Cómo un agente de IA organizó un archivo fotográfico de 36 mil imágenes y correos desde 2005 en una noche

Un usuario de Habr describió cómo organizó un archivo de fotos de 36.000 archivos y 222 GB, acumulados durante 20 años, en una sola noche — usando un agente AI impulsado por modelos locales. En el mismo proceso, limpió su bandeja de entrada de correo electrónico, que no había sido tocada desde 2005.

Un Problema Pospuesto Durante Años

La basura digital se acumula imperceptiblemente. Los teléfonos inteligentes crean duplicados, los mensajeros llenan su galería con capturas de pantalla, los discos duros se transfieren de portátil a portátil — y después de 20 años, terminas con 222 GB de caos que da miedo tocar. La organización manual significa docenas de horas de trabajo tedioso.

La mayoría de las personas comienzan, llegan a la segunda hora y se rinden. El autor lo expresa perfectamente: "el volumen mata la intención". La tarea parece psicológicamente insuperable no porque sea compleja — sino por su escala.

Cada vez que abres una carpeta que contiene miles de fotos sin estructura, tu cerebro se niega a participar. La solución fue un agente AI — un programa que maneja todo el trabajo tedioso mientras el propietario hace otra cosa.

Cómo Funciona el Agente

El agente opera localmente — ninguna foto personal se envía a servidores externos. Esta es una opción deliberada: las fotos familiares no se convierten en datos de entrenamiento para los modelos de otras personas, y la privacidad permanece intacta. El trabajo se desarrolla en varias etapas:

• Escaneo de todas las carpetas, incluidas copias de seguridad antiguas y unidades olvidadas
• Búsqueda de duplicados — por hash de contenido y metadatos EXIF
• Determinación de la fecha y ubicación de la foto a partir de datos de la cámara
• Clasificación de contenido a través de un vision-model: personas, naturaleza, documentos, capturas de pantalla
• Eliminación de basura — fotogramas oscuros, fotos accidentales del bolsillo, duplicados obvios
• Organización por estructura: año → evento → tipo de contenido

El agente no solo mueve archivos — toma decisiones sobre qué conservar y qué descartar, basándose en análisis visual. El principio human-in-the-loop se mantiene: las decisiones finales sobre casos ambiguos recaen en el usuario, pero ahora solo hay un puñado en lugar de miles.

Correo de 2005

En paralelo, se procesó la bandeja de entrada de correo electrónico — un buzón sin tocar desde 2005. La misma historia: volumen masivo, sin organización, todo junto. Boletines, notificaciones, conversaciones importantes, recibos financieros — todo mezclado durante dos décadas. El agente revisó los mensajes, identificó hilos importantes, eliminó spam y notificaciones automáticas, y organizó documentos en carpetas separadas.

"Hay tareas que nunca se realizan.

No porque sean complejas, sino porque el volumen mata la intención alrededor de la segunda hora," escribe el autor.

En una noche — un archivo de veinte años, limpio.

Modelos Locales como la Clave

Toda la pila utiliza modelos abiertos en hardware de consumidor. Un vision-model clasifica imágenes por contenido, un LLM local maneja la lógica del agente y toma decisiones estructurales. Sin claves de API, sin suscripciones, sin dependencia de servicios externos. Cualquiera con un portátil moderno con 16+ GB de RAM puede replicar esto. No necesitas una GPU cara — modelos locales como LLaVA u Ollama funcionan bien en hardware estándar. El código y el enfoque del artículo se adaptan a cualquier colección.

Qué Significa

Este caso demuestra una nueva clase de aplicaciones de agentes AI: no tareas de oficina ni codificación, sino la limpieza de herencia digital personal acumulada durante años. La mayoría de las personas tienen tales archivos, pero nunca llegan a organizarlos. Las tecnologías ya están disponibles y funcionan en hardware de consumidor. Las siguientes aplicaciones lógicas — documentos y escaneos antiguos, conversaciones en mensajeros, catalogación de bibliotecas personales.