不写代码也能做AI技能?手把手教你用Agent搞定文件整理

然后我看到了一个让我自己都沉默的数字：669个书签。

我花了大概十分钟翻了翻，发现一个残酷的事实——超过一半的书签，我完全不记得什么时候收藏的，更不知道为什么收藏的。什么"零基础学Spring Boot"、"在线JSON格式化工具"……这些链接就像时间胶囊，每一个都封印着某个我早已遗忘的下午。

我心虚地关掉了书签管理器，假装什么都没看见。

因为真的无从下手。669个东西，删哪个？留哪个？万一删了以后要用呢？还是先放着吧……

这个"先放着"的念头，大概就是三年前我把第一个链接塞进"其他"文件夹时也说过的话。

后来我实在没忍住，用AI写了一个Python脚本，把自己的书签扫了一遍。结果更扎心了：95%的书签超过半年没动过。也就是说，我花了几年的时间，精心建造了一座没人住的数字鬼城。

一切从一个很蠢的问题开始

我跟AI说："帮我整理一下书签吧。"

我从浏览器导出书签HTML文件丢给它，它开始扫描、分析、分类。整个过程跟它来来回回聊了好几轮，讨论分类逻辑、确认整理方案、处理边界情况……不知不觉就花了一下午。

整理完之后效果确实不错——669个书签被分成了25个类别，重复的合并了，垃圾的标记了，书签栏变得整整齐齐。

但我看着这个结果，又冒出了一个更大的想法：

如果只整理书签，意义不大。 每个人都有这个问题——下载文件夹几百个东西找不到、桌面堆满临时文件、收藏夹塞满了"改天再看"然后再也没看的链接。真正需要的是一把通用的扫帚，能把所有这些角落都扫干净。

而且更重要的是——这个过程不应该是每次都从头来一遍的。应该做成一个可复用的技能，我整理完了，分享给你，你也能直接用。

设计：一个技能需要想清楚什么

确定要做之后，我没有立刻写代码，而是先跟AI讨论了三个核心问题：

第一，按什么分类？

最自然的方式是按内容主题分类——AI根据文件名和内容，自动判断它属于哪个领域：技术、设计、工作、学习、生活……

但也有用户可能想按文件类型分（文档、图片、视频），或者按时间分（按年月归档）。所以这个必须是用户可选的，不能一刀切。

第二，整理到什么程度？

这个很关键。有些人比较谨慎，只想看你给个建议，自己决定动不动手；有些人就希望全自动搞定。

所以设计了三个级别：

• 轻度：只给方案，你确认了我才动
• 中度：自动分类移动，删除类的操作等你确认
• 重度：全自动，你闭眼就行（慎选）

第三，怎么保证不搞坏东西？

这是最重要的。万一AI把重要文件移错了怎么办？万一误删了怎么办？

所以定了几条铁律：

• 只移动，不删除。删文件必须你亲自确认。
• 先备份，再操作。动手之前，先在旁边建一个备份文件夹。
• 每一步都记日志。万一不满意，一键回滚到操作前的状态。
• 同名文件绝不覆盖。自动重命名，不会丢失任何东西。
• 只允许操作安全范围内的目录。系统目录、程序目录，碰都不碰。

讨论完这三件事，整个技能的骨架就清晰了。

开工：每个脚本只干一件事

说干就干。整个技能由Skill.md和几个Python脚本组成，每个脚本只负责一个明确的任务：

扫描脚本：读取书签HTML文件，或者扫描本地文件夹，把所有文件信息整理成一个JSON清单。支持同时扫描多个目录——比如桌面、下载文件夹、某个项目目录，一口气全扫完。

去重脚本：根据文件名和大小找出重复文件。大文件还会算一个hash值精确匹配，小文件直接按名称判断，省时间。书签也能去重——URL相同的只保留一个。

执行脚本：按照整理方案移动和重命名文件。支持"预览模式"——只告诉你"我会怎么做"，不实际动手，你确认了才真正执行。还有安全检查——只允许在用户主目录等安全范围内操作，防止误碰系统文件。

