本地文件整理归类

当用户说「整理下这个文件夹」或「把桌面文件归类」时，最常见的现场是：E 盘或桌面上堆着几百个文件，一部分是重复副本，一部分文件名是 UUID 或时间戳，和内容完全无关，另一些则散落在不同目录但属于同一项目。手工处理不仅慢，而且一旦误删就不可逆。这个技能把「扫描—规划—确认—备份—执行—校验」拆成一套可重复的流程，用于在本地目录上做文件盘点和整理。

工作方式

整个流程从只读扫描开始。scripts/scan_dedup.py 会列出目录中的文件，计算大小和 md5，检测目录内部的重复，也能跨目录对比目标文件夹找重。扫描阶段不会移动或删除任何文件，盘点结果输出为 scan.json。

接着处理「名不副实」的文件。scripts/extract_titles.py 从 PDF、DOCX、XLSX、ZIP、HTML 中提取可读标题，为那些随机命名的文件提出有意义的文件名候选。图片不在处理范围内，因为没有 OCR。

分类阶段是 dry-run：scripts/classify.py 读取 scan.json，依据 references/category_scheme.md 中的规则表把每个文件映射到类别。使用者可以先看一遍 dry-run 结果，再按需调整规则表，而不是直接对文件动手。

规划完成后，删除、重命名和移动三类操作会被合并成一份计划 JSON，以 markdown 表格呈现给用户确认。只有在收到明确确认后，才会执行下一步：先用 scripts/backup_dir.py 把整个源目录复制到带日期的备份文件夹，并核对文件数量；然后 scripts/organize_run.py 才开始工作——它先确认备份存在，再把重复文件送入回收站（通过 scripts/safe_delete.py，删除只走 FOF_ALLOWUNDO），随后执行重命名和移动，最后校验源目录是否清空、目标目录数量是否正确、重命名后的文件是否存在。

安全边界与注意点

这套流程中，几条规则是硬约束。扫描严格只读；任何破坏性操作之前必须有完整计划和用户确认；删除只能进回收站，绝不在个人目录上执行 rm、del 或 shutil.rmtree；操作按小批次进行，每次运行后都校验结果状态。

分类规则是可以自定义的。仓库附带的示例是环境影响评价方向的 18 类分类法，实际使用时需要按自己的领域改写 references/category_scheme.md 中的 RULES 字典。内容提取依赖 pdfminer.six、python-docx 和 openpyxl，其余脚本只依赖标准库，运行时没有网络调用。

适用场景

适合个人电脑上积压已久、结构混乱的目录，尤其是需要合并两个文件夹并去重的情况。不适用于需要 OCR 的图片归档，也不应被当作无人值守的后台清理工具——每一份计划都应当被看到、被确认，再去执行。