來源：https://blog.csdn.net/2403_87969572/article/details/159136575

抓取時間（ISO本地）：2026-05-18 05:17:42

---

前言

作為打工人/程式設計師/學生黨，你是否也曾面對這樣的場景：下載資料夾裡堆滿了各種格式的檔案，專案目錄裡散落著文件、程式碼、截圖，找個檔案要翻半天；手動整理又耗時耗力，分類邏輯還總不統一？

最近開發了一款「智慧資料夾整理Agent」工具，基於DeepSeek大模型驅動，既能自動分析檔案特徵生成整理方案，也支援自定義規則，還能視覺化預覽、拖拽調整，徹底告別資料夾雜亂的煩惱。

程式碼已經開源在github：https://github.com/ChenAI-TGF/FolderFox
如果覺得有用的話歡迎點一個寶貴的Star！ 謝謝！！！

核心功能：不止是“按型別分類”

市面上很多檔案整理工具只能簡單按字尾名歸類，但實際使用中我們的需求遠不止於此——比如按專案維度、按時間字首、按業務場景整理，甚至要區分大檔案/近期檔案避免誤操作。這款工具的核心亮點在於：

1. 多模式智慧整理，適配不同場景

• 智慧模式（預設）：基於DeepSeek大模型分析檔名、型別、內容特徵，生成貼合日常使用習慣的分類方案（比如“2024Q4專案報告”會歸到“專案文件/2024Q4”，而不是單純的“文件”資料夾）；
• 按型別模式：經典的字尾名分類，自動建立“圖片”“程式碼”“影片”等資料夾，適合通用整理；
• 按檔名字首模式：針對有命名規範的檔案（如“20240512_會議記錄.md”“20240512_截圖.png”），自動按字首分組，適合歸檔類檔案。

2. 視覺化預覽+互動式調整

• 左側展示「整理前的檔案結構」，右側展示AI生成的「整理後預覽」，所有檔案分類一目瞭然；
• 支援拖拽調整：覺得AI分類不對？直接拖拽檔案/資料夾到目標目錄，實時修改整理方案；
• 右鍵選單：可新建子資料夾、移除不想整理的檔案，完全自定義整理邏輯。

3. 高風險檔案防護，避免誤操作

• 自動標記「大檔案（>100MB）」和「近期檔案（7天內）」，可單獨篩選檢視，防止重要檔案被誤移動；
• 執行整理前需二次確認，支援一鍵撤銷上次整理操作，不怕整理錯了回不來。

4. 多語言+個性化定製

• 介面支援中文/英文切換，分類資料夾名稱也可選擇對應語言；
• 支援自定義“不整理的檔案型別”（比如保留所有.pdf檔案不動）；
• 可輸入個性化需求（如“所有Python程式碼檔案放到code目錄下，按模組細分”），AI會按你的要求生成方案。
  

核心技術原理：檔案整理專用Agent的設計與實現

很多朋友會問：市面上有很多按字尾分類的整理指令碼，這個工具和它們有什麼區別？為什麼要叫「Agent」？

答案很簡單：傳統整理指令碼只能執行預設的固定規則，而這個工具是一個面向檔案整理場景的輕量閉環Agent，它具備了智慧體的核心四要素：環境感知、自主決策、工具執行、反饋迭代，能基於環境資訊和使用者需求動態生成方案，還能透過人機反饋持續最佳化，而非死板執行固定邏輯。

下面我拆解這個Agent的完整架構設計，每一部分都對應程式碼裡的核心實現：

1. 環境感知層：Agent的「眼睛」，精準捕捉檔案系統特徵

Agent的所有決策，都基於對當前環境的完整感知。這一層對應程式碼裡的_collect_files_info方法，核心是完成檔案系統的結構化資訊採集與特徵工程，為後續決策提供完整、低噪的輸入。

