CommunityRédaction et éditiongithub.com

scan-file-singlify (Scan de fichiers unique)

Un skill pour agent IA qui analyse des répertoires, trouve les fichiers et dossiers dupliqués, et génère un plan « single copy » sécurisé, avec un mode dry-run uniquement et des commandes recommandées pour l’OS/shell cible.

Qu'est-ce que scan-file-singlify (Scan de fichiers unique) ?

Ce skill permet à un agent IA (comme Claude Code, Cursor, ou Codex) de détecter les fichiers et répertoires dupliqués sur un système de fichiers, en suivant une approche prudente et non destructive. Il scanne d’abord les répertoires entiers (comparaison de structure), puis utilise un hachage (MD5/SHA256) pour confirmer les doublons au niveau du contenu. Le résultat est un rapport détaillé en Markdown, JSON ou CSV, listant les groupes de doublons, une estimation de l’espace économisable, une table de correspondance vers une copie canonique, et jusqu’à quatre commandes système recommandées (vérification, mise en quarantaine, lien dur, suppression) adaptées automatiquement à l’OS (macOS, Linux, Windows) et au shell (bash, zsh, powershell, cmd) de l’utilisateur. Le skill ne supprime ni ne modifie jamais de fichiers par lui-même ; il agit uniquement en lecture, génère un plan, et demande une confirmation explicite pour toute action destructive, ce qui en fait un outil idéal pour le nettoyage sécurisé de stockage, la déduplication de sauvegardes, ou la consolidation de répertoires. Il est compatible avec toutes les plateformes supportant Python et les systèmes de fichiers, et son utilisation est indiquée lorsque l’utilisateur souhaite identifier des redondances sans risquer de perte de données.

Compatible avec✓Claude Code~Codex CLI~Cursor
npx skills add host452b/polish

Installed? Explore more Rédaction et édition skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

file-singlify (Fichiers uniques – Scan de déduplication)

Ce que fait ce skill

Analyse un disque / répertoire / point de montage pour trouver les fichiers en double et répertoires en double créés par des copies, sauvegardes, synchronisations ou migrations multiples. Il génère un plan de « mise en unique » : on conserve une copie canonique par groupe, les autres étant marquées comme références / à supprimer / à remplacer par un lien, avec une estimation de l’espace économisable.

Principe fondamental : lecture seule, dry-run uniquement. Aucune suppression, déplacement, écrasement, création de lien dur/symbolique n’est effectuée directement. Toute action destructive nécessite d’abord un rapport, puis une confirmation explicite de l’utilisateur. Le script lui-même reste toujours en lecture seule — --action-mode ne modifie que l’étiquette suggested_action dans le rapport, sans exécuter d’action.

Quand l’utiliser

  • L’utilisateur veut scanner un disque / dossier / un ensemble de dossiers pour trouver les « fichiers identiques », « dossiers en double », « sauvegardes redondantes », « copies multiples »
  • L’utilisateur souhaite conserver un fichier original, générer une table de correspondance, des suggestions de suppression, des liens durs/symboliques, un rapport de déduplication, une estimation de l’espace économisé
  • Mots-clés : déduplication / mise en unique / répertoire en double / dedup / copie canonique / nettoyage de stockage

Ne convient pas : Si l’utilisateur demande une analyse de contenu de fichier, une compression, ou un classement non lié à la détection de doublons.

