图片检索是很多应用里容易被低估的功能。相册、资料管理、商品收藏和学习工具都可能积累大量图片，但传统检索通常依赖文件名、标签或人工分类。图片一多，用户就很难记得自己要找的内容存在哪里。

HarmonyOS 7 的 AI 开放能力提供了新的实现思路。官方能力介绍中，Core Vision Kit 提供通用文字识别等机器视觉基础能力；HarmonyOS 7 还新增了通过文本搜索图片的能力，支持基于文本语义检索图片。

<Cite refs={["turn427496search5"]}/>

在设计图片检索功能时，我不会把 OCR 和语义检索当成同一件事。OCR 解决的是“图片里写了什么”，适合查找课件截图、票据和包含文字的资料；语义检索关注的是“图片表达了什么内容”，例如用户输入“海边日落”寻找对应的照片。

我的第一步是建立统一的图片索引结构，把原始图片和检索信息分开管理。

interface ImageRecord {
  id: string;
  uri: string;
  ocrText?: string;
  description?: string;
  createdAt: number;
}
 
function normalizeQuery(query: string): string {
  return query
    .trim()
    .replace(/\s+/g, ' ');
}
 
function matchOcrText(
  records: ImageRecord[],
  query: string
): ImageRecord[] {
  const keyword = normalizeQuery(query).toLowerCase();
 
  if (!keyword) {
    return [];
  }
 
  return records.filter((record) =>
    (record.ocrText ?? '')
      .toLowerCase()
      .includes(keyword)
  );
}

这里的 matchOcrText() 是基础文本匹配示例，并不代表语义检索。真正的图片语义搜索应调用目标 SDK 提供的对应能力，或者使用项目已有的图像特征索引服务；具体接口、输入格式和结果结构需要以官方文档为准。

在实际架构中，我会把检索流程拆成三个部分：图片采集与索引、查询处理、结果展示。图片索引可以在图片导入时逐步生成，避免每次搜索都重新处理全部图片。查询时先判断用户输入更像是文字关键词还是自然语言描述，再选择合适的检索路径。最后对结果做排序，并提供清晰的空结果提示。

这其中还有几个容易忽略的问题。首先是性能：图片数量较多时，不应在主线程中进行大量耗时处理，也不宜每次打开页面都重新生成索引。其次是隐私：图片可能包含人脸、证件、聊天截图等敏感信息，必须明确处理范围，尽量减少不必要的数据传输，并遵循权限与隐私要求。最后是结果可信度：语义检索可能返回相似但不完全匹配的图片，界面上应该允许用户进一步筛选，而不是把检索结果当成绝对准确的判断。

我还会重点验证图片方向、低分辨率图片、包含大量文字的截图以及相似场景图片等情况，比较不同查询方式的召回结果。如果业务场景要求高精度，就需要准备一组有代表性的测试数据，检查结果排序，而不是只用几张示例图片证明功能可用。这次实践让我意识到，AI 视觉能力真正的价值不是简单地给图片贴上“智能”标签，而是减少用户整理和查找内容的成本。对于已有图片管理应用来说，语义检索可以与 OCR、标签和时间筛选互补，逐步形成更自然的内容发现体验。