它的核心工作流程：

• 遞迴掃描目標資料夾的全量檔案，過濾掉使用者指定跳過的檔案型別，避免無效資訊輸入；
• 提取檔案的核心元特徵：檔名、字尾名、檔案大小、修改時間、相對路徑，構建結構化的檔案資訊物件；
• 對文字類檔案（程式碼、Markdown、日誌、配置檔案等）做輕量內容取樣（讀取前800字元），讓AI能基於檔案內容做更精準的分類，而非僅靠檔名；
• 預標記高風險特徵：基於閾值判定「大檔案」「近期檔案」，為後續的風險提示和篩選提供依據，避免AI決策帶來的誤操作風險。

和傳統指令碼只讀取字尾名不同，這個感知層會給AI提供多維度的特徵，讓決策更貼合使用者的真實使用習慣，比如同樣是.md檔案，AI能透過內容取樣區分是「專案文件」還是「個人筆記」，從而分到不同的目錄。

2. 決策規劃層：Agent的「大腦」，基於大模型的動態分類決策

這是Agent的核心，對應程式碼裡的_deepseek_worker方法和DeepSeekClient客戶端，核心是把檔案整理任務轉化為大模型可理解、可穩定輸出的結構化任務，基於感知到的檔案資訊和使用者需求，生成可執行、可校驗的整理方案。

我針對檔案整理場景，做了深度的Prompt工程和輸出約束，解決了大模型通用輸出的不穩定性問題，核心設計包括：

• 多模式任務拆解：不同的整理模式，對應不同的System Prompt指令，精準控制AI的決策邏輯：
  • 智慧模式：讓AI基於檔案的全量特徵，模擬使用者日常的檔案管理習慣，做語義化、場景化的分類，同時嚴格遵守使用者輸入的個性化自然語言需求；
  • 按型別模式：給AI預設固定的檔案型別-分類目錄對映，優先按字尾名做標準化分類，兼顧AI的靈活性和規則的確定性；
  • 按檔名字首模式：強制AI優先匹配檔名的公共字首，按字首做分組歸檔，適配有規範命名的歸檔場景。
• 嚴格的輸出格式約束：強制大模型輸出JSON陣列格式，每個檔案對應固定的欄位（name/suggested_subfolder/reason），保證輸出結果可被程式碼穩定解析，杜絕大模型的自由文字輸出帶來的解析失敗問題；
• Token與成本最佳化：只給模型輸入必要的結構化特徵，而非全量檔案內容，文字取樣限制在800字元以內，既保證了分類的準確性，又大幅降低了Token消耗和響應延遲，讓整個分析過程能在幾秒內完成。

和傳統指令碼的固定規則最大的區別是：這個決策層能理解自然語言需求，比如使用者輸入“所有和專案A相關的檔案都放到專案A資料夾，按文件、程式碼、素材細分”，AI能自動識別相關檔案，生成多級目錄結構，而無需使用者提前寫好正則規則或分類指令碼。

3. 執行工具層：Agent的「手」，安全可控的檔案系統操作

決策生成後，Agent需要可靠地執行方案，這一層對應程式碼裡的_execute_organize_worker和_undo_organize_worker方法，核心是把AI生成的分類方案，轉化為安全、可追溯、可回滾的檔案系統操作，解決了通用Agent直接操作檔案系統的安全風險問題。

核心的安全設計：

• 前置衝突校驗：執行移動前，先校驗目標路徑是否已存在同名檔案，優先判斷是否為同一檔案、是否內容重複，避免無效移動；若存在衝突，自動生成有序字尾（_1/_2），絕不覆蓋使用者的已有檔案；
• 事務性操作記錄：每一次成功的檔案移動，都會生成一條MoveRecord記錄，完整儲存源路徑和目標路徑，形成完整的操作事務日誌，為後續的撤銷功能提供基礎；
• 原子化執行：單檔案的移動操作獨立處理，單個檔案移動失敗不會影響整個整理流程，執行完成後統一反饋成功/失敗結果，保證流程的穩定性；
• 許可權隔離：所有操作都嚴格限制在使用者選擇的目標資料夾內，禁止AI生成的目錄路徑跳出目標資料夾，杜絕路徑注入帶來的安全風險。

