LovStudio Skill / General·FREE · OPEN SOURCE

Mac 磁盘优化

按目标容量整理 Mac 磁盘,支持归档迁移、精确回收回滚项,并以真实可用空间完成验收

基本信息

你会用它完成什么

This skill should be used for “帮我清出至少 200GB”、“智能清理 Mac 磁盘”、“处理归档卷”、“避免 Finder 清理弹窗” or “optimize my Mac disk space”; it plans guarded cleanup, migration, and capacity verification.

适用场景
General
当前版本
v0.2.0

SKILL CARD / TRUST RECORD

先看证据,再决定是否使用

这个 Skill 尚未发布完整的可信度卡。案例、维度地图与定价依据会在补齐后显示。

这是一条旧目录记录:Skill Card 尚未补齐。网站不会把缺少案例、维度或定价证据的条目包装成已验证能力。

PRICING CARD

价格与交付边界

按目标容量整理 Mac 磁盘,支持归档迁移、精确回收回滚项,并以真实可用空间完成验收。

免费入口

免费

稳定价格带 免费

价值锚点

一次处理通常可省下 30 分钟至半天的排查、整理和回滚往返。

定价依据

按一次可验证的磁盘空间改善定价,重点是减少误删风险、排查往返和重复清理。

使用边界

默认只处理明确的可重建产物和用户确认的低频资料;照片、消息、邮件、Git 历史及受保护路径不进入自动清理。

维护说明

随 macOS、文件系统、归档卷挂载方式和真实使用反馈变化复评。

证据状态:开放入口,持续收集证据版本变化、连续 10 次真实使用或支持成本明显变化时复评。

案例

看看它做出的成品

使用说明

按这套方法完成任务

Version

面向 macOS 的智能磁盘空间优化 Skill:按目标容量盘点、规划、迁移和清理,并以系统真实可用空间完成验收。

产品特性

  • 先计算容量缺口,再选择最小范围,不做无目标的全盘删除。
  • 区分可重建数据、重要低频数据、活跃数据和保护数据。
  • 重要目录迁移采用复制、校验、回滚、原路径链接的事务流程。
  • 日期只记入日志,归档目录按来源稳定组织。
  • 所有修改命令默认预览,执行时需要显式确认。
  • 回滚区回收只接受显式 .cleanup 路径,直接使用文件系统操作,不触发 Finder 批量删除弹窗。
  • 最终以十进制 GB 和重新挂载后的链接状态验收。

本地安装

在本仓库根目录执行:

export SKILL_SOURCE_DIR="$(pwd)"
mkdir -p "${SKILLS_INSTALL_DIR:?请设置本地 Skills 目录}"
ln -s "$SKILL_SOURCE_DIR" \
  "$SKILLS_INSTALL_DIR/sgc-macos-disk-optimizer"

Creator 已支持通过 --install-dir 自动建立同名链接。安装完成后应确认链接解析到当前源码目录。

用户配置

可保存默认目标容量、安全余量、归档卷、清理策略和保护路径。显式参数始终覆盖共享配置:

python3 scripts/disk_optimizer.py profile init \
  --target-free-gb 200 \
  --buffer-gb 15 \
  --archive-volume /Volumes/ARCHIVE_VOLUME

# 检查无误后再增加 --write

默认个人配置:

SKILL_PREFERENCES_PATH
# 未设置时使用运行时默认的 agent-skills/preferences.json

使用示例

只读扫描并规划:

python3 scripts/disk_optimizer.py inventory \
  --root "$HOME/projects" \
  --min-gb 1 \
  --output inventory.json

python3 scripts/disk_optimizer.py plan \
  --inventory inventory.json \
  --target-free-gb 200 \
  --buffer-gb 15 \
  --output plan.json

迁移单个重要低频目录:

python3 scripts/disk_optimizer.py migrate \
  --source "$HOME/projects/PROJECT" \
  --archive-root /Volumes/ARCHIVE_VOLUME/cold-storage \
  --category projects