回滚脚本：根据操作日志，把所有操作反向执行，恢复到整理前的状态。相当于一个"后悔药"。

报告脚本：生成Excel和Markdown格式的整理报告。Excel里有5个sheet——总览、文件分类明细、书签分类明细、清理建议、操作日志，一目了然。

书签生成器：把分类后的书签重新生成一个新的HTML文件，直接导入Chrome或Edge就能用。

所有脚本只用Python标准库，不需要装任何第三方包。唯一可选的是openpyxl（用来生成Excel），没有的话会自动降级成CSV。

零依赖，跨平台，拿到哪都能跑。

创建技能的思路：把你的经验变成说明书

先给大家看看这个技能的最终目录结构：

file-organizer/├── SKILL.md                          # 技能入口（灵魂文件）├── scripts/                          # 辅助脚本│   ├── scan.py                       # 扫描文件和书签│   ├── dedup.py                      # 检测重复│   ├── execute.py                    # 执行移动/重命名│   ├── rollback.py                   # 回滚操作│   ├── bookmark_writer.py            # 生成新书签HTML│   └── report.py                     # 生成Excel+Markdown报告├── references/                       # 参考文档（AI按需读取）│   ├── classification.md             # 分类策略和规则│   └── user-config.md                # 用户可配置项说明└── assets/                           # 输出模板    └── scheme.md                     # 整理方案的Markdown模板

看起来文件不少，但其实逻辑很清晰：

SKILL.md是整个技能的核心。它不是给用户看的说明书，而是给AI看的"岗位说明书"——告诉AI什么时候该激活这个技能（比如用户说"帮我整理书签"）、激活之后按什么流程执行、每一步该做什么。AI读完这个文件，就知道该怎么跟用户沟通、该怎么调用脚本。

scripts目录里的六个脚本，每个只干一件事。AI负责理解和决策（比如判断一个文件该归到"Java"还是"前端"），脚本负责执行（比如把文件从A目录移到B目录）。AI做不了的事才交给脚本，脚本不做任何需要"理解力"的操作。

references目录放的是AI按需读取的参考文档。比如分类策略——哪些关键词对应哪个类别、优先级怎么排——这些信息不写死在代码里，而是写在Markdown文件里。AI需要分类的时候去读这个文件就行。好处是用户想自定义分类规则，改一下Markdown就行，不用碰代码。

assets目录放的是输出模板。比如整理方案的格式、报告的结构，都有一个标准模板，保证每次输出的东西格式一致。

整个技能零依赖——所有脚本只用Python标准库，不需要安装任何第三方包。唯一可选的是openpyxl（用来生成Excel文件），没有的话会自动降级成CSV。拿到任何一台装了Python的电脑上都能跑，Windows、Mac、Linux都行。

创建一个AI技能，到底有没有什么通用的方法论？

回过头看整个过程，我觉得可以总结成几条经验，不管你要做什么类型的技能，应该都适用：

先想清楚"谁在用"，而不是"我能做什么"

最开始学习SKILL，我脑子里全是花哨的想法——什么套路检测器、甩锅追踪器。但冷静下来一想，这些都不是真实需求。真正有价值的，是那些你自己就会反复遇到的问题。你自己都不想用，别人更不会。

所以第一条原则就是：从自己的痛点出发，别为了做技能而做技能。

AI做决策，脚本做执行

这个技能里，分类是AI干的，移动文件是脚本干的。这不是随意的分工，而是有道理的——AI擅长理解内容、做判断，脚本擅长重复性操作、保证一致性。

如果你试图用代码去模拟AI的判断力，你会发现要写几百行规则，还覆盖不全。反过来，如果让AI去一个个移动文件，那效率又太低了。

各干各擅长的事，别搞反了。

安全机制不是锦上添花，是第一天就该想好的

很多人写工具的习惯是先实现功能，再加安全措施。但涉及文件操作，这个顺序应该反过来——先定好"什么不能做"，再考虑"能做什么"。

我们的铁律很简单：不删除、先备份、记日志、可回滚、路径白名单。每一条都是在实际使用中暴露出的问题。

SKILL.md是灵魂，脚本只是手脚

整个技能里，最核心的文件其实只有一个：SKILL.md。它告诉AI什么时候该激活这个技能、该怎么跟用户沟通、按什么流程执行。脚本只是辅助——AI做不了的事情才交给脚本。

