AI Action 正式發佈，把你的素材整理，變成可執行的 AI 工作流

今天，我們正式發佈 Eagle 插件 AI 動作。

AI 動作爲 Eagle 帶來了一種新的素材整理方式。你可以把自己的整理規則交給 AI，讓它依照你的邏輯批量執行。不用再手動一張張命名、補描述、分類或打標籤——你只需要創建不同的 Action，決定要執行哪些動作、使用哪個模型、搭配什麼自定義指令，AI 就會按照你的方式整理素材。

你可以用 AI 動作完成這些事：

• AI 重命名文件：根據圖片內容重命名

• AI 描述文件：分析圖片並寫入描述字段

• AI 分類文件：自動歸類到既有文件夾

• AI 打標籤：依照設定邏輯自動加上標籤

這些能力可以自由組合。你可以創建只做重命名的 Action、只做描述的 Action，或把命名、描述、分類、標籤串成一套完整流程。對我們來說，AI 動作最大的意義在於：讓你的整理方式變成一套可以重複執行的工作流。

爲什麼我們會做 AI 動作？

當素材越存越多，整理這件事通常會卡在兩個地方。

第一個問題是，整理本身很花時間。你可能很熟悉這些情況：導入了一批圖片，卻一直沒時間命名；明明知道值得留下，卻遲遲沒有補上描述；想分類、想打標籤，但數量一多就很難持續做完。圖片越積越多，圖庫也越來越難搜索。

第二個問題是，每個人的整理方式都不一樣。有些人重視文件名，有些人更依賴描述；有些人用文件夾管理，有些人以標籤爲主。有些人在意攝影語言，有些人更在意品牌調性或提案用途。我們一直覺得，"素材整理"這件事不適合只有一套固定答案。

AI 動作就是爲了解決這兩個問題。你把整理方式交給 AI 批量執行——你定義規則，AI 負責執行。整理這件事，可以從個人習慣變成一套能被反覆使用的方法。

在在 AI 時代，我們重新思考了“整理圖片”這件事一文中，我們拆解了這次 AI 動作的設計邏輯與思維，有興趣的話可以看看。

AI 動作是什麼？

AI 動作是一個可以自由組合的 AI 工作流工具。你可以創建不同的 Action，指定它要幫你做哪些事情。一個 Action 可以只處理一件事，也可以把多個步驟串成完整流程。

例如，你可以創建一個專門幫圖片重命名的 Action，也可以做一個專門幫圖片寫描述的 Action；可以做一個依照既有文件夾邏輯進行自動分類的 Action，也可以做一個針對風格、色彩與用途進行打標籤的 Action。當然，把命名、描述、分類、標籤全部串起來也行。

所以 AI 動作不是一個單一功能按鈕，而是你可以自行設計的整理工具。關鍵在於"你希望 AI 依照什麼方式替你做事"。

AI 重命名文件：讓文件名更清楚、更一致

很多圖片導入素材庫時，原始文件名幾乎沒有辨識價值。可能是下載時的亂碼、相機輸出的編號，也可能只是當下看得懂、過幾天就忘記的命名方式。文件越積越多，文件名就成了素材管理中最容易被忽略、卻最影響效率的一層。

AI 動作可以根據圖片內容，自動生成更有辨識度的名稱。你可以讓它描述圖片主題、帶出色調或風格、統一語言、加上前綴、遵守長度限制，或直接套用你自己的命名規則。同樣是重命名，有些人可能想用簡體中文，有些人想用英文小寫；有些人希望所有文件名都以 REF_ 開頭，也有人希望從攝影角度命名、包含構圖信息，或將名稱控制在固定字數內。這些都可以通過設定與自定義指令來完成。

當素材量變大之後，一套一致、可辨識的命名方式會比零散的原始文件名更容易維護和搜索。

AI 描述文件：幫圖片補上真正有用的文字信息

如果說 AI 重命名是在建立更直觀的外層辨識，那麼 AI 描述 做的是替圖片補上更完整的文字信息——讓每張圖片多一層可理解、可搜索的內容。

你可以要求 AI 描述畫面主體與場景，分析 UI 畫面的主要組件與版面結構，分析攝影作品的構圖、光線與氛圍，記錄品牌調性與適合的提案情境，提取圖片中的文字內容，或只聚焦你在意的角度。這也是 AI 動作中最有延展性的一項能力——很多時候，圖片真正難整理的地方在於：之後找不找得到、想不想得起來、能不能靠文字重新命中。

當圖片擁有更清楚的描述後，不論是自己回頭找圖，還是搭配 Eagle 的搜索功能，效率都會明顯提升。說白了，AI 描述是在幫圖片建立語義信息，讓它在未來更容易被找到、再次被使用。

AI 分類文件：依照既有文件夾邏輯，自動完成歸類

AI 動作也支持自動分類。你可以讓 AI 根據圖片內容，把素材放進現有文件夾中，省下大量手動拖拉與逐一判斷的時間。

這項能力特別適合已經有清楚文件夾結構的情境。當文件夾名稱、描述與邊界越明確，AI 的分類結果通常也越穩定。例如，如果你的文件夾已經明確區分 UI 組件截圖、品牌視覺參考、產品攝影、人像商業攝影、排版案例，AI 分類就能幫你省掉大量手動歸檔的時間。