Flux de travail par défaut

  1. Vérification du chemin et des permissions — Vérifier que l’environnement peut accéder à root_path. S’il est accessible, exécuter le script ; sinon, demander à l’utilisateur de fournir une liste des dossiers / un arborescence / une archive / un chemin monté accessible. Ne jamais inventer de résultats d’analyse.
  2. Exécuter le script (directory-first) — Trouver les redondances d’abord par la cohérence des répertoires, puis confirmer avec le hachage des fichiers. Un répertoire entier copié en double est la plus grande source de gaspillage d’espace ; afficher d’abord les résultats au niveau des répertoires.
  3. Lire la sortie du script, la présenter à l’utilisateur — Prioriser les groupes de répertoires en double, puis les groupes de fichiers en double, la table de correspondance canonique, l’espace économisable, et les éléments à risque. Pour les éléments marqués uncertain / manual_review par le script, demander clarification à l’utilisateur, ne pas décider à sa place.
  4. Donner les 4 premières commandes recommandées — Le script génère jusqu’à 4 commandes recommandées selon l’OS/shell actuel (sécurité d’abord : verify → quarantine → hardlink → delete), voir section 10 du rapport / recommended_commands du JSON. Les présenter à l’utilisateur en adaptant la syntaxe à son véritable OS et shell ; le script détecte automatiquement, si nécessaire utiliser --target-os / --target-shell pour forcer. Ne donner que les commandes, ne pas les exécuter. Les commandes utilisent des chemins d’exemples représentatifs ; il faut les appliquer ligne par ligne à la table de correspondance.
  5. Reconfirmation avant action destructive — Si l’utilisateur veut vraiment supprimer / remplacer les liens, reformuler le plan et demander une confirmation explicite ; le script n’exécute rien, c’est à l’utilisateur de le faire ou de donner une autorisation séparée.

Quand exécuter le script

Exécuter le script lorsque l’environnement peut lire root_path directement. Si on dispose seulement d’une liste ou d’un arbre, analyser manuellement avec la même logique (structure de répertoires identique → taille de fichier identique → hachage du contenu) et préciser clairement « hachage non effectué ».

python3 scripts/scan_file_singlify.py <root_path> \
  --scan-mode directory-first \      # ou file-only
  --hash-algorithm md5 \             # md5 | sha256 | both (strictement 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" \      # préférer ce chemin pour la copie canonique
  --target-os auto \                 # auto|macos|linux|windows (utilisé pour les commandes top-4)
  --target-shell auto                # auto|bash|zsh|fish|powershell|cmd

Pour les paramètres complets et les règles de détection, voir l’aide du script (--help), references/matching-rules.md et references/safety-rules.md.

Format de sortie

Le script produit un rapport structuré contenant : zone scannée, paramètres, nombre total de fichiers/répertoires/capacité, groupes de répertoires en double, répertoires probablement en double, groupes de fichiers en double (confirmés par hachage), estimation de l’espace économisable, table de correspondance canonique, les 4 commandes recommandées (adaptées à l’OS/shell), risques et éléments incertains, suggestions pour la suite. Le format markdown est lisibles par l’humain, json pour les programmes (inclut recommended_commands), csv est la table de correspondance duplicate → canonique.

Chaque ligne de correspondance contient confidence (confirmed / uncertain) et suggested_action (keep / delete_duplicate / replace_with_hardlink / replace_with_symlink / create_manifest_reference / manual_review).

Limites de sécurité

  • Par défaut, ne jamais supprimer de fichiers ni créer de liens durs/symboliques automatiquement. Le script est en lecture seule.
  • Le simple fait d’avoir le même nom / taille / mtime ne suffit pas à déclarer un doublon — ce ne sont que des candidats ; la conclusion finale doit être basée sur un hachage (même taille + même hash).
  • Être particulièrement prudent avec les répertoires système, cachés, d’applications, dépôts Git, bases de données, bibliothèques photos, dossiers de synchronisation cloud.
  • Ne pas suivre les liens symboliques, ne pas récurser ; en cas de boucle de répertoires, arrêter la récursion et le signaler.
  • Fichiers inaccessibles / de taille zéro / spéciaux / déjà liés par un lien dur → les marquer et les sauter, les classer dans « ignorés / incertains », ne pas les considérer comme des doublons certains.
  • Si la copie canonique ne peut pas être déterminée, lister les candidats et demander la confirmation à l’utilisateur, ne pas décider seul.

Erreurs courantes

ErreurCorrection
« Simuler » un scan sans avoir vérifié l’accès au cheminVérifier l’accès d’abord ; si impossible, demander la liste ; ne jamais inventer de résultats
Déclarer un doublon uniquement sur le nom/taille/dateNe les considérer que comme candidats ; confirmer avec le hachage
Hacher tous les fichiers immédiatementD’abord filtrer par cohérence de répertoire, puis hacher les candidats
Suggérer la suppression/remplacement avant d’avoir produit le rapportD’abord produire le rapport, puis attendre une confirmation explicite ; le script n’exécute aucune action destructive
Décider pour l’utilisateur des éléments uncertainPrésenter les éléments incertains comme des questions à l’utilisateur

Skills associés