于 2026年8月31日
另有11篇未显示
Karakeep
- 平台:
- 网页、iOS、Android
- 价格与许可证:
- 免费，AGPL-3.0
- 角色:
- 书签与笔记应用
- 主要区别:
- 面向链接和笔记的AI标签与搜索，而非图片文件夹
关于Karakeep的文章（3篇）
- Karakeep Review: Self-Hosted Bookmarks with AI Auto-Tagging更新于 2026年9月18日
- Local Knowledge & Retrieval Tools Compared (2026): RAG, Document Chat, Vector Databases, Notes and Search更新于 2026年9月20日
- Blinko Review: Self-Hosted AI Notes with RAG Search更新于 2026年9月19日
其他提及：
- Surf Review: Deta's Open-Source AI Notebook更新于 2026年9月19日
ComfyUI
- 平台:
- Windows、macOS、Linux
- 价格与许可证:
- 免费，GPL-3.0
- 角色:
- 图像生成器
- 主要区别:
- 负责生成图片；PixlStash负责给图片打标签并整理
关于ComfyUI的文章（10篇）
- ComfyUI Review: Free Node-Based UI for Stable Diffusion & Flux更新于 2026年9月6日
- Locally Uncensored Review: Local Chat, Image, and Video in One App更新于 2026年10月17日
- Draw Things Review: Local-First Image AI with Optional Cloud更新于 2026年10月9日
- SwarmUI Review: The Multi-GPU Stable Diffusion Web UI更新于 2026年10月9日
- Tina Review: iPhone Client for Ollama, llama.cpp and ComfyUI更新于 2026年10月4日
- Local Coding Assistants, Agents & Workflow Tools Compared (2026): IDE Plugins, Agent Frameworks and Autonomous Agents更新于 2026年9月21日
- Local Image, Video & Vision Tools Compared (2026): Generation, Vision and OCR更新于 2026年9月20日
- DreamServer Review: One-Command Local AI Server Stack更新于 2026年9月19日
- AUTOMATIC1111 Review: Stable Diffusion WebUI Explained更新于 2026年9月6日
- ControlNet Review: Structural Control for Stable Diffusion更新于 2026年9月6日
另有12篇未显示
第三方应用的平台、价格和功能经常变化。决定之前，请在各项目自己的页面上核实最新信息。
适合使用PixlStash的人
- 拥有数千张成品的AI绘图创作者。打标签、评分和重复项审核针对的正是这堆图片。
- ComfyUI用户。双向集成会把结果带着标签送回来。
- 想要不依赖云的照片搜索的人。语义搜索和人脸搜索都在你的电脑上运行。
不适合使用PixlStash的人
- Intel Mac用户。macOS应用仅支持Apple Silicon。
- 需要多用户访问的团队。官网没有描述多用户支持。
- 需要经过验证的规模能力的人。没有公布图像库规模或性能数据。
- 尚未核对模型许可证的商业用户。只有人脸包附带许可说明。
常见问题
PixlStash需要GPU吗？
不需要。桌面应用内置CPU运行时；NVIDIA CUDA和实验性的AMD加速是可选下载。
PixlStash会移动或修改我的文件吗？
导入时不会：在你确认审核界面之前，不会复制、移动或重命名任何内容。之后只有在文件夹布局导致当前文件夹不再准确时才会移动文件，提议的移动可以整批撤销。
可以在服务器上而不是桌面上运行吗？
可以。Windows服务器安装包、Docker镜像和pip包都会在9537端口提供浏览器界面。
v1.12的候选版本是什么？
它们是GitHub上的预发布版本。本评测针对最新稳定版1.11.5。
有在线演示吗？
有，官网提供了在线演示链接。
结论
对于需要用本地AI管理大型图像库的创作者，PixlStash是一个有前景的选择：它像普通应用一样安装，原地读取现有文件夹，并把模型保留在你的电脑上。
需要留意的是成熟度和透明度：没有文件格式列表，没有规模数据，官网未写明许可证，GitHub星标为89。在把它指向无法替代的档案之前，先在文件夹副本上试用，并提前备份。
资料来源
- PixlStash官网 — 产品介绍、本地AI说法和链接。
- PixlStash安装页 — 安装包、Docker、pip、系统要求。
- PixlStash功能页 — 导入、打标签、搜索、重复项、分享、ComfyUI。
- PixlStash AI页面 — 模型、硬件和下载。
- PixlStash新功能 — 1.11版变更和版本历史。
- PixlStash隐私政策 — 数据处理、更新检查和安装ID。
- PixlStash的GitHub仓库 — GPL-3.0许可证、发布文件和星标数。