AI 分類最適合的場景，是你已經有一套邏輯清楚的文件夾結構，只是手動歸檔太花時間。數據結構本身越成熟，分類效果越好。

AI 打標籤：把最容易拖延的工作交給 AI

打標籤很有價值，但也最容易被拖延。不是因爲做不到，是因爲太花時間。你得看圖、想詞、判斷值不值得標、再決定該標哪一類。一張兩張還好，數量一多就很容易一直往後放。

AI 動作可以幫你把這件事批量處理掉。你可以依照自己的標籤系統，讓 AI 去分析色彩、風格、主題、情緒、用途、構圖，以及其他你在意的維度。標籤分組、命名方式與描述規則越清楚，AI 打標籤的結果越實用。

這件事的價值在於：那些你知道很重要、卻一直沒做完的整理工作，終於可以被批量執行了。素材規模越大，手動和批量之間的差距就越明顯。

💡 如果你想使用 AI 打標籤或 AI 文件夾功能，強烈建議先安裝 AI 搜索 插件。

AI 搜索 會爲你的資源庫建立圖片相似度索引。當 AI 動作 檢測到這些數據後，可以利用視覺數學算法，大幅提高分類和標籤的準確度。這意味着 AI 不僅僅是客觀分析圖片內容，而是能真正學習你的分類習慣，產出更符合你個人整理邏輯的結果。

自定義指令：真正讓 AI 動作變強的地方

如果要說 AI 動作最核心的能力，我們覺得是自定義指令——你可以定義 AI 應該如何理解你的圖片。

同樣是分析圖片，不同角色的需求可能完全不同。UI 設計師在意界面類型、組件與佈局；攝影師在意構圖、光線、色調與主體關係；品牌設計師在意情緒、調性與提案用途；電商團隊在意商品類型、拍攝角度與分類方式。如果每個人都只能用同一套通用分析方式，結果通常只能停留在"大致正確"，很難直接套進自己的工作流。

自定義指令讓每個人都能用自己的語言、自己的邏輯，定義 AI 的分析方向。你在主動告訴 AI：這些圖片應該怎麼被看、怎麼被描述、怎麼被整理，才符合你的工作方式。

整理方式開始變得可複製

我們覺得 AI 動作最有意思的地方在於，它讓那些原本只存在你腦子裏的整理習慣，變成了可以反覆執行的東西。

例如，你可能已經有一套自己的整理方式：文件名要怎麼命、描述要怎麼寫、哪些圖該進哪個文件夾、哪些圖片該標哪些標籤。以前這些事情只能靠你自己一張張完成，現在你可以把這些規則寫成 Action，之後交給 AI 執行。

你的整理方法變成了一套可以跑的系統。整理這件事不再只是一時的努力，而是可以長期積累下來的。

AI 動作特別適合這樣使用

AI 動作特別適合幾類使用者：素材量大到不可能再靠手動整理的人；本來就有固定命名、描述、分類、標籤習慣的人；想把自己的整理邏輯固定下來反覆套用的人；希望先補足圖片文字信息、讓後續搜索更有效率的人；以及不滿足於通用 AI 分析、希望 AI 按自己工作方式做事的人。

最能發揮價值的情境，通常是你已經知道自己想怎麼整理，也願意花一點時間定義自定義指令，並且已經有一定的文件夾或標籤結構。尤其在分類與打標籤這兩類任務上，原本的數據結構越清楚，結果越穩定。

AI 動作不是要取代你的整理系統，而是讓你已有的整理系統跑得更快。

和 AI Search 搭配使用，效果更完整

如果說 AI Search 解決的是"怎麼找"，那麼 AI 動作解決的就是怎麼讓素材變得更好找。

兩者的關係很直接：先用 AI 動作幫圖片建立更完整的名稱、描述、分類與標籤，再通過 AI Search 把圖找回來。當圖片本身的信息更完整，不管你是用自然語言搜索、文字字段搜索，還是以圖找圖，命中率都會更高。

整理和搜索是一體兩面。AI 動作負責補數據，AI Search 負責把數據轉化成查找能力。

從今天開始，讓 AI 幫你整理

AI 動作今天正式發佈。你不需要再在"全部手動整理"與"完全交給通用 AI"之間二選一——現在你可以保留自己的整理邏輯，把規則交給 AI 批量執行。

如果你已經在 Eagle 裏積累了很多素材，也早就知道整理很重要，只是一直沒有時間把它做好，AI 動作值得試試。它幫你把那些你原本就知道該怎麼整理的事情，批量做完。

想快速上手的話，可以參考AI Action 快速上手指南，帶你從零開始完成第一個 Action。

想更深入掌握運作邏輯和效率技巧，可以看AI Action 最佳實踐指南。指南從四個核心觀念出發，拆解功能應用，提供自定義指令示例和模型選型建議，幫你打造自己的 AI 工作流。