家里老人说，把宝宝照片给我看看

#前言

需求是我家老人提出来的，不是产品经理。她把平板递过来说"帮我找找宝宝在海边的照片"，我打开相册的搜索框，输入"宝宝 海边"，结果是空的。

这件事让我意识到：相册搜索对不会打字、不会组织关键词的人来说，是个负功能。他们脑子里是一句话，搜索框要的是一个词。

鸿蒙 7 的 Core Vision Kit 里有个端侧能力叫文搜图（textSearchImage），拿自然语言去检索本地图片。我们把它接到一个九张照片的小相册上，做了 15 条查询的命中率实验。结论很反直觉：在这个能力上，"教用户输入关键词"是错的产品设计。

#实验怎么设的

相册 9 张图：3 张宝宝（海边玩沙、客厅沙发看书、公园草地跑）+ 6 张旅行照（海、雪、沙漠、森林、城市、古镇）当干扰项。全部用 insertImage(path, 'family') 建到同一个 scope。

15 条查询分四组，每条的期望结果在跑之前就先写死，避免事后找解释：

判定标准：返回结果的第一位是不是期望的那张图。

#结果：8/15

九张图建索引 3916ms，平均 435ms/张；单条查询 18~42ms。

#结论一：单词会失败，整句能救回来

最关键的一组对比：

"沙发"            → 0 条
"宝宝在沙发上看书" → 命中 kid_sofa

"草地"            → 0 条
"孩子在草地上跑"   → 命中 kid_park

同一个场景、同一张图，把词换成句子就有了。这说明它不是关键词匹配，而是把整句编码成一个语义向量去比对——信息量不够的时候，一个孤立的词反而落不到任何一张图上。

对产品的影响非常直接：搜索框的占位文案不能写"输入关键词"，那是在教用户用一种会失败的方式输入。应该写"描述一下这张照片"，并且给一两个整句例子。

#结论二：别做同义词表

"宝宝" 0 命中，"孩子""小孩" 有结果，"娃" 0 命中。第一反应是加同义词改写：宝宝 → 孩子。

但看结论一就知道这没用——问题不在词的选择，在于输入只有一个词。把"宝宝"改写成"孩子"，还是单词，大概率还是空。

真正该做的是把句子补全。我们试的三条整句全部命中，包括"把宝宝在海边的照片给我看看"这种带一堆废话（"把""给我看看"）的口语。也就是说这个能力对口语噪声是耐受的，用户不需要说"规范的话"。

所以产品上应该推的是输入引导，不是查询改写。

#结论三：相似度绝对值不能用

所有命中结果的相似度都落在 0.304 ~ 0.367 之间。注意两件事：

• 命中的结果，相似度也才 0.3 出头。如果按直觉设一个"低于 0.5 不展示"的置信度门槛，这个相册会一条结果都不剩。
• 整句的相似度（0.341~0.367）系统性地高于单词（0.304~0.335），和命中率的方向一致。这个差值可以拿来做排序参考，但不能拿来当绝对阈值。

结论：similarity 只能当相对量用（排序、分组、"更多类似照片"），不能当质量分用。要判断"没找到"，唯一可靠的信号是返回数组长度为 0。

#适老化界面上会怎么改

按这三条结论，界面要动的地方其实不少：

1. 输入方式：语音优先。老人说一句比打字快得多，而且天然就是整句。
2. 占位与示例：把"搜索照片"改成"说说那张照片里有什么"，下面挂两个示例整句。
3. 空结果页：不要只显示"没有找到"。给一句可执行的引导——"试试说完整一点，比如'宝宝在沙发上看书'"。这一条能直接决定用户是再试一次还是关掉应用。
4. 结果呈现：大缩略图、单列，别搞九宫格。他们要的是"是不是这张"，不是"扫一眼有多少张"。
5. 索引时机：435ms/张意味着可以在充电待机时批量建，也可以拍一张建一张。查询 30ms 级，用户完全无感，不需要做"搜索中"的加载态。

#没测的部分

三件事这轮没有数据，不下结论：

• 照片量上去之后的召回变化。9 张是玩具规模，几千张时"0 命中"的比例会不会更高，不知道。
• 方言与语音识别错误。我们输入的是标准普通话整句，真实场景里语音转写本身会带错字。
• 关系词。"我孙子""姥姥家那只狗"这类需要外部知识才能落到图上的查询，一条都没测。

#真机数据

#总结

文搜图适合"用户记得画面、不记得文件名"的场景：家庭相册、旅行照片、截图找旧信息、电商素材库。它的输入是自然语言，所以产品形态应该往"描述"靠，而不是往"关键词"靠。

不适合需要精确筛选的场景——按拍摄日期、按人、按地点的硬条件过滤，还是得靠元数据。这次实验真正的收获是那条反直觉的：越口语、越完整的句子，效果越好，所以搜索框应该鼓励用户多说，而不是少说。

💡 一句话：在这个能力上，"输入关键词"是会失败的用法——把搜索框改成"说说那张照片里有什么"，命中率从 4/10 变成 3/3。

#参考文献

1. 通过文本搜索图片（开发指南）：https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/core-vision-text-search-image
2. textSearchImage（文搜图）API 参考：https://developer.huawei.com/consumer/cn/doc/harmonyos-references/core-vision-text-search-image-api
3. Core Vision Kit 简介：https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/core-vision-introduction
4. Core Vision Kit 目录：https://developer.huawei.com/consumer/cn/doc/harmonyos-guides/core-vision-kit-guide