所以写技能的精力分配应该是：七分想流程，三分写代码。

几个我踩过的坑

• 增加代码的复杂性，复杂情况的判断交给AI，代码只做最核心、最简单的事情

• SKILL的触发描述最好中英双语，纯英文的话国产模型可能匹配不上，纯中文的话GPT之类又可能漏掉
• SKILL.md不要太长，详细内容拆到references目录，主文件控制在合理范围内
• 依赖越少越好，如果必须有第三方库，一定要做降级方案

说了这么多，其实创建一个技能的核心就一句话：把你自己解决问题的过程，变成一份能让AI复用的说明书。 你不需要会写很复杂的代码，你只需要把思路理清楚。

真刀真枪：拿真实数据测

代码写好了，当然要拿真实数据测试。我用自己的书签跑了一遍。

669个书签扫完，AI开始分类。我原本觉得自己的书签已经挺有秩序了——建了"前端""后端""AI""编程学习"这些文件夹。但AI分完类之后，问题暴露得很彻底：

• "收藏夹栏"里散落了121个没归类的书签，混着百度翻译、Stack Overflow、各种随手存的链接
• "其他"和"Temp"两个文件夹是纯垃圾堆，85个链接什么都有
• "链接"和"links"两个文件夹内容完全重复
• 至少30多个内网地址，大概率已经失效

最终分成了25个类别，工作项目111个、AI相关107个、编程学习106个……看着整整齐齐的分类结果，心里特别舒坦。

但书签只是起点。这个技能真正厉害的地方，是它能同时处理文件和书签。

我又用我的个人知识库文档做了一次测试。

我把我多年来收集的《个人成长》文件夹丢给了这个SKILL

它快速的分析出如下列表

并给出了如下建议

然后它基于SKILL的算法推荐了我新的结构

并给出了操作计划

征得我的同意后，它顺利的帮我完成了清理

想象一下这个场景：你同时把下载文件夹、桌面、和一个书签HTML丢给AI，它会：

1. 扫描所有文件和书签
2. 去重（找出重复的文件和重复的书签）
3. 统一分类（文件和书签用同一套分类体系）
4. 生成一份Excel报告，文件和书签的分门别类清清楚楚
5. 书签生成新的HTML，文件按分类移动到对应文件夹

你的数字生活，从杂物间变成图书馆。

迭代：讨论出来的改进

第一版做完之后，我拿着去问了一圈意见，反馈里有几个点特别好：

**"WSL路径兼容"**——我在WSL环境下跑脚本，输入C:\Users\xxx这种Windows路径会报错。加一个自动转换就行。

**"能不能加个安全检查？"**——万一有人不小心把系统目录传进来，脚本不应该操作/Windows、/bin这类路径。我采纳了，用的是白名单机制：只允许在用户主目录和明确指定的目录下操作，比黑名单安全得多。

**"进度条呢？"**——这个我没采纳。agent环境下进度条显示不了，而且几百个文件也就一两秒的事。不过加了个简单的计数器。

**"能不能区分快速模式和智能模式？"**——默认基于文件名快速分类，需要更精确时可以让AI读取文件内容来判断。这个不需要改脚本，AI本身就能做到。

每一个改进都不是我拍脑袋想出来的，都是在实际使用中暴露出来的问题。

最后：这个技能怎么用

如果你想试试这个"文件管家"，用起来非常简单：

整理书签：

1. 浏览器导出书签（10秒钟）
2. 告诉AI"帮我整理书签"
3. 看一下方案，觉得没问题就说"执行"
4. 导入生成的书签HTML，搞定

整理文件：

1. 告诉AI"帮我整理下载文件夹"
2. AI扫描完告诉你发现了多少重复文件、建议怎么分类
3. 你确认后自动归类
4. 生成一份Excel报告，随时查阅

同时整理：

1. 导出书签 + 指定要整理的文件夹路径
2. AI统一扫描、分类、去重
3. 书签生成新HTML，文件按分类移动
4. 一份报告涵盖所有内容

整个过程不需要写代码，不需要装软件，甚至不需要懂AI。

说到底，AI Agent技能最酷的地方不是技术有多复杂，而是它能把一个"想起来就头疼"的事情，变成"说出来就搞定"。

你的数字生活，是不是也该收拾收拾了？😊

如果你对AI Agent技能开发感兴趣，或者想试试这个"文件管家"技能，欢迎留言交流。

Git地址：https://gitee.com/wenpeng/wenSkillsExample.git