Ящик с хламом в вашем телефоне: что на самом деле лежало в 7915 скриншотах

В телефоне у меня лежало 7915 скриншотов. Пять лет, начиная с 2021 года: рецепты, недочитанные статьи, места, которые кто-то посоветовал, приложения, которые я собирался попробовать, давно просроченные посадочные. Куча такого размера перестаёт быть подспорьем для памяти и превращается в свалку, потому что ты никогда не пролистаешь так далеко назад, чтобы найти ту самую вещь, ради которой всё это сохранял. И я натравил на эту груду ИИ. Урок, который из этого вышел, я теперь использую на работе: раздели задачу по сложности, сначала потрать дешёвый инструмент, а дорогой - только там, где дешёвый не справился.

Если коротко

• 7915 скриншотов за пять лет, разложены по шести корзинам за один вечер.
• Разделение, которое сработало: сначала вытащить текст прямо на устройстве (бесплатно, приватно), дешёвые правила по ключевым словам - на узкие категории, ИИ - только на открытый остаток.
• На выходе: карта из 192 мест с поиском и чистый список из 186 приложений, которые стоит попробовать.
• 1717 записей я удалил намеренно: то, что проиндексировать можно всё, не значит, что нужно.

Такая куча есть у каждого

На самом деле это история не про телефон. У каждой команды где-нибудь лежит такой же ящик с хламом: общая папка с отсканированными чеками, которые никто не читает, экспорт переписки с решениями за пять лет, сотня PDF, сваленных на диск «на потом». Формально по данным можно искать, на практике они мертвы. Моя галерея - просто та версия этого ящика, которая досталась лично мне.

Дешёвый метод, который сработал наполовину

Первым делом я взялся за правила по ключевым словам. Если в тексте на скриншоте есть «счёт» или название страховой компании - это канцелярщина. Если упоминается улица или город - это место. Быстро, бесплатно, без счетов за ИИ.

На скучном это работало почти идеально: корзина с канцелярщиной из страховых, банковских и бюрократических скриншотов разложилась практически безупречно, потому что такой текст каждый раз использует один и тот же узкий словарь. Закрытый словарь - ровно то, с чем тупые правила справляются на отлично.

А потом дело дошло до мест, и метод сел в лужу: четыре пойманных из девяти настоящих скриншотов с локациями. Нет фиксированного набора слов, который означал бы «это место». Название ресторана может быть каким угодно, магазин может быть назван в честь хозяйского кота. У открытых категорий просто нет словаря, по которому можно сопоставлять.

Разделение, которое сработало

Сначала снять текст с каждой картинки прямо на устройстве. В современных телефонах и ноутбуках есть встроенное распознавание текста: бесплатное, быстрое и никуда не отправляющее ваши данные. Для 7915 изображений оно отработало за считаные минуты на моей собственной машине, не стоив ни цента. Для компании это важно вдвойне: папка с отсканированными чеками - ровно то, что не стоит отправлять стороннему сервису просто ради сортировки.

И только потом подключать дорогой инструмент для действительно сложной части. Правила по ключевым словам выгребли корзину с канцелярщиной, а ИИ-модели достался только грязный остаток. На том же тесте с девятью местами полнота выросла с четырёх до семи. Модель могла посмотреть на скриншот и понять «это кафе, которое кто-то посоветовал», без того чтобы я заранее задавал хоть одно слово. Вот за что ИИ действительно стоит платить: за суждение об открытых вещах, а не за работу, которую обычное правило сделало бы бесплатно.

Что получилось на выходе

814 скриншотов с локациями сжались до 192 уникальных мест, у 131 из них - реальные координаты на личной карте. Пять лет «обязательно сходи сюда» наконец-то живут там, где это видно с одного взгляда. Скриншоты с софтом превратились в список из 186 приложений и инструментов без дублей, на которые стоит взглянуть. 1693 скриншота с идеями сгруппировались по темам, так что повторяющиеся всплыли наверх, а не утонули. Поиск сохранённого места теперь занимает секунды, а был безнадёжен.

Записи, которые я удалил намеренно

Разбор кучи поднял вопрос, которого я не планировал: а хочу ли я вообще, чтобы всё это лежало в базе с поиском, пусть даже в моей собственной. Ответ был - нет. Личные сообщения и вся банковско-страховая груда, вместе 1717 записей, вылетели из индекса. Оригиналы картинок остались в резервной копии в другом месте, нетронутыми.

Этот вывод хорошо обобщается. Возможность проиндексировать всё приходит раньше, чем суждение о том, что индексировать стоит. Та же работа, что делает кучу находимой, делает её находимой и для следующего человека, у которого появится доступ. Поэтому «а должно ли это вообще быть доступно для поиска» - решение, которое кто-то должен принять осознанно, корзина за корзиной.

Что бы я сделал иначе

Я бы выкинул тот день, что упрямо потратил на докрутку правил по ключевым словам для корзины с местами, пока полнота стояла на четырёх из девяти и огрызалась. Сигнал лежал на столе с самого начала; я просто не хотел ему верить.

А вот что я уношу в работу: сортировка была лёгкой частью. Годами размер этого ящика был случайной приватностью; в нём никто ничего не мог найти, включая меня. В момент, когда он стал доступен поиску, между «полезным архивом» и «риском» осталось только решение оставить-или-удалить, которое мне пришлось принимать вручную. Дешёвый поиск не просто достаёт ценность на поверхность. Он тихо кладёт на стол проблему управления доступом, которой вчера у вас не было.

Кучу своей команды вы можете разобрать дёшево, хоть на этой неделе. Настоящий вопрос - кто получит право по ней искать и у каких записей вообще не должно быть двери наружу.