AI 搜索进阶用法与技巧

AI Search 刚装上的时候，大部分人的用法是“搜一次，感觉不太准，就不用了”。问题通常不在功能，而在用错了模式。

AI Search 有两种底层机制完全不同的搜索方式，混用就会失望。这一篇讲怎么用对。

先搞清：两种模式，两套原理

这是全文最重要的一条。AI Search 的两种搜索方式建立在完全不同的基础上：

这意味着两种模式的适用条件完全相反：

• 自然语言搜索的效果，取决于你的素材有没有文本信息。 一张叫 screenshot-174、描述为空、注释为空的图，语义搜索几乎无从下手。
• 以图搜图的效果，取决于你的库里有没有视觉上相似的素材。 它比较的是图像本身。

官方对这个局限说得很直白：这不是搜索引擎本身的问题，再强的搜索也需要有意义的匹配对象。

所以正确的判断顺序是：

• 你的素材文本信息完整（名字规范、有描述、有注释）→ 自然语言搜索会很灵
• 你的素材文本信息稀烂 → 先去补文本（见本系列第三章第二节的 AI Action），或者直接用以图搜图

一、以图搜图的四种启动方式

方式一：从 Eagle 内部拖。 把文件列表里的任意一张图，直接拖到搜索框旁的以图搜图按钮上，松手即搜。

方式二：从剪贴板粘贴。 复制一张外部图片到剪贴板，点以图搜图按钮，然后粘贴。这是从站外找素材时最常用的方式——你在网页上看到一张图，复制，搜自己库里有没有类似的。

方式三：从筛选栏调起。 在筛选栏点“+”可以把以图搜图固定到快捷区，之后一键触发。

方式四：让 AI 帮你做。 AI Search 对外提供了查询接口（见后面第三节），你的插件可以写一段逻辑自动调用。

一个实用建议：把以图搜图固定到筛选栏常驻位。 它的调用频率应该和“复制”这个动作一样高——看到图 → 复制 → 搜，不该中间还要找按钮。

二、以图搜图的进阶：先找一个，再向外分支

这是官方明确推荐的用法，也是大型素材库里最高效的搜图方式。

为什么？ 直接拿一张外部图去搜，结果往往很散——因为它匹配的是视觉特征，而你的库里可能压根没有接近的东西。

正确流程：

1. 先用自然语言搜一批大致相关的（比如“暖色极简海报”）。
2. 从结果里挑一张最接近你心里那个画面的。
3. 拿这张库内的图做以图搜图，向外扩展。
4. 结果通常比直接搜外部图好得多——因为起点更“在库内”。

官方的原话是：这个“找到一个，然后向外分支”的方式，在处理大素材库时效率明显更高。

常见坑：拿一张外部图反复换角度搜三轮，然后得出结论“AI 搜图不准”。问题在于起点选错了。 库内自举的起点，天然比库外抓来的起点更接近库内的分布。

三、自然语言搜索的进阶：它搜的是文本，不是画面

这是最容易误解的一点。自然语言搜索不会读取图片像素。

它做的是：把你的描述，和素材已有的文本信息做语义匹配。所以：

能搜到： - 你输入“暖色极简海报”，搜到名字或描述里有”暖色调/极简/海报“的素材 - 你输入跨语言的词，也能命中（只要素材的文本里有对应含义） - 你搜“日落时的海滩”，搜到注释里写了这句话的素材

搜不到： - 画面里有一片暖色调，但文件名和注释里都没提 → 搜不到 - 一张本身很“极简”的图，但文本信息里没有任何相关词 → 搜不到

推论出一条很实用的策略：搜不到的时候，不是搜索的错，是文本信息缺失。

有两条路可选：

1. 换一个角度搜——用你确实记录过的词。
2. 补文本信息——给这批素材加描述和注释（可以用 AI Action 批量做），之后再搜。

四、把自然语言搜索的语料准备好

既然语义搜索搜的是文本，那文本质量直接决定搜索质量。这几个投入产出比很高：

优先补注释，不是文件名。 文件名通常短且规范（open-studio-weekend_schedule-reference），能搜到的关键词有限。而一句像“日期分段日程，时间与讲者同行”这样的注释，包含了大量你会自然想到的搜索词。

