Menü
Mac 文件管理大师 - 将磁盘清理、文件整理、文档分析串成「清 → 理 → 知」三阶段工作流
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
| name | file-master |
| description | Mac 文件管理大师 - 将磁盘清理、文件整理、文档分析串成「清 → 理 → 知」三阶段工作流 |
将 disk-cleaner、file-organizer、doc-mindmap 三个技能串成「清 → 理 → 知」三阶段工作流，一次搞定 Mac 文件管理。
仅当用户明确需要多阶段组合流程时使用此技能。 如果用户只想做单一任务（只清理磁盘、只整理文件、只分析文档），请直接使用对应的子技能（disk-cleaner / file-organizer / doc-mindmap），不要使用 file-master。
Use this skill when users:
不要使用此技能 当用户只说：
触发关键词: 全面整理电脑, 一站式整理, 文件大扫除, 先清理再整理, 完整文件管理流程
自然语言触发即可，Claude 会引导完成整个流程：
帮我全面整理一下电脑 → 执行全部三阶段
帮我清理磁盘再整理文件 → Phase 1 + Phase 2
整理一下文件然后做个文档分析 → Phase 2 + Phase 3
只帮我做文档分析 → Phase 3
三个子技能各自的依赖：
brew install tw93/tap/mole)pip install jinja2pip install 'markitdown[all]'brew install ollama + ollama pull qwen2.5:3bpip install requestsClaude 使用此技能时，严格按以下步骤执行。
向用户展示三阶段概览，询问要执行哪些阶段：
Mac 文件管理大师 - 三阶段工作流
Phase 1 「清」 - 磁盘清理，释放硬盘空间 (disk-cleaner)
Phase 2 「理」 - 文件整理，归类下载文件夹 (file-organizer)
Phase 3 「知」 - 文档分析，批量转换 + 摘要 + 分类 (doc-mindmap)
请选择：
1. 全部执行（推荐）
2. 选择部分阶段
3. 只执行某个阶段
如果用户选择部分阶段，记录要执行的阶段列表，跳过未选中的阶段。
使用 disk-cleaner 技能释放硬盘空间。
python disk-cleaner/scripts/mole_cleaner.py --check
python disk-cleaner/scripts/mole_cleaner.py --preview
向用户展示扫描结果，包括可清理空间大小和分类。
请选择清理档位：
1. Air - 最安全，只清浏览器缓存和日志
2. Pro - 推荐，平衡安全与空间
3. Max - 最大化释放空间
4. 跳过此阶段
用户选择档位后执行：
python disk-cleaner/scripts/mole_cleaner.py --clean --tier <air|pro|max> --confirm
报告释放了多少空间，然后进入 Phase 2。
使用 file-organizer 技能归类文件。
python file-organizer/scripts/file_organizer.py --status
向用户展示下载文件夹中的文件状况。
请选择整理模式：
1. 手动模式 - 创建智能文件夹，自己拖拽整理
2. 自动模式 - 自动按类型分类到桌面文件夹
3. 跳过此阶段
手动模式：
python file-organizer/scripts/file_organizer.py --manual
自动模式：
# 先预览
python file-organizer/scripts/file_organizer.py --auto --dry-run
# 用户确认后执行
python file-organizer/scripts/file_organizer.py --auto
自动模式执行后，整理路径会自动写入 disk-cleaner 白名单，保护已整理的文件。
报告整理了多少文件、分了哪些类别。记录输出路径（如 ~/Desktop/已整理文件-YYYYMMDD/），供 Phase 3 使用。
使用 doc-mindmap 技能进行文档智能分析。
python doc-mindmap/scripts/doc_converter.py <目标路径> --preview
展示文档列表、类型分布、重复文件检测结果。
python doc-mindmap/scripts/doc_converter.py <目标路径> --convert --confirm
python doc-mindmap/scripts/doc_converter.py <目标路径> --summarize
# 先展示分类结果
python doc-mindmap/scripts/doc_converter.py <目标路径> --organize
询问用户是否使用 AI 建议的文件名。如果同意：
python doc-mindmap/scripts/doc_converter.py <目标路径> --organize --rename
询问用户是否在 Finder 中预览分类目录：
cp -a <.summaries/schemes> ~/Desktop/文档分类-$(date +%Y%m%d)
open ~/Desktop/文档分类-$(date +%Y%m%d)
报告转换了多少文档、生成了多少摘要、分类结果概览。
汇总三阶段成果，向用户展示：
=== Mac 文件管理大师 - 完成报告 ===
Phase 1「清」: 释放了 X.XX GB 磁盘空间
Phase 2「理」: 整理了 N 个文件到 M 个分类
Phase 3「知」: 转换了 K 个文档，生成 K 份摘要，三维度分类完成
所有阶段执行完毕！
跳过的阶段标注"已跳过"，失败的阶段标注错误原因。
Decide whether a task in the current project is worth running as an agent loop. Analyzes the repo for evidence first (tests/CI/bench scripts = available verifiers; issue+PR queues = recurring work; module boundaries), then interviews the user one question at a time on the genuine decisions, and returns one of three verdicts — don't loop (stay in the loop yourself), timer loop (/loop, /schedule), or goal loop (/goal) — with cited evidence and, when looping is warranted, a drafted four-part contract (goal / verification / boundary / stop) bound to real commands found in the repo. Recommending NO loop is a first-class outcome. Use when the user asks 值不值得 loop / should I loop this / 要不要上 /goal / 这个活能不能挂个循环自动跑, or wants to apply loop engineering to a project.
