核心用法
File Manager Skill 是一套面向 AIGC 工作流的文件管理规范与工具集，核心解决"文件散乱、命名混乱、目录嵌套"三大痛点。
目录架构：采用双轨制分离设计，/workspace/user_input_files/ 存放用户上传的输入文件，/workspace/my_outputs/ 存放 AI 生成的输出文件，各自下设 images/ videos/ pdfs/ excels/ others/ 五类子目录。
命名规范：强制使用语义化命名。
- 输入文件：
input-{描述}-{YYYYMMDD}.{扩展名}，如input-katheryne-cos-20260325.jpg - 输出文件：
output-{描述}-{YYYYMMDD}.{扩展名}，如output-katheryne-funko-20260325.png
验证机制：每次文件操作后必须运行 Bash 验证脚本，自动检测：目录缺失、根目录遗留文件、嵌套 output 目录等 5 类常见错误，验证通过后才可交付。
显著优点
1. 规范性强：MIT 开源协议，目录结构、命名规则、验证流程全部文档化，降低协作摩擦
2. 自动化验证：Bash 脚本一键检测结构性错误，避免人工疏漏
3. 可追溯性：语义化命名 + 日期戳，支持快速定位历史文件
4. 即插即用：纯规范设计，零依赖，任何支持文件操作的 AI Agent 均可复用
潜在缺点与局限性
- 手动执行依赖：验证脚本需主动调用，若 Agent 未集成自动触发机制，存在"遗忘验证"风险
- 无持久化索引：仅靠文件系统层级管理，缺乏数据库或元数据索引，大规模文件检索效率受限
- 单工作区设计：
/workspace硬编码路径，多租户或分布式场景需自行扩展 - 扩展性边界：预设 5 类文件类型，特殊格式（如 PSD、 blend）需归入 others，粒度较粗
适合人群
- AIGC 开发者：需要管理用户上传素材与生成结果
- 自动化工作流构建者：追求文件操作的标准化与可审计性
- 小型团队/个人项目：文件量级在千级以内，无需重量级 DAM 系统
常规风险
- 路径硬编码风险：若运行环境变更（如容器化部署），需同步修改
/workspace前缀 - 并发冲突：多进程同时写入同一目录时可能产生竞态，建议配合文件锁或队列机制
- 验证脚本的误报/漏报：Bash 通配符匹配存在边界情况，建议定期人工抽检
---
来源：Minimax Agent AI | 版本：v1.0.0 | 协议：MIT