--- title: "Foto iPhone tetap di lokal, dan Comma yang menemukannya · Blog Comma" description: "Modelnya juga berjalan di lokal. Tanyakan dengan kata-kata Anda sendiri, dan Comma menemukan foto di indeks lokal." url: https://comma.surf/id/blog/local-iphone-photo-search language: id --- [Kembali ke blog](https://comma.surf/id/blog) Comma Team · 28 Oktober 2026 · 6 menit baca # Foto iPhone tetap di lokal, dan Comma yang menemukannya Modelnya juga berjalan di lokal. Tanyakan dengan kata-kata Anda sendiri, dan Comma menemukan foto di indeks lokal. [Mulai](https://app.comma.surf/) [Baca dokumentasi](https://comma.surf/id/docs/salix/devices) Anda sedang memesan mobil sewaan secara online, dan formulirnya meminta nomor serta tanggal kedaluwarsa SIM Anda. SIM-nya tidak ada di dekat Anda. Anda ingat pernah memotretnya tahun lalu, depan dan belakang, saat mendapat SIM baru, tetapi foto-foto itu terkubur di antara puluhan ribu foto di iPhone Anda. Anda ingin bertanya kepada [Comma](https://comma.surf/id/) dengan kata-kata sendiri dan mendapatkan kembali kedua foto itu. Panduan ini menunjukkan satu cara menyiapkannya: buat indeks foto Anda dengan model lokal, lalu biarkan Comma mencarinya. Ini adalah contoh penyiapan di satu Mac, bukan fitur bawaan Comma. ## Pustaka Anda tetap di lokal Comma tidak memerlukan salinan foto Anda. Pekerjaan beratnya, yaitu membaca teks di setiap gambar dan mengubah setiap foto menjadi vektor, dikerjakan oleh model lokal. Yang diterima agen adalah hasil pencarian: beberapa ID foto, tanggalnya, teks yang ditemukan di dalamnya, dan, saat Anda perlu memilih, satu lembar kontak berisi gambar mini. Hanya foto yang akhirnya Anda pilih yang dikirim ke obrolan. Foto itu sendiri tetap disinkronkan lewat iCloud; “lokal” di sini berarti pengenalan teks, vektor, dan indeks setelah ekspor. Jika Comma memakai model cloud, hasil pencarian ini, dan gambar apa pun yang Anda minta untuk dilihatnya, dikirim ke penyedia model yang Anda pilih. Untuk dokumen seperti SIM, teks yang dikenali memuat nomor dan alamat. Indeksnya sendiri tidak pernah dikirim ke mana pun. Comma bersifat open source, dan Anda juga bisa [menjalankannya di mesin Anda sendiri](https://comma.surf/id/self-host). ## Membangun indeks foto Indeks dipasang di belakang jalur yang memang sudah dilalui foto Anda. Tidak ada yang berubah di iPhone. Setiap langkah setelah ekspor berjalan di Mac. Penyiapannya terdiri dari tiga langkah: 1. **Bawa foto ke Mac.** Sinkronkan foto di iPhone ke Mac dengan Foto iCloud, lalu ekspor foto baru ke satu folder setiap hari. 2. **Proses dengan model lokal.** Kenali teks di setiap gambar, lalu ubah gambar menjadi vektor dengan [Chinese-CLIP](https://huggingface.co/OFA-Sys/chinese-clip-vit-base-patch16) dan [Qwen3-VL-Embedding](https://huggingface.co/Qwen/Qwen3-VL-Embedding-2B). 3. **Simpan di indeks lokal.** Simpan hasilnya di database lokal, dengan satu perintah untuk mencarinya. Dalam contoh ini perintahnya bernama `lpa`. ## Apa yang dikembalikan pencarian Di lokal, satu pencarian adalah satu perintah. Satu panggilan bisa memuat beberapa rumusan, dan model hanya dimuat sekali. Agen mengubah kata-kata seperti “tahun lalu” menjadi rentang tanggal. sh ``` lpa search "driver license" "driver's license" "驾照" \ --from 2025-01-01 --to 2026-01-01 --prefer text --json -n 9 ``` Setiap hasil menunjukkan jenis bukti di baliknya: | Label | Arti | | --- | --- | | Cocok teks | Setiap kata ditemukan dalam teks gambar. | | Mungkin | Gambarnya tampak mirip. Hal yang mirip mudah tertukar. | | Keyakinan rendah | Hanya ditampilkan jika tidak ada yang lebih baik. | `--prefer text` menaruh hasil cocok teks di depan, cocok untuk dokumen, kartu, dan tangkapan layar. `--prefer picture` menaruh gambar yang tampak mirip di depan, cocok untuk kucing atau pantai. Foto yang hampir sama dan diambil dalam beberapa menit hanya menempati satu tempat di daftar, dan sisanya dikelompokkan di bawahnya. Cocok teks: nama jaringan dan kata sandi berasal dari tulisan di kartu dalam foto. Foto ini dibuat untuk contoh ini. Cocok gambar: tidak ada tulisan "kucing" atau "ambang jendela" di foto-foto ini; vektor gambar yang menemukannya. Saat hasil teratas tidak pasti, agen tidak menebak. Agen mengumpulkan gambar mini para kandidat dalam satu lembar bernomor, paling banyak sembilan, lalu meminta Anda memilih. Contoh lembar kontak; SIM-nya adalah kartu contoh. 