tl;dr：Rawback 是一个让相机拍完自动进云、长期保存 RAW，并让 AI 理解整个照片库的摄影平台。
我自己的库里现在有 1.5 万张 RAW、313 GB。相机拍完可以自动上传，后台会继续做 EXIF、地理信息、缩略图、AI 分析和人脸处理。项目本身从第一个 commit 到现在 223 天、50 万+ 行代码；其中绝大多数代码由 AI 协助生成，但产品设计、架构约束、review 和线上运行仍然由我自己负责。
我以前其实不太理解摄影
我以前不太明白照片有什么意思。
看过的风景就是看过了，体验过就行了。拍照费时费力，有时候甚至会打断当下的体验。
直到很多年以后，我偶尔翻 iCloud 相册，才第一次意识到：照片真正保存下来的，往往不是画面本身，而是一个已经消失的时刻。
2023 年去日本、2024 年去韩国，当时觉得只是普通旅行。几年后重新看到这些 RAW，脑子里反而会自动补回当时的温度、同行的人、走过的路，甚至某些已经忘掉的情绪。
今年年初买了新的相机以后，我又发现了另一件事：拍摄本身也很有意思。
相机的机械结构、传感器、镜头、对焦、快门和光圈，都像是现代工业把物理和光学压到极限之后做出来的艺术品。更重要的是，手里有了相机之后，我开始主动找光、找影子、找构图，也开始愿意走得更远一点，只为了看看那里有没有什么值得拍下来。
摄影让我看世界的方式变了。
但作为一个程序员，我很快又发现了另一件事：相机本身极其先进，相机之后的软件工作流却像停留在很多年前。
拍完以后，我仍然要拔卡、插读卡器、开电脑、导文件、建目录、备份；如果想发给朋友，还要再想办法把几十 MB 的 RAW 变成能看的图片。等到几个月后想找某张照片，又只记得“好像是在二月、蓝调时刻、拍过一个人”，然后开始翻文件夹。
于是我产生了一个很简单的问题：
相机明明已经有 Wi-Fi，为什么按完快门以后，照片不能已经在云上？
从 FTP 开始，给相机做一个后端
很多相机内部其实已经支持 FTP client。于是 Rawback 最开始的想法非常简单：做一个 FTP server，让相机直接把照片传上来，再转存到对象存储。
Camera → FTP → Storage。
真正做起来以后，这条链路自然开始往后生长：既然文件已经到了服务器，那么 EXIF 可以自动解析，GPS 可以做反向地理查询，RAW 可以生成 AVIF/JPEG 预览，图片可以自动分析，人物可以聚类，搜索也不应该再依赖文件名。
现在实际使用起来大概是这样：
- 相机直传：Canon R6 Mark III 开着 Wi-Fi，一张约 25 MB 的 CR3，几秒到十几秒可以落到云上；人继续拍，不需要停下来管传输。
- 桌面端批量上传：最近一个月日志里有 4 次较大的批量任务，共 779 张，平均约 6.2 秒一张。一次 500 张左右的拍摄，后台大约 50 分钟传完。
- 上传以后：EXIF、地理反查、缩略图、AI 分析、人脸识别继续异步执行。单张从上传到全部处理完一般约 4–7 分钟，大量照片则需要排队。
我现在已经很少思考“这张照片到底放在哪个文件夹里”。对我来说，它们应该像代码进入 CI 一样：相机拍完，后面的事情自动发生。
Rawback 不是另一个“带 AI 的相册”
单独看功能，其实都不新鲜：存储、搜索、人脸识别、分享、相册、修图，市面上都能找到对应产品。
我更在意的是把它们连成完整的 workflow。
1. 拍完以后，不再管理文件
原图进入 Rawback 后，系统自动补齐元数据和预览。RAW 本身长期保留，只要还在存储额度内，不会因为“时间久了”自动过期。
这件事情听起来很普通，但它改变了我拍照时的心理负担：我不需要想着“晚上回去记得导卡”，也不需要在旅行结束以后面对几百张文件做第一次搬运。
2. 几个月以后，用一句话把照片找回来
文件系统的搜索逻辑是：你要记得文件在哪里。
摄影真正的记忆不是这样的。
我记住的通常是：
二月，新加坡，蓝调时刻，人像。