4. 反饋迭代層：Agent的「閉環」，人機協同的持續最佳化

這是這個Agent最核心的差異化設計，也是它能真正貼合使用者需求的關鍵——它不是一個“一次性執行”的黑盒工具，而是支援人機協同的反饋迭代閉環，對應程式碼裡的拖拽互動、右鍵選單、預覽重新整理等所有UI互動邏輯。

反饋閉環分為兩個核心鏈路：

1. 執行前的人工校驗與反饋：AI生成整理方案後，不會直接執行，而是先在右側面板做視覺化預覽。使用者可以透過拖拽檔案/資料夾修改分類、右鍵新建目錄、移除不需要整理的檔案，每一次修改都會實時更新Agent的整理方案，相當於使用者給AI的決策做了人工修正，AI會基於使用者的修改重新渲染預覽，形成「AI生成方案→人工校驗修正→方案迭代最佳化」的閉環；
2. 執行後的結果反饋與回滾：整理執行完成後，Agent會統計執行結果，反饋成功/失敗的檔案數量；同時基於之前的事務性記錄，支援一鍵撤銷整次整理操作，把所有檔案移回原位置，形成「執行→結果反饋→回滾修正」的安全閉環。

和傳統工具“生成即執行”的模式不同，這個Agent把決策權的最終控制權交給了使用者，AI負責做繁瑣的分類規劃，使用者負責做最終的稽核和調整，既節省了手動分類的時間，又避免了AI分類不符合預期的問題，真正實現了人機協同的智慧整理。

輕量化工程實現

工具基於Python+Tkinter開發，輕量化無依賴，無需安裝複雜環境，開箱即用：

• UI設計採用淺色簡約風格，卡片式佈局+藍色輕點綴，兼顧美觀與易用性；
• 全流程多執行緒處理：掃描檔案、生成整理方案、執行移動操作均在後臺執行緒完成，介面全程無卡頓；
• 全域性語言適配：介面文案與分類目錄語言獨立控制，支援中英文無縫切換，適配不同使用者的使用習慣。

適用場景

• 個人電腦：整理下載資料夾、桌面、專案目錄，告別雜亂；
• 辦公場景：歸檔會議檔案、專案資料，按業務維度分類；
• 開發場景：整理程式碼倉庫，按模組/功能歸類程式碼檔案、配置檔案、測試資料。

使用流程（超簡單）

1. 選擇需要整理的資料夾；
2. 選擇整理模式（智慧/按型別/按字首），可補充個性化需求；
3. 點選「分析並生成整理方案」，等待AI生成預覽；
4. 調整預覽中的分類（拖拽/右鍵操作）；
5. 確認無誤後點選「執行整理」，完成後可隨時撤銷。

後續規劃

目前工具已滿足核心整理需求，後續計劃圍繞Agent能力與使用體驗做持續升級：

• 增加Agent的長期記憶功能，學習使用者的分類習慣，下次整理自動複用，越用越貼合你的需求；
• 新增重複檔案檢測與清理能力，補充檔案去重的專用工具鏈；
• 支援自定義分類别範本，可儲存常用整理規則，一鍵複用；
• 最佳化多智慧體協作架構，拆分感知、決策、執行、校驗為獨立子Agent，進一步提升穩定性與準確性；
• 支援網路路徑/雲盤目錄整理，覆蓋更多使用場景。

寫在最後

這款工具的初衷是解決我自己的資料夾雜亂問題——作為程式設計師，每天要處理大量程式碼、文件、截圖，手動整理太浪費時間，而AI能精準捕捉我的分類習慣，比手動整理更高效。

如果你也飽受資料夾雜亂的困擾，不妨試試這款工具，把整理檔案的時間省下來做更重要的事。後續我會開放原始碼（或打包成可執行檔案），感興趣的朋友可以持續關注～

（附：工具介面截圖👇）

左側為整理前結構，右側為AI生成的整理預覽，高風險檔案標註⚠️，支援拖拽調整，介面簡潔易操作。

程式碼已經開源在github：https://github.com/ChenAI-TGF/FolderFox
如果覺得有用的話歡迎點一個寶貴的Star！ 謝謝！！！