1 dan 2 adalah hasil cocok teks untuk sisi depan dan belakang, 3 dan 4 tampak seperti kartu, dan sisanya kandidat dengan keyakinan rendah. Balas "1 dan 2", dan agen mengirim kedua sisi SIM. Cara kedua set vektor bekerja sama ditetapkan lewat kalibrasi pada pustaka lengkap berisi sekitar 50.000 foto. Dengan Qwen3-VL-Embedding saja, jawaban benar yang dipilih seseorang justru berada lebih rendah daripada dengan Chinese-CLIP saja. Setelah kedua peringkat digabung, setiap item yang diperiksa hasilnya setidaknya sama baiknya dengan memakai salah satu model saja. Label “Mungkin” juga hanya diberikan jika kemiripan dari kedua model melewati ambang: dalam satu kueri uji, foto berlabel “Mungkin” turun dari 4.970 menjadi 4. Konsekuensinya, satu pencarian butuh 3,5–6 detik, bukan sekitar 3 detik. Contoh ini berjalan di MacBook Air dengan memori 16 GB, memakai Qwen3-VL-Embedding versi 2B. Di mesin yang lebih kuat, Anda bisa memakai model Qwen yang lebih besar: - **Model vektor yang lebih besar.** Ganti Qwen3-VL-Embedding-2B dengan [Qwen3-VL-Embedding-8B](https://huggingface.co/Qwen/Qwen3-VL-Embedding-8B). Setelah diganti, vektor semua foto harus dihitung ulang dengan model baru. - **Deskripsi dan tag untuk setiap foto.** Jalankan juga [Qwen3-VL-4B-Instruct](https://huggingface.co/Qwen/Qwen3-VL-4B-Instruct) atau [Qwen3-VL-8B-Instruct](https://huggingface.co/Qwen/Qwen3-VL-8B-Instruct) untuk menulis deskripsi satu baris dan beberapa tag bagi setiap foto, lalu simpan di indeks teks. Di MacBook Pro dengan memori 24 GB, misalnya, model 8B bisa berjalan dengan kuantisasi 8-bit. Tag ini cocok untuk penyaringan kasar; ketepatannya tidak dijamin. **Bagaimana dengan bahasa Inggris?** Chinese-CLIP sebagian besar dilatih dengan gambar dan teks berbahasa Mandarin, jadi tidak andal untuk kueri berbahasa Inggris. Dua bagian lainnya tidak terpengaruh: pengenalan teks bisa membaca bahasa Mandarin dan Inggris, dan Qwen3-VL-Embedding mendukung banyak bahasa. Jadi, masukkan rumusan berbahasa Mandarin dan Inggris dalam pencarian yang sama, seperti perintah di atas; hal ini bisa Anda tulis di sebuah Skill. Jika pustaka dan pertanyaan Anda kebanyakan berbahasa Inggris, Anda juga bisa mengganti Chinese-CLIP dengan [CLIP](https://huggingface.co/openai/clip-vit-base-patch16) versi asli, yang juga berarti vektor harus dihitung ulang. ## Menemukan keluarga dan teman Aplikasi Foto sudah mengelompokkan wajah orang yang sama. Indeks memakai kelompok itu secara langsung dan tidak melakukan pengenalan wajah sendiri. 1. **Beri nama orang terlebih dahulu.** Saat pertama kali, agen memilih beberapa kelompok foto dari pengelompokan itu, memberinya nomor, dan menanyakan siapa mereka. Baru setelah Anda menjawab “nomor 3 itu Ibu”, agen mengingatnya. Kelompok yang belum Anda konfirmasi tidak dianggap sebagai siapa pun. 2. **Cari berdasarkan orang.** Setelah itu, saat Anda menyebut nama, pencarian hanya melihat foto yang ada orang tersebut. Nama bisa digabung: sebut dua orang, dan Anda hanya mendapat foto yang ada keduanya, yaitu foto Anda bersama. 3. **Gabungkan dengan syarat lain.** Nama bisa dipakai bersama isi gambar dan waktu, misalnya “foto saya dan Ibu di pantai tahun lalu”: sh ``` lpa search "beach" --person Me --person Mom \ --from 2025-01-01 --to 2026-01-01 --prefer picture --json -n 9 ``` Jika sebuah nama belum dikonfirmasi, atau ada dua orang dengan nama yang sama, pencarian menyampaikannya alih-alih menebak. Nama yang salah bisa dikoreksi, dan setiap koreksi bisa dibatalkan. ## Cara video ditemukan Video dicari terpisah dari foto. Pencarian default hanya melihat foto. Jika Anda ingin, misalnya, video anak Anda meniup lilin ulang tahun, beri tahu Comma bahwa Anda mencari video, dan Comma menambahkan `--source video` ke pencarian: sh ``` lpa search "blowing out candles" "birthday cake" --source video --json -n 9 ``` Di baliknya ada tiga langkah: 1. **Ambil bingkai.