WorkBuddy 应用

WorkBuddy 批量整理文件:分类、重命名、预览与回滚

用 WorkBuddy 整理本地文件:在副本上识别内容,设计命名规则,先生成新旧对照预览,确认后批量分类与重命名。

新手 自动化 预计 17 分钟 核验 2026/7/13
本页目录

完成结果

学完后你会留下什么

整理后的文件夹、新旧路径对照表、跳过项和可执行回滚清单。

测试版本
5.2.5
平台
macOS / Windows
任务模式
Ask / Plan / Craft
权限
高权限
积分影响
适合谁
需要整理下载、项目资料、票据或图片文件夹,但担心批量改名和移动出错的用户
开始前确认
  • 已备份目标目录或准备完整副本
  • 文件不包含系统目录、密钥或无权处理的数据

批量整理最需要的不是速度,而是“在真正改名之前,看见将发生什么”。一次错误的分类规则可以在几秒内改变几千个路径,让链接、脚本和同事的工作全部失效。

选择适合处理的目录

第一次使用时不要选桌面、整个下载目录或项目根目录。复制 20 到 50 个具有代表性的文件到练习工作区,包含:

  • 正常命名文件。
  • 重名或相似文件。
  • 不同类型和日期。
  • 无法识别内容的文件。
  • 正在使用或只读的样本。

排除系统目录、应用数据、Git 仓库内部文件、密钥、证书和敏感客户资料。

用 Ask 只做盘点

让 WorkBuddy 列出文件名、类型、大小、日期和可识别主题,不执行改名或移动。检查识别结果是否准确,特别关注扫描件、图片和格式损坏文件。

要求无法识别的文件标为“待人工处理”,不要根据模糊内容猜名称。

设计分类和命名规则

规则要同时满足可读、唯一和可排序。例如:

分类:按“项目 / 资料类型 / 年月”建立目录;
命名:YYYY-MM-DD_项目_主题_类型_序号.扩展名;
日期来源优先级:文档内明确日期 > 文件修改日期 > 标记待确认;
冲突:同名时增加两位序号,不覆盖;
未知:放入 99-to-review,不自行猜项目名。

中文还是英文、连接符、日期格式和序号位数要一次确定。过长路径在 Windows 上可能造成兼容问题,名称应保留必要信息即可。

先生成预览对照表

使用 Plan,要求输出 CSV 或 Markdown:

原路径新路径分类依据重命名依据置信度状态

此时禁止执行实际变更。按规则抽查高置信和低置信文件,检查重名、扩展名、日期和目录层级。

处理四类异常

  • **重名:**增加稳定序号或保留原名称片段,不覆盖。
  • **无法识别:**移动到待审核目录,保留原名。
  • **文件占用:**跳过并记录,不强制关闭其他程序。
  • **权限不足:**停止对应项,不切换完全访问处理整个系统目录。

如果一个规则会让大量文件进入“未知”,说明分类设计还不成熟。

小批量确认执行

先选择五个样本执行,检查文件可以正常打开、扩展名未改变、引用关系未破坏。随后分批扩大,每批都保存对照表和完成数量。

包含项目代码、素材引用或文档链接的目录,改名可能破坏内部关系。此类目录应使用专门工具和项目测试,不适合仅按内容批量处理。

验证结果

执行后对账:

  1. 原始文件数 = 成功 + 跳过 + 失败。
  2. 文件大小总量没有异常变化。
  3. 随机打开各类型文件。
  4. 没有出现重复扩展名或空文件名。
  5. 待审核项仍保留原始信息。
  6. 对照表覆盖每一个实际变更。

准备回滚

最稳妥的回滚是保留原目录副本。也可以根据新旧路径对照表生成反向计划,但仍要先预览,避免文件在整理后又发生新增或修改。

回滚任务中加入条件:只有当前路径、文件大小和修改时间与整理完成时一致才恢复;发生变化的文件进入人工处理。

什么时候不要自动化

  • 命名依赖高度主观判断。
  • 文件之间有复杂引用关系。
  • 目录持续被其他程序写入。
  • 文件包含敏感信息且没有审批。
  • 无法建立可靠的唯一标识和回滚。

完成检查

  • 全量执行前使用了代表性副本。
  • 规则定义了日期、冲突、未知和权限处理。
  • 每个变更都进入新旧路径对照表。
  • 文件数量、大小和可打开性完成对账。
  • 已验证副本或反向计划可以回滚。

官方资料

版本和参数,以这些来源为准

本文按实际任务重写,快速变化的信息仍应在操作前回到官方页面核对。

常见问题

继续操作前,先确认这些边界

批量重命名前一定要备份吗?

重要目录应备份或在完整副本上试跑。即使系统或工具提供历史记录,独立副本仍是最直接可靠的回退方式。

WorkBuddy 可以按文件内容命名吗?

官方案例说明可根据可读内容、创建修改时间或原标题等属性生成命名依据,但扫描件、加密或不可读文件仍需人工处理。

文件很多时能一次全部处理吗?

技术上可能可以,但不建议第一次就全量执行。先抽取代表性样本,确认规则、冲突和异常处理后分批放大。

继续学习

按当前任务继续推进