重复文件扫描器

磁盘上那些“看不见的副本”

无论是文档多版本改稿、从不同渠道下载的安装包，还是 docker 镜像层、虚拟机快照和日志归档，重复文件总会在不知不觉中堆积。管理员常常发现磁盘告警，却很难判断是哪类文件占用了空间，也不清楚哪些副本可以安全删除。

它是如何工作的

该技能面向 IT 运维与安全 场景，负责对指定路径执行重复文件扫描：

• 递归遍历目录树，收集文件路径、大小、修改时间等基础元数据；
• 通过哈希比对确认内容完全一致的文件，而不是仅凭文件名或体积猜测；
• 输出分组后的重复文件清单，便于运维人员进一步处理。

适用边界与注意点

• 只做识别，不擅自删除。是否清理由使用者决定，避免误删被软链接、备份策略或版本管理引用的文件。
• 全量哈希计算会消耗 I/O 与 CPU，建议先在测试目录评估规模，再对生产存储执行。
• 对符号链接、网络挂载目录和权限受限路径，扫描结果可能存在遗漏，需结合实际情况复核。