将已经AI识别的照片执行跨用户迁移（成千上万），或者其它用户存在相同照片时，另外的那个用户系统都会重新触发完整的人脸识别与智能识别流程。
这样会造成以下问题：
- 资源严重冗余： 对于相同内容的照片（哈希值相同），重复进行高消耗的AI计算（CPU/GPU/内存占用），会长时间拖慢NAS整体性能。
- 用户体验割裂： 用户在源相册已手动修正过的识别结果（如纠正人脸标签、合并相似人脸）在移动后丢失，需要在目标相册中重新整理。
优化建议
- 为每张首次进入系统的照片，基于其内容（如哈希值+文件大小）生成唯一的全局ID
- 核心数据（不可变部分）：照片本身的哈希值、AI识别出的客观特征（特征向量、通用标签），存放在特定表中。
- 关系数据（可变部分）： 照片归属于哪个用户的哪个相册，以及用户的个性化编辑（如用户自定义的“人物名称”），存放在关联表中。
- 当照片从用户A移动到用户B时，系统不再重新触发AI识别。无论移动多少次，AI识别仅执行一次，所有用户共享计算结果，且各自的个性化标注互不干扰。
方案价值
| 维度 |
当前方案 |
建议方案 |
提升 |
| 资源消耗 |
照片移动N次则识别N次 |
全系统只识别1次 |
降低约 (N-1)/N 的算力浪费 |
| 操作耗时 |
万张照片移动需数小时 |
仅修改数据库关系，秒级完成 |
体验质的飞跃 |
| 数据一致性 |
同一照片在不同用户处结果可能不同 |
同一照片基础识别结果全局一致 |
逻辑更严谨 |
| 存储成本 |
重复存储特征向量 |
全局共享一份特征向量 |
显著节省数据库空间 |