** Videonya sendiri tidak pernah masuk ke model. Program pengindeks mengambil satu bingkai setiap 5 detik, paling banyak 12 per video. 2. **Cari berdasarkan bingkai.** Bingkai-bingkai itu melewati pemrosesan yang sama dengan foto: pengenalan teks dan kedua set vektor. Pencarian membandingkan bingkai-bingkai ini; jika satu cocok, seluruh video dianggap ditemukan dan hanya menempati satu tempat di hasil. 3. **Kirim videonya.** Setelah Anda memilih, agen mengirimnya dengan `lpa video`. Pencarian video: bingkai yang cocok berasal dari satu video, jadi video itu dihitung sebagai satu hasil. Untuk saat ini, yang dilihat hanya gambarnya, bukan suaranya. Ucapan di dalam video belum bisa dicari, dan orang di dalam video belum dikenali. Jumlah bingkai dibatasi, jadi sesuatu yang hanya sekilas muncul di video panjang mungkin tidak ditemukan. ## Cara LocalPhotoAgent dibangun `lpa` dalam panduan ini berasal dari LocalPhotoAgent, program pengindeks yang kami tulis sendiri dan akan kami jadikan open source. Bagian pengindeksan sudah dibahas di atas; ada dua hal lagi: - **Bisa dihentikan kapan saja.** Setiap langkah untuk setiap foto dicatat tersendiri. Jika berhenti di tengah jalan, program melanjutkannya lain kali; jika Anda mengubah pengaturan, hanya langkah yang terdampak yang dijalankan ulang. Selama bekerja, program memantau memori, suhu, dan ruang disk, lalu berhenti sejenak jika salah satunya melewati batas. - **Memberi agen beberapa perintah.** `lpa search` mencari, `lpa sheet` membuat lembar kontak, `lpa preview` mengirim foto, dan `lpa video` mengirim video. Saat mencari foto, agen memanggilnya dengan urutan ini: ## Menghubungkan Comma Ini mengandaikan LocalPhotoAgent sudah berjalan di Mac Anda. Penghubungan terdiri dari empat langkah: 1. **Tambahkan perangkat.** Di Comma, buka **Settings > Devices** dan klik **Add device** untuk mendapatkan perintah instalasi. 2. **Jalankan perintahnya.** Jalankan di Terminal pada Mac yang menyimpan pustaka, untuk memasang Comma Connector. 3. **Aktifkan akses.** Perangkat baru dimulai dengan **Off**. Ubah ke **Full** agar agen bisa menjalankan `lpa`. 4. **Tulis sebuah Skill.** Beri tahu agen untuk mencari dulu, mengirim lembar kontak saat ragu, dan mengirim foto hanya setelah Anda memilih. Anda cukup meminta Comma untuk “membuat Skill”. Setelah itu, cukup bertanya seperti di obrolan biasa: “Temukan foto SIM saya dari tahun lalu, depan dan belakang.” Pertanyaan di awal panduan ini, terjawab. SIM-nya adalah kartu contoh. ## Kepercayaan dan batasan Indeks hanya membaca foto asli. Indeks tidak pernah memindahkan, mengedit, atau menghapusnya. Pencarian sama sekali tidak menyentuh drive eksternal; hanya pembuatan lembar kontak dan pengiriman foto yang membacanya. Memindahkan atau menghapus foto berada di luar penyiapan ini. Namun perlu dicatat, dengan akses Full agen bisa menjalankan perintah lain di Mac ini selain `lpa`. Cocok teks hanya berarti kata-katanya ditemukan, bukan berarti itu foto yang Anda inginkan. “Mungkin” hanyalah kandidat. Saat Comma menandai permintaan sebagai selesai, periksa foto yang dikirimnya. Saat pertama kali mencoba, Anda bisa berkata: “Temukan foto SIM saya dari tahun lalu. Tunjukkan lembar kontaknya dulu, dan jangan kirim, pindahkan, atau hapus apa pun.” Panduan [Kembali ke blog](https://comma.surf/id/blog) Bagikan ## Artikel terkait 28 Oktober 2026 ### [Apa itu agen AI yang selalu aktif?](https://comma.surf/id/blog/what-is-an-always-on-ai-agent) 27 Oktober 2026 ### [Agen pribadi vs asisten AI: apa bedanya?](https://comma.surf/id/blog/personal-agent-vs-ai-assistant) 26 Oktober 2026 ### [Apa itu agen pribadi? AI yang terus bekerja](https://comma.surf/id/blog/what-is-a-personal-agent) ## Try Comma, Now. [Mulai](https://app.comma.surf/)