File singlify

file-singlify（文件单副本化）

这个 skill 做什么

扫描某个磁盘 / 目录 / 挂载路径，找出因多次复制、备份、同步、迁移产生的重复文件和重复目录，生成「单副本化」方案：每组保留一份 canonical copy，其余映射为引用 / 待删除 / 链接建议，估算可节省空间。

核心原则：默认只读、只做 dry-run。绝不直接删除、移动、覆盖、改写、创建硬/软链接。任何破坏性操作都必须先出报告、再等用户明确确认。 脚本本身永远只读 —— --action-mode 只改报告里 suggested_action 的标签，不执行任何动作。

何时使用

• 用户要扫某个盘/目录/一批文件夹，找「一模一样的文件」「重复目录」「冗余备份」「多重复制」
• 用户想保留一份原始文件、生成引用映射、删除建议、硬/软链接建议、去重报告、节省空间估算
• 关键词：去重 / 单副本化 / 重复目录折叠 / dedup / canonical copy / storage cleanup

不适用： 用户要的是文件内容分析、压缩、或与重复检测无关的整理。

默认工作流

1. 路径与权限检查 — 确认当前环境能否访问 root_path。能访问就运行脚本；不能访问则要求用户提供目录清单 / 目录树 / 压缩包 / 可访问挂载路径。绝不虚构扫描结果。
2. 运行脚本（directory-first） — 先按目录一致性找冗余，再用 hash 确认文件。整个目录被重复复制是最大空间浪费来源，优先展示目录级结果。
3. 读脚本输出，整理给用户 — 优先讲重复目录组，再讲重复文件组、canonical 映射、节省空间、风险项。对脚本标为 uncertain / manual_review 的项，向用户提问澄清，不要替他决定。
4. 给出 top-4 后续命令 — 脚本会按当前 OS/shell 生成 top-4 推荐命令（安全优先：verify → quarantine → hardlink → delete），见报告第 10 节 / JSON 的 recommended_commands。把它们呈现给用户，并按用户真实的 OS 与 shell 调整语法；脚本默认自动探测，必要时用 --target-os / --target-shell 覆盖。只给命令，不执行。 命令里用的是代表性样本路径，需逐行套用到映射表。
5. destructive 操作前再确认 — 用户要真正删除 / 换链接时，先复述计划并要求明确确认；脚本不会执行，需用户自行执行或另行授权。

何时运行脚本

环境可直接读到 root_path 就运行；只拿到清单/树时，按同样的判定逻辑（目录结构一致 → 文件大小一致 → 内容 hash 确认）人工分析并明确说明「未做 hash 确认」。

python3 scripts/scan_file_singlify.py <root_path> \
  --scan-mode directory-first \      # 或 file-only
  --hash-algorithm md5 \             # md5 | sha256 | both（严格用 both）
  --output-format markdown \         # markdown | json | csv
  --action-mode report-only \        # report-only|link-plan|delete-plan|hardlink-plan|symlink-plan
  --exclude-patterns ".git,node_modules,cache,temp" \
  --include-patterns "*.jpg,*.mp4" \
  --min-file-size 1024 \
  --prefer "/Volumes/Primary" \      # 优先保留此路径作 canonical
  --target-os auto \                 # auto|macos|linux|windows（生成 top-4 命令用）
  --target-shell auto                # auto|bash|zsh|fish|powershell|cmd

完整参数与判定细节见脚本 --help、references/matching-rules.md 与 references/safety-rules.md。

输出格式

脚本产出结构化报告，含：扫描范围、参数、总文件/目录/容量、重复目录组、疑似重复目录、重复文件组（hash 确认）、节省空间估算、canonical 映射表、top-4 推荐命令（按 OS/shell 生成）、风险与不确定项、下一步建议。markdown 给人看，json 给程序消费（含 recommended_commands），csv 是 duplicate→canonical 映射表。

每个映射行带 confidence（confirmed / uncertain）和 suggested_action（keep / delete_duplicate / replace_with_hardlink / replace_with_symlink / create_manifest_reference / manual_review）。

安全边界

• 默认绝不删除文件、绝不自动建硬/软链接。 脚本只读。
• 只凭文件名 / 大小 / mtime 不能判定相同 —— 只作候选筛选；最终结论必须 hash 确认（相同大小 + 相同 hash）。
• 对系统目录、隐藏目录、应用目录、Git 仓库、数据库、照片图库、云同步目录格外谨慎。
• 符号链接不跟随、不递归；遇到目录循环停止递归并报告。
• 权限不足 / 零字节 / 特殊文件 / 已硬链接文件 → 标记并跳过，进入「跳过 / 不确定」分类，不当作确定重复。
• canonical 无法判定时，列候选并要求用户确认，不自行拍板。

常见错误

错误	纠正
没确认能否访问路径就「假装扫描」	先确认；不能访问就要清单，绝不虚构结果
仅凭文件名/大小/时间就判定重复	只作候选；必须 hash 确认
一上来就对所有文件做 hash	先目录一致性筛选，再对候选 hash
报告还没出就建议删除/换链接	先出报告、等明确确认；脚本不执行破坏性动作
替用户决定 uncertain 项	把不确定项作为问题抛回给用户