上面的命令只输出执行计划。确认后添加 --execute 和等于规范化源路径的 --confirm-source

验收目标:

python3 scripts/disk_optimizer.py verify \
  --target-free-gb 200 \
  --buffer-gb 15

回收本轮生成的回滚项:

python3 scripts/disk_optimizer.py list-staged \
  --rollback-root "$HOME/.Trash"

python3 scripts/disk_optimizer.py purge-staged \
  --path "$HOME/.Trash/PARENT-CANDIDATE.cleanup"

# 核对预览结果后再执行
python3 scripts/disk_optimizer.py purge-staged \
  --path "$HOME/.Trash/PARENT-CANDIDATE.cleanup" \
  --execute --confirm PURGE_STAGED

purge-staged 只处理命令行显式列出的顶层 .cleanup 项,保留其他废纸篓内容;遇到权限或锁定错误时输出结构化错误并停止,不自动重试。

安全模型

  • inventoryplanstatuspreflight-volumeverify 为只读或临时写入检查。
  • stage-cleanup 只接受白名单内可重建目录,执行时先进入回滚区。
  • list-staged 只读列出回滚区顶层 .cleanup 项;purge-staged 只处理显式路径,不调用 Finder 或清空整个废纸篓。
  • migrate 目标存在、归档空间不足、源与目标同卷或校验失败时停止。
  • 照片库、消息、邮件、Git 历史、Agent 会话及用户保护路径不会进入自动执行计划。

质量门

python3 scripts/validate_skill.py .
python3 scripts/disk_optimizer.py --help
python3 scripts/test_disk_optimizer.py

依赖

  • macOS
  • Python 3.8+
  • PyYAML(仅源码校验)
  • rsync
  • diskutil(归档卷挂载与回读)

License

MIT

用户评价与留言

登录后即可留言

分发渠道

在哪里可以获得它

这里标注这个 Skill 在各个平台的真实发布状态;有单品页时,入口会直接打开对应页面。

已发布

GitHub

公开源码、更新记录与 Issue 都在这里。

查看 GitHub
LS已发布

LovStudio 官网

在 LovStudio 获取、安装并查看使用说明。

你正在浏览此页面

WB暂未发布

WorkBuddy

该平台的单品页尚未发布。

单品页发布后会在这里出现。

SP暂未发布

支付宝 SkillPay

该平台的单品页尚未发布。

单品页发布后会在这里出现。

安装渠道

装到你正在使用的 AI

Yoda、Codex、Claude Code 和其他兼容运行环境都使用同一份 Skill;选择你的工具后,按对应步骤完成安装。

先保存一次工作资料,支持 Profile 的 Skill 会在运行时直接复用。

配置工作资料

安装与配置

Yoda

适合同时使用多个 Agent 的工作流:在一个地方完成安装、分配和调用。

  1. 01打开 Yoda 的 Skills,搜索「macos-disk-optimizer」,进入详情后点击“安装”。
  2. 02在目标 Agent 的配置中,把该 Skill 设为“自动”“仅手动”或“关闭”。
  3. 03重新加载当前会话,再从输入框的 Skill 菜单选择它;Yoda 会按当前 Runtime 插入对应调用命令。
打开 Yoda

在 Yoda 内完成

Yoda 会把安装后的 Skill 同步给已配置的 Agent,无需手动维护多个目录。

第一次调用

使用 macos-disk-optimizer 完成以下任务,并按 Skill 的验收标准检查结果:

搭配使用

需要时,继续补齐这些能力

更多信息

兼容性、权限与许可

源码可见性
公开仓库,可检查源码、Issue 与更新记录。
兼容性
上游未结构化声明;请以完整手册和运行时官方说明为准。
数据与权限
不同 Skill 可能读取本地文件、访问网络或调用第三方模型。执行前请检查完整手册中的具体步骤与命令。
许可
MIT

NEXT STEP

继续比较,再决定。

回到目录,从结果、证据、依赖和价格选择最合适的工作流。

返回当前 Skills 结果

LOVSTUDIO / KEEP MAKING

生命的意义,
在于创作

LovStudio