注释要用“你会怎么搜”的方式写。 写”日期分段日程、时间与讲者同行“，比写“排版参考”有用得多——因为你将来搜的时候想的是”日期怎么分组“，不是“排版参考”。

写清楚“什么时候不该用”。 一句”小尺寸社交图需要另找方案“会成为一个非常有区分度的搜索点。

跨语言标签要翻译。 从日本素材站收来的素材，如果标签全是日文，用中文搜索就很吃力。Eagle MCP / Skill 里有一个专门处理这事的用法：让 Agent 扫描指定文件夹，把日文标签翻译成中文，先出确认清单给你审，确认后批量执行。

五、传统筛选器仍然是效率最高的日常工具

AI 搜索很强，但它有一个前提：素材的文本信息够好。 在大部分日常场景里，传统筛选器反而更快，因为它们是确定性的——条件是什么，结果就是什么。

传统筛选器和 AI 搜索的最佳分工：

几个筛选器的高阶用法：

标签的 Any / All / 排除三种逻辑。 假设你用过 packaging-reference 和 line-art： - 用 Any：素材有其中任一个标签就行（你记不清具体是哪个） - 用 All：两个都有（你确定） - 用排除：设为 All，然后右键把某个标签排除掉（你确定它没有）

颜色筛选可以筛视频。 Eagle 用视频的缩略图颜色做筛选——一个封面偏黑的视频，在选黑色色板时会出现。

形状筛选要看“整张保存的图”，不是里面某个元素。 一张竖版海报被放在宽桌面上拍下来，存进去就是横图。你按竖版去筛，可能会把这张参考筛掉。

常见坑：结果变少的时候，先删掉你最不确定的那个条件。记忆可能不准——你记得的“宽”也许是一张裁切版。按”最确定的先留、最不确定的先删“的顺序逐个放宽，能立刻看出是哪个条件在排除候选。

六、用 API 把 AI 搜索接进自己的工作流

如果你会一点代码，AI Search 的接口能让你把搜索嵌进固定流程。

先检查服务状态，这是所有调用的前提：

const aiSearch = eagle.extraModule.aiSearch;

if (!await aiSearch.isInstalled()) { await aiSearch.open(); return; }
if (!await aiSearch.isReady())     { /* 服务还没起来，等一下 */ return; }
if (await aiSearch.isSyncing())    { /* 正在同步，索引不完整 */ }

三种搜索方式：

// 文字语意搜索
const r1 = await aiSearch.searchByText('一只橘色的猫咪', { limit: 10 });

// Base64 图片搜索
const r2 = await aiSearch.searchByBase64(base64Image, { limit: 20 });

// 用库里已有的项目搜相似
const selected = await eagle.item.get({ isSelected: true });
const r3 = await aiSearch.searchByItemId(selected[0].id, { limit: 30 });

最有用的实战模式：搜完直接选中结果。

const result = await aiSearch.searchByText('日落时的海滩风景', { limit: 30 });
const top = result.results.filter(r => r.score > 0.5).slice(0, 10);

if (top.length) {
  // 直接把结果选中，接着就能批量打标签或拖进文件夹
  await eagle.item.select(top.map(r => r.item.id));
}

为什么这个模式最有价值： 它把“搜索”和”整理“接在了一起。搜到一批 → 立刻选中 → 批量打标签或归位。中间不再需要手动逐个点击。

返回结果里的 item 是完整的 Item 对象，可以直接调用它所有的方法（save()、refreshThumbnail() 等），不需要再查一次。

七、性能：让 AI Search 跑得更快

AI Search 支持 GPU 加速，在兼容硬件上整体处理速度可以比纯 CPU 模式快 30～50 倍。

安装向导会自动检测硬件并推荐对应版本，不需要手动配置。

如果你只能用 CPU 模式，索引会慢很多。 一个可行的应对策略是：不要一上来就索引整个库，先只对最常用的那一个库开索引，跑顺了再扩展。

常见坑：以为 AI Search 需要联网才能用。它是完全本地运行的——图片不上传云端，没有外部服务器参与分析，断网也能用。这一条决定了它对客户设计文件、个人作品集这类敏感素材的可用性。了解这一点之后，你可能反而会更愿意用它。

最后：把两种模式串成一条链

一个完整的搜索动线应该是这样的：

1. 先用传统筛选器缩小范围——颜色、比例、格式，这些是确定性的，最快。
2. 用自然语言搜索收窄——在筛出来的小集合里，用你脑子里的说法去找。
3. 用以图搜图发散——找到一张接近的，向外扩展找更多。
4. 切到 List 核对——确认名字、尺寸、时间对不对。
5. 顺手补一条记录——打标签或写一句注释，让下次搜更快。

第 5 步是整条链的闭环。你这次搜索的成果如果不留下，下次还是要重来一遍。

整理人：WorkBuddy