或者：
上海，春天，街边的花和人。
Rawback 会尝试把照片理解成主体、场景、时间、地点、器材和人物，于是搜索逐渐可以接近人脑的记忆方式，而不是文件管理器的方式。
最近 30 天我上传了 784 张照片。自动分析里，它标出了 115 张疑似过曝、19 张低质、11 张模糊；同一批数据中，有 409 张照片识别到了人物。
我并不会把 AI 的判断当成最终答案，但它很适合先替我跑一轮粗筛，再由人做最后决定。
3. 单张照片最终应该重新变回故事
很多时候，我们拍照并不是为了得到一张孤立的“作品”。
旅行、婚礼、散步、一次见面，一般都是一组照片。时间、地点、人物和文字放在一起以后，才重新接近当时真正发生过的事情。
这也是 Rawback 里 Article 功能存在的原因。你现在看到的这篇文章，本身就是一个 album story；它可以直接引用相册里的原图，让照片和文字在同一个上下文里组织起来。
我越来越觉得，一张照片只是一个 frame。
很多 frames 组成 album；很多 album 经过时间以后变成 memory；足够多的 memory，最终才形成一个人的 context。
Frame → Album → Memory → Context。
这才是我真正想做的东西。
AI 不应该只“看懂一张图”
Article：把照片组织成故事
相册是一组静态照片，Article 则让它有时间顺序、文字和上下文。AI 可以协助起草、整理和选图，但最后留下来的应该仍然是人的经历，而不是一段自动生成的旅游宣传文案。
Dreaming：自动回顾一天
相册还是有点重。很多时候我并不会专门整理一次普通散步。
所以我做了 Dreaming：让系统根据当天的地点、器材、路线和照片自动生成一份轻量回顾。它不是为了“创作内容”，更像是在帮我压缩一天的记忆。
Context：让系统逐渐理解拍照的人
不同摄影者关注的东西完全不一样。
有人喜欢风光，有人爱拍人，有人喜欢扫街，有人爱打鸟；有人执着于长焦压缩，有人更喜欢广角里的空间感。
当 Rawback 里积累了足够多的照片、评分、器材、地点和选择以后，我希望 AI 不只是判断“这张照片里有什么”，而是逐渐知道：这个人为什么会拍它。
Sunny：不是右下角的 chatbot
Rawback 也有一个全局 AI 助手，我把它叫 Sunny。
但我不太想把它做成一个“无论在哪个页面都只是聊天”的东西。更理想的状态是：你在哪里，它就知道你正在看什么，也知道当前有哪些工具可以调用。
在相册页面，它可以协助选照片、写故事；在照片详情页，它可以直接调用修图能力；在图库页面，它可以搜索、筛选和整理。
AI 如果只是会回答问题，其实离真正参与工作流还差很远。
一个摄影产品，为什么还有 CLI、MCP 和 SDK？
因为我不希望 Rawback 只能通过我自己写的 UI 使用。
同一个照片库现在同时暴露给 Web、CLI、MCP 和 SDK。
- CLI：上传、下载、分类和批处理，适合终端工作流。
- MCP：让 Claude、ChatGPT 或其他支持 MCP 的 agent 直接读取和操作照片库。事实上，这篇文章现在的修改、数字读取和图片整理，就是通过 MCP 完成的。
- SDK：如果你只喜欢底层存储和数据能力，完全可以自己写客户端或小工具。
CLI 文档：
MCP：
SDK：
我更愿意把 Rawback 理解成一个 programmable photography platform：UI 只是入口之一，照片库本身应该也能成为 agent 和程序的工作对象。
AI 来了，还需要摄影吗？
这是做 Rawback 以后我经常想到的问题。
AI 生成图片、视频的速度已经快得有些夸张。Rawback 自己也大量依赖 AI 开发：从 1 月 18 日第一个 commit 到现在 223 天，代码超过 50 万行，绝大多数代码由 AI 协助生成。