GitHub backlog governance manager-loop. Triage open issues (type + routing labels), complete thin descriptions, maintain a bounded ready queue (Todo ≤ 5) on a GitHub Projects board, and repair board drift (closed issue still "In Progress" etc.). Config-driven — reads .claude/backlog-manager.yaml from the target repo; runs an init flow to generate it if missing. DRY-RUN by default, pass "apply" to execute writes. Use for recurring backlog grooming / issue triage of any GitHub repo, standalone or driven by /loop. Requires gh CLI with repo + project scopes.
Generate images (Nano Banana Pro / Imagen) and videos (Veo 3.1) through Google Flow using the account's Ultra/Pro SUBSCRIPTION credits instead of the metered Gemini/Vertex API — no per-call API cost. Use when the user wants to create a thumbnail, cover, poster, b-roll clip, image, or short video with AI and wants to avoid API billing, or explicitly mentions Flow / gflow / Veo / Nano Banana via subscription. Wraps the gflow-cli tool; encodes this machine's Flow new-UI quirk (PREFER_CLASSIC) and credit-safe retry rules learned the hard way. NOT for the paid Gemini-API nano-banana-pro path (that costs money) — this is the subscription path.
Generate a printer-receipt styled PNG bill of AI token usage and cost from local ccusage data, for the 绿皮火车 channel. Use when the user wants a token usage "账单"/"小票"/"收银台"/receipt/invoice, a shareable spend breakdown by model / input / output / cached / by day, or 节目素材 about token 消耗/花费. Triggers on "生成账单", "token 收据", "做张小票", "用量账单", "token receipt", "spend breakdown image".
本地把音频/视频文件或在线视频 URL 转录成文字稿(txt/srt/vtt/json)。基于 Apple Silicon 上的 mlx_whisper,支持中英文等多语言、自动语言检测、模型规格选择。当用户想要"转录""生成字幕/文稿/transcript""把这段音频/视频转成文字""提取台词""做 SRT 字幕",或给出一个音视频文件/YouTube 等链接要文字内容时使用。
Jordan Peterson(乔丹·彼得森,「龙虾教授」)的思维框架与表达方式。基于著作、长访谈/辩论 transcript、X发帖、外部批评、决策记录、完整时间线共6维度216个来源(一手占比约48%)的深度调研, 提炼6个核心心智模型、8条决策启发式和完整的表达DNA,并内置其已被外部验证的失效模式标注。 用途:作为思维顾问,用彼得森的视角分析个人困境、意义危机、责任与成长、文化争议、叙事与神话。 当用户提到「用彼得森的视角」「Jordan Peterson会怎么看」「彼得森」「皮特森」「龙虾教授」「JP模式」「JBP」 「peterson perspective」「人生十二法则」「12条法则」时使用。 即使用户只是说「整理好你的房间」「混乱与秩序」「先承担责任」 「帮我用彼得森的角度想想」「切换到彼得森」也应触发。 用户讨论「躺平」「内卷」「精神内耗」「年轻人迷茫」「人生没有意义」等话题且明确想要某种视角分析或建议时也可触发。 不要在用户只是泛泛倾诉、求安慰、查心理学概念,或寻求真实医疗/心理咨询时触发—— 这是思维框架skill,不是心理治疗。