Como um agente de IA organizou um arquivo fotográfico de 36 mil imagens e e-mails desde 2005 em uma noite

Um usuário do Habr descreveu como organizou um arquivo de fotos com 36.000 arquivos e 222 GB, acumulados ao longo de 20 anos, em uma única noite — usando um agente AI alimentado por modelos locais. No mesmo processo, limpou a caixa de entrada de e-mail, que não era tocada desde 2005.

Um Problema Adiado por Anos

A sujeira digital se acumula imperceptivelmente. Smartphones criam duplicatas, messengers preenchem sua galeria com capturas de tela, discos rígidos são transferidos de notebook para notebook — e depois de 20 anos, você termina com 222 GB de caos que assusta tocar. A organização manual significa dezenas de horas de trabalho tedioso.

A maioria das pessoas começa, chega até a segunda hora e desiste. O autor coloca perfeitamente: "volume mata a intenção". A tarefa parece psicologicamente insuperável não porque seja complexa — mas por causa de sua escala.

Toda vez que você abre uma pasta contendo milhares de fotos sem estrutura, seu cérebro se recusa a engajar. A solução foi um agente AI — um programa que cuida de todo o trabalho tedioso enquanto o proprietário faz outra coisa.

Como o Agente Funciona

O agente opera localmente — nenhuma foto pessoal é enviada para servidores externos. Esta é uma escolha deliberada: fotos da família não se tornam dados de treinamento para os modelos de outras pessoas, e a privacidade permanece intacta. O trabalho ocorre em vários estágios:

• Digitalizando todas as pastas, incluindo backups antigos e unidades esquecidas
• Encontrando duplicatas — por hash de conteúdo e metadados EXIF
• Determinando data e local da foto a partir dos dados da câmera
• Classificando conteúdo através de um vision-model: pessoas, natureza, documentos, capturas de tela
• Removendo lixo — quadros escuros, fotos acidentais do bolso, duplicatas óbvias
• Organizando por estrutura: ano → evento → tipo de conteúdo

O agente não apenas move arquivos — ele toma decisões sobre o que manter e o que descartar, com base em análise visual. O princípio human-in-the-loop permanece: decisões finais sobre casos ambíguos ficam com o usuário, mas agora há apenas um punhado em vez de milhares.

E-mail de 2005

Em paralelo, a caixa de entrada de e-mail foi processada — uma caixa de correio intocada desde 2005. A mesma história: volume massivo, sem organização, tudo junto. Boletins informativos, notificações, conversas importantes, recibos financeiros — tudo misturado ao longo de duas décadas. O agente passou pelas mensagens, identificou threads importantes, deletou spam e notificações automatizadas, e organizou documentos em pastas separadas.

"Há tarefas que nunca são realizadas.

Não porque sejam complexas, mas porque o volume mata a intenção por volta da segunda hora," escreve o autor.

Em uma noite — um arquivo de vinte anos, limpo.

Modelos Locais como a Chave

Toda a pilha usa modelos abertos em hardware de consumidor. Um vision-model classifica imagens por conteúdo, um LLM local manipula a lógica do agente e toma decisões estruturais. Sem chaves de API, sem assinaturas, sem dependência de serviços externos. Qualquer pessoa com um notebook moderno com 16+ GB de RAM pode replicar isso. Você não precisa de uma GPU cara — modelos locais como LLaVA ou Ollama funcionam bem em hardware padrão. O código e a abordagem do artigo se adaptam a qualquer coleção.

O Que Significa

Este caso demonstra uma nova classe de aplicações de agentes AI: não tarefas de escritório ou codificação, mas limpeza de herança digital pessoal acumulada ao longo dos anos. A maioria das pessoas tem tais arquivos, mas nunca chega a organizá-los. As tecnologias já estão disponíveis e funcionam em hardware de consumidor. As próximas aplicações lógicas — documentos e digitalizações antigos, conversas em messengers, catalogação de bibliotecas pessoais.