AI 動作是一款可透過 AI 自由組合的圖片批次處理工作流插件。您可以讓 AI 自動為圖片重新命名、撰寫描述、加入標籤、分類到資料夾,甚至進行評分,將原本繁瑣的整理流程濃縮成一次執行。
以下從安裝開始,一步步說明如何建立並執行第一個 AI 動作。
AI 動作本身負責執行工作流,但圖片分析的能力來自 AI 模型。 而 AI 模型套件就是 Eagle 統一的模型設定中心,只需要安裝一次,之後所有 AI 插件都可以共用這套設定。換句話說,先設定好 AI 模型套件,AI 動作 才能正常運作。
開啟 Eagle → “插件” → “插件中心” → 搜尋 “AI 模型套件” → 點擊安裝。




完成 API Key 串接後,請務必確認 預設模型 中的 “視覺模型(Vision Model)” 已正確設定。
AI 動作需要「看懂」圖片內容才能分析與處理,所以 視覺模型是必要條件。沒有設定視覺模型的話,AI 動作 無法執行。
更完整的設定方式,請參考 AI 模型套件配置指南。
我們目前推薦使用 Claude 系列模型,您可以依需求選擇:
| 使用情境 | 推薦模型 |
|---|---|
| 預算充足,追求最佳效果 | Claude Opus 4.6 |
| 平衡效果與成本 | Claude Sonnet 4.6 |
| 預算有限,輕量任務 | Claude Haiku 4.5 |
如果您希望透過 LM Studio 等工具在本機執行模型,而不是使用雲端 API,請先確認設備是否符合以下條件。
執行大型語言模型需要獨立顯示卡(GPU),建議至少具備 12GB 以上的顯卡記憶體(VRAM)。
不同任務對模型能力的要求不同:
| 使用情境 | 最低模型需求 | 建議模型 |
|---|---|---|
| AI 重新命名、AI 描述 | Qwen3 4B | Qwen3 8B |
| AI 標籤、AI 資料夾(自動分類) | Qwen3 8B | 更大的模型 |
AI 重新命名 / AI 描述 這兩類任務相對單純,Qwen3 4B 通常已可使用;若想提升穩定度與品質,建議使用 8B 版本。
AI 標籤 / AI 資料夾 這類任務通常涉及更複雜的理解、判斷與分類邏輯,因此至少需要 Qwen3 8B 以上 的模型。
若您的設備資源有限,通常更建議使用線上模型(例如 Claude、OpenAI 等):
線上模型通常比本地運行快不少,商業 API 模型的品質也普遍優於本地可跑的模型。加上不佔本機資源,長時間批次處理時也比較穩定。

這裡我們先從最簡單、也最容易看出效果的例子開始:AI 重新命名。


點擊 “+ 新增步驟” 後,您會看到所有可用的操作類型:
這次請選擇 “重新命名”。
選擇 重新命名 後,會看到這個步驟的設定面板,包含:
第一次使用時,建議 全部先維持預設值,不要急著調整。 直接點擊下方的 “建立動作” 即可。
建立完成後,畫面會回到動作列表,您就會看到剛剛建立的 AI 重新命名 已經出現在清單中。
建立完成後,接著就可以實際拿幾張圖片來執行看看。
P

接著會進入 “執行動作” 的確認畫面。這裡會顯示:
如果這次有額外需求,您也可以在下方輸入框中補充指示(選填)。確認無誤後,點擊 “執行動作” 開始處理。
執行過程中,您可以即時看到每個檔案的處理狀態。全部完成後,畫面會顯示 “已完成”,並列出每個檔案的:
點擊 “確認” 關閉視窗,回到 Eagle 檔案列表後,您就會看到剛才選取的圖片已經完成重新命名。
恭喜您,第一個 AI 動作 已經成功建立並執行完成。
預設設定通常就能產出不錯的結果,但如果您想更精準地控制 AI 的輸出方式,可以透過 自訂指令 來調整,逐步把它調成符合自己工作習慣的整理流程。

在編輯畫面中,捲動到 “自訂指令” 欄位,輸入您的需求。
例如:請以繁體中文命名,格式為“主體 - 風格特徵”,長度控制在 15 字以內。
完成後,點擊 “儲存”。
再次選取圖片,重複前面的執行流程,觀察這次結果與預設設定的差異。您會發現,AI 會明顯依照您指定的格式、語言與表達方式產出更貼近需求的結果。
AI 動作 的使用方式就是這個循環:建立 → 測試 → 微調指令 → 再測試。每跑一輪,結果就會更貼近您的需求。
如果您不想從零開始,也可以直接使用範本快速建立。



範本很適合作為起點。建立完成後,您依然可以透過 “修改” 持續調整,讓它更符合自己的使用習慣。
建議一開始先使用較強的模型,例如 Claude Opus 4.6。如果在強模型下結果仍不理想,問題多半出在提示詞或設定方式,而不是模型能力,這樣比較容易定位問題。
等確認效果成立後,再嘗試切換到成本更低的模型,例如 Claude Sonnet 4.6 或 Haiku 4.5,看看是否仍能滿足需求。
不要一開始就拿大量圖片直接執行。建議先挑選 3~5 張具有代表性的圖片 測試,最好涵蓋不同內容、不同複雜度。這樣更容易看出規則是否足夠穩定。
調整時,也建議一次只改一個變因,例如:
這樣比較容易知道是哪個設定真正影響了結果。
自訂指令越具體,結果通常越穩定。建議描述清楚:
例如:
另外,盡量使用 正向指示。 例如說 “請使用繁體中文”,通常會比 “不要使用簡體中文” 更穩定。
另外,您未來會怎麼搜尋圖片,就讓 AI 用同樣的方式命名、描述與標記。
想了解更多提示詞技巧,請參考 AI 動作 最佳實踐指南。
如果您打算使用 AI 標籤 或 AI 資料夾 功能,建議先安裝 AI 搜尋 插件。
AI 搜尋 會為資源庫建立圖片相似度索引。AI 動作 偵測到這些資料後,就能利用視覺相似性與已有的整理結果來輔助判斷,讓分類與標籤的準確度明顯提升,也更貼近您原本的整理邏輯。


到這裡,您已經完成模型設定、建立了第一個 AI 動作、實際執行過重新命名,也學會透過自訂指令調整 AI 的輸出方式。
AI 動作 除了重新命名,還能處理描述撰寫、自動分類、標籤、評分等工作。搭配不同步驟的組合與自訂指令,您可以組出符合自己需求的圖片整理流程。
💡 想進一步學會如何設定出效果更好的動作,請參考 AI 動作 最佳實踐指南。
[修正] 修正 Google Gemini 預覽模型(如 gemini-3-flash-preview)不支援特定模型參數,導致 AI 標籤、AI 資料夾功能無法正常執行的問題
首個發布版本