这不是一个“代码越多越厉害”的指标。相反，它真正让我惊讶的是：一个人能够独立完成和维护的软件边界，正在被 AI 改写。
那摄影呢？
我的答案还是很简单：只要还有情感、真实与爱，就还需要。
摄影和很多生产活动不一样。会不会拍照，并不直接决定今天晚上能不能吃上饭；我拍不拍照，也不会让明天少开一个会。
但摄影和一首歌、一部电影、一本书很像。它会让人感受到美，也会记录丑；会留下壮丽，也会留下狼狈；会保存一个人的脸、一场婚礼、一条普通的路，以及当时我们根本没意识到以后会怀念的东西。
很多年以后重新看照片，我们记住的未必是焦段和快门。
可能是玄武湖的安静，宁国路夏天的热，札幌烧肉店里沾在衣服上的味道，也可能是 Marina Bay 晚上的风。
AI 当然可以制造一张越来越真实的图片。未来它甚至可能拥有另一种我们现在无法理解的情感和真实。
但你我真正活过的那段时间，它暂时没有办法替我们重新创造。
所以现在，感受当下。
我的照片最终还是应该属于我
照片和普通 SaaS 数据不太一样。
这里面可能有家人、朋友、位置、旅行轨迹，也可能是一生只拍到一次的 RAW。对于这种数据，我越来越确定一件事：产品不能靠“把用户锁在 UI 里”获得长期价值。
Rawback 目前支持原图下载，CLI 和 SDK 也能把数据拿出来；分享和下载权限也独立存在。即使以后产品继续增加 AI 能力，我也希望最底层的原则不变：Rawback 可以帮助理解照片，但不应该让人失去对照片的控制。
关于 AI 模型如何处理数据、第三方模型边界、删除和迁移策略这些事情，我也会继续补成更明确、可以直接查阅的文档。对于照片服务来说，这些问题的重要性不亚于“AI 好不好用”。
价格
Rawback 的成本主要分成三类：存储、AI credits 和人脸处理，所以价格也按这三个维度来设计。
付费档可以使用 MCP，也可以单独购买存储和 credits addon。完整价格以这里为准：
免费档 5 GB 大约可以先放 200 张左右的 CR3，200 credits 也足够把它们完整分析一遍。比较适合先看看整个 workflow 是否适合你。
现在还不够好的地方
我不想把它写成一篇只有优点的 launch article，因为现在 Rawback 当然还有很多问题。
图片加载还不够快
现在部分地区的首屏图片加载仍然不够理想。继续优化 CDN 和流量链路当然可以解决一部分，但对于一个独立项目来说，全球图片分发本身就是非常现实的成本问题。
我会继续优化缩略图、缓存和加载策略，但目前这件事还没有做到我理想中的程度。
大批量上传以后，AI 后处理会排队
单张任务很快，成百上千张一起进来以后就完全不是一回事了。
这是最近一个月真实日志里的数据：
这里的“17 小时”不是说原图 17 小时以后才安全保存，而是指大量任务排队以后，直到 AI 分析等所有后处理全部完成所需的时间。
这个问题当然可以通过增加机器和 worker 暴力解决，但那会直接变成成本。Max 档目前有更高的处理优先级，其他档位一次上传几百张以后，最适合的使用方式还是让它在后台慢慢跑。
Rawback 现在是我用分布在不同地方的 5 台服务器混合跑出来的。做程序员这么多年，我大概最有信心的一件事就是“抠成本”：服务器、架构、任务调度、存储和部署环境都在尽量寻找价格和可靠性之间的平衡。
最后
我最开始只是想解决“相机拍完以后怎么不用拔卡”这个问题。
后来它变成了 RAW 存储；再后来变成图片分析、搜索、人脸、修图、Article、Dreaming、Context、Sunny、CLI、MCP 和 SDK。
但回头看，它们其实一直都在解决同一个问题：
不是让 AI 替我们制造更多照片，而是让 AI 帮我们保存、理解和重新发现自己真实拍过的照片。
如果你也拍 RAW，或者只是和我一样越来越觉得照片值得认真保存，可以试一下 Rawback。
注册链接目前仍然需要邀请码：
有任何问题都可以联系我；只要看到，一般都会回复。邮箱：_