不上传一张照片：Flick 的本地相似照片检测

Flick 是一个滑动清理照片的 App。它的两个核心能力——找相似照片、找模糊照片——都在设备端完成，不依赖任何服务器，也没有第三方 SDK。这篇讲实现思路。

相似检测：Vision 特征向量

苹果的 Vision 框架提供 VNGenerateImageFeaturePrintRequest，输入一张图，输出一个特征向量（feature print）。两张图的向量距离越近，内容越相似：

let request = VNGenerateImageFeaturePrintRequest()
try VNImageRequestHandler(cgImage: image).perform([request])
let print = request.results?.first as? VNFeaturePrintObservation
// print.computeDistance(_:to:) 计算两图距离

拿到全库照片的向量后，按距离阈值聚类，连拍、截图重复、九连拍选一张这类场景就都能分到同一组里。剩下的就是把组呈现给用户，让他滑动挑一张保留。

模糊检测：Laplacian 方差

判断一张照片糊不糊，经典做法是对图像做 Laplacian 卷积后算方差：清晰的图边缘丰富、方差大，糊的图方差小。用 vImage 做卷积、vDSP 算方差，几毫秒一张，纯 CPU 也够快。这套算法几十年历史，不需要机器学习模型。

工程细节

• 特征缓存：几万张照片不可能每次启动都重算。特征向量存进 SQLite——直接用 C API，没引 ORM，这个量级够用了。
• 分析流水线：后台协调器按批处理，随时可取消，避免首次分析把设备烤热。
• iCloud 占位文件：开了 iCloud 照片优化存储的设备上，很多「照片」本地只有缩略图。这类只读元数据、跳过分析，绝不能触发下载——否则用户的流量和 iCloud 空间都会遭殃。

为什么坚持全本地

隐私不是一句口号，是架构决定的：没有服务器，就不存在「照片被上传」这个问题，隐私政策也只需要一句话。对独立开发者还有个附带好处——零服务器成本，App 卖一份是一份，没有月度账单。