DiskLint

面向 Windows 开发者的本地优先磁盘资产治理助手。

DiskLint 希望像代码 Lint 工具检查“代码坏味道”一样，检查磁盘上的“文件坏味道”：长期无变化的项目、重复克隆、快速增长的构建产物、占用巨大的虚拟机磁盘，以及不敢贸然处理的个人代码。

它不只回答“哪个文件最大”，还尝试回答：

• 这些空间属于哪个项目、仓库或虚拟机？
• 哪些内容可以重新生成、下载或克隆？
• 哪些内容包含本地独有修改，必须优先保护？
• 如果需要释放指定空间，应该先处理哪些低风险对象？

当前状态

项目目前处于需求梳理与产品设计阶段，尚未开始编码，也没有可供下载的版本。

• 产品需求文档（PRD v0.1）
• 下一阶段：采集可行性原型和脱敏测试集

计划中的核心能力

• 定期采集磁盘文件元数据并保留历史快照。
• 把文件聚合为 Git 仓库、个人代码、开源收藏、虚拟机、构建产物和缓存等资产。
• 发现新增大对象、快速增长目录和长期无观察变化的疑似闲置资产。
• 检查 Git 工作区、未跟踪内容、本地独有提交和可重建目录。
• 盘点虚拟磁盘、快照、差分盘和 ISO，并对无法验证的关系保持高风险提示。
• 按证据、风险、预计收益和恢复方式生成整理建议。
• 可选调用 OpenAI 等大模型生成解释、排序和报告。

采集策略

DiskLint 不绑定单一磁盘工具，计划采用可插拔采集器：

数据源	定位
Everything	MVP 首选高速元数据源，通过 ES.exe 定时读取已有索引
WizTree	支持 CSV/TSV 导入；自动调用取决于部署方式和许可确认
原生扫描器	后续作为第三方工具不可用时的后备方案
Git / VM 适配器	读取结构化状态，补充普通文件扫描无法理解的语义

安全边界

DiskLint 的首版不是“一键清理器”。

• 默认只读，不自动删除、移动、压缩或修改用户文件。
• 本地规则负责事实、证据、风险和空间计算。
• 大模型只负责归纳、解释和排序，不能绕过保护规则或降低风险等级。
• 云端 AI 默认关闭；启用后默认只发送聚合和脱敏数据。
• 不建立源码或文档正文索引，不把正文发送给模型。
• Git 本地独有状态、个人代码和无法验证关系的虚拟磁盘采用保守策略。

分析流程

flowchart LR
    A["文件元数据采集"] --> B["本地快照与差异"]
    B --> C["资产聚合"]
    C --> D["规则与风险分析"]
    D --> E["候选建议与证据"]
    E --> F["可选 AI 解释"]
    E --> G["用户审查"]
    F --> G

Loading

初步路线图

1. 验证 Everything/WizTree 导出、百万级导入和快照差异。
2. 实现只读盘点、Git/VM 基础分类和本地规则建议。
3. 接入可选的结构化 AI 分析和隐私预览。
4. 增加专用虚拟化平台适配器、远端仓库验证和本地模型。
5. 在分类准确率和用户信任建立后，再评估隔离、撤销和受控执行。

参与讨论

项目仍处于早期阶段，欢迎通过 GitHub Issues 提交使用场景、数据源需求、隐私顾虑和安全边界建议。

尤其希望了解：

• 你主要使用 Everything 还是 WizTree？
• 你使用 Hyper-V、VMware、VirtualBox 还是 WSL2？
• 个人代码与开源收藏在你的磁盘上如何区分？
• 你能接受云端模型看到哪些级别的脱敏元数据？