mac-disk-steward
Skill0 starsChanged 3 days agoApache-2.0View on GitHub
诊断 Mac 磁盘空间不足或新增占用,评估开发测试残留、模型及历史资产的必要性,按授权清理、迁往 NAS 或释放云盘本地副本,并核对实际回收与生成入口。只读评估不自动执行清理。
In this repository7 other files it gives its agents.
- AGENTS.mdAGENTS.md
- academic-defense-prepSkill
- apple-mailSkill
- evidence-bound-closeoutSkill
- external-learning-landingSkill
- mail-triageSkill
- xiaohongshu-repo-scoutSkill
The file
Files
Mac 磁盘诊断与整理
先解释空间去了哪里,再判断哪些内容应当保留及放在哪里;反复增长的目录追到生成它的工具或任务。用当次证据行动,历史目录、缓存年龄、旧用途和本机配置均不构成删除规则。
范围与入口
按当前请求确定设备、卷、目标和授权。只读查询、复盘、评估保持只读;“清理、整理、优化”包含必要的定点处理和验证,沿用本会话已有授权。只在缺失决定实质影响对象、用途或不可逆处置时询问;先完成其他独立工作。Skill 不要求每批重新确认,也不授权定时任务、跨机器修改、停止活跃服务或更改备份策略。
如存在 ~/.config/mac-disk-steward/profile.json,只读其中的 NAS 目标、本地保留项、既有偏好和证据入口;执行前验证挂载及当前用途。无配置照常诊断,不自动生成另一套目录或归档库。通用方法与机器路径分开维护。
按需读取:
| 当前问题 | 指南 |
| 删文件后空间不回升、APFS、快照、隐藏系统服务、完整空间账 | 空间与快照 |
| 包缓存、测试残留、浏览器克隆、CI、Docker、VM、SQLite、制作工程 | 开发与生产文件 |
| 云盘释放本地副本、NAS归档、模型链接或SMB错误 | 云盘与NAS |
照片、邮件、聊天、研究正文、会话记录及 Git 工作树按所属应用/项目规则管理;普通磁盘清理不整目录删除这些内容。发现专用能力可用时交给对应入口,缺少可选 Skill 不阻塞其他已知工作。
判断与执行
- 建立同口径基线。 记录设备/卷身份、时间、实际可用字节、主要本地目录、快照和备份状态。先与上次比较,向新增量大的区域深入;无基线时用创建/修改时间、下载或制作记录追到具体事件,注明推断边界。浅层扫描共享一次结果,避免并发重复遍历整盘、读取私人正文或触发云盘下载。不能读取的目录计为未知,必要时用服务官方接口补齐。
- 按用途选择动作。 可重建且无当前依赖的缓存/无价值过程文件删除;有价值但低频的大资产迁往NAS;已上传且无需离线的云盘文件用提供商原生功能释放本地副本;当前工作、持久数据和高频必要资产保留。体积、年龄、文件名前缀、Git忽略、停止状态、未挂接或无打开句柄都不能单独证明可删。查看真实配置/脚本引用、未吸收改动、唯一成果和恢复条件;证据足够即停止扩展调查。
- 处理精确集合。 记录实际路径或服务对象ID、用途、动作、理由及必要恢复入口。优先应用/包管理器原生命令;空目录用
rmdir。迁移先复制/打包、验证后再移除源,源变化则跳过该对象。需要回收资料时检查内容和必要元数据;可重建缓存无需全部哈希或另存永久备份。历史授权只在当前对象和用途仍匹配时适用。 - 回读真实结果。 核对目标不存在/已迁移、保留集合和受影响调用方可用;把对象删除、服务内部回收、宿主磁盘实际增加空间分别报告。退出码与结果未知时先回读,避免重复修改。后台写入影响净值就标出时间和并发因素,不能将目录减量强行解释为物理回收量。
- 留下下次能用的基线。 保存精简的处理/保留集合、实际可用量、恢复位置和未解决的生成入口。重复来源优先在已有测试/构建/下载/审看工具中落实清理生命周期和保留预算;是否修改源码、推送或配置仍按当前任务授权。一次删除不宣称长期根治,不默认添加定时清理。
两条计量约束
文件逻辑大小、目录分配量、APFS容器/同一卷的实际可用量分别记录。父子目录、硬链接/APFS克隆、Docker对象与虚拟盘、各轮快照收益可能重叠;不累计成虚假的总回收量。NAS删除量不计入SSD收益,同盘归档或移入废纸篓也不代表容量已释放。
数据必要性由AI结合用途和证据判断;脚本只测量身份、字节、链接、哈希和状态等确定性边界。机器可验证完整性,不批准“无用”或允许删除。
可复用工具
脚本仅使用 Python 标准库,不删除源文件、不维护数据库、不回收快照。输出文件采用独占创建,避免覆盖旧基线;把证据写到本次任务 work/,精简交付写到用户要求的位置。
python3 scripts/disk_baseline.py capture --root <已确认本地目录> --output <基线.json>:记录本机Data卷身份、空间、选定目录分配量及Time Machine状态。--root可重复;不传则只取空间和状态。按需设置--volume和--timeout,不要每次展开整个用户目录。python3 scripts/disk_baseline.py compare <旧.json> <新.json> --output <增量.json>:拒绝不同设备/卷的比较;空间净变化和各独立目录增量分开,不求和。python3 scripts/verify_copy.py manifest <源目录> --output <清单.json>,再用tree <清单.json> <副本目录>或tar <清单.json> <归档.tar.gz>:逐文件SHA-256及树结构校验。只对已确认可读取/归档的普通目录运行;默认拒绝云盘占位、跨卷子树和特殊文件。NAS上链接的语义及恢复测试另按指南核对,内容清单不证明ACL/扩展属性已保存。详细参数见--help;tar只流式读取,不提取归档。验证失败保留源并修复具体断点。
最终简洁说明实际空闲量、主要来源、已处理/保留对象、恢复入口和真实阻塞;当前记录与历史检查点分开,保留原证据,不把旧快照中的数字改成新数字。
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

