36 000 фотографий и видео общим объёмом 222 ГБ, накопленных за 20 лет, — такая задача стояла перед автором материала на Habr. Вместо того чтобы разбирать архив вручную или просто докупить квоту в облаке, он решил использовать ИИ-агента. Оркестратором выступил Claude Code на основе Opus 4.8, а тяжёлую работу по обработке десятков тысяч файлов взяли на себя локальные модели.
Сначала агент проанализировал Gmail-ящик с помощью API и выяснил, что около 9 500 писем — спам, а многие тяжёлые письма содержат фотографии. Спам отправили в корзину, но с уроком: одно письмо оказалось важной рабочей рассылкой, его восстановили. Фото-вложения агент извлёк и организовал не по письмам, а по реальным событиям — объединив куски одного мероприятия, раскиданные по разным письмам.
Далее возникла идея разобрать и архив в OneDrive: 36 659 файлов, 222 ГБ, с хаотичной структурой, разными именами и частично отсутствующим EXIF. Агент отказался смотреть все файлы напрямую — это неэкономично по токенам. Вместо этого он поднял локальные модели, которые сделали дедупликацию, переименование, геотегинг и сортировку почти бесплатно на железе автора.
Архитектура решения: человек ставит задачу, фронтир-агент пишет одноразовые скрипты и оркестрирует локальные модели, а те выполняют массовую обработку. После нескольких итераций (дедупликация, кластеризация, проверка качества) архив был импортирован в Apple Photos. В итоге автор получил единый упорядоченный каталог, освободил место в почте и OneDrive, и теперь может отказаться от лишней подписки.
Подход демонстрирует, как комбинация облачного ИИ-агента и локальных моделей позволяет решить задачу, которая раньше имела лишь два исхода: ручная работа «когда-нибудь» или покупка места. Ключевые принципы: не удалять безвозвратно, давать агенту возможность проверять результаты, оставлять человеку финальные решения.
