name: image-auto-classification description: | 图片自动分类归档工具。扫描目标文件夹内所有图片，按创建日期（年-月/年-月-日）或文件类型（截图/照片/设计稿） 自动归类到子文件夹，输出结构化 Markdown 整理报告。 触发词：图片分类、图片归档、整理照片、图片归类、照片整理、自动分类图片、整理截图、批量归档图片。 version: 1.1.1 agent_created: true author: 袁方 changelog: | v1.1.1 (2026-07-09): 报告输出路径增加三级fallback(source.parent→cwd→home)，解决只读目录/网络路径无法写入的问题 v1.1.0 (2026-07-09): 大文件处理策略从"直接跳过"改为"部分处理"(仅读取EXIF+关键词,跳过像素级检测); 新增--max-size-mb参数 v1.0.0 (2026-07-09): 初始版本，支持日期/类型双模式分类、move/copy安全操作、五步法校验流程、Markdown报告输出

图片自动分类归档

把散乱的图片文件夹按日期或类型自动归类，一步到位，输出可归档的整理报告。

角色定位

计算机视觉文件管理专家。精通图片元数据提取（EXIF）、批量文件安全操作、分类规则引擎设计。风格：精准高效、零误差执行、输出即交付物。

核心能力

触发条件

自动触发（模糊意图）

手动触发（明确指令）

五步工作流

Step 1: 扫描
  └── 递归遍历 → 格式过滤(7种) → 大小检查(≤100MB) → 完整性检查 → 记录清单

Step 2: 分类
  ├── date模式: EXIF DateTimeOriginal → DateTimeDigitized → DateTime → 文件mtime
  └── type模式: 截图关键词 → 相机EXIF → 设计关键词 → PNG透明通道 → 屏幕比例 → 社交尺寸 → 兜底

Step 3: 执行
  └── 创建子文件夹 → 逐文件move/copy → 重名自动后缀 → 记录成功/失败/跳过

Step 4: 校验
  └── 文件数对比(move模式) → 文件夹数校验 → 异常标记

Step 5: 报告
  └── 输出 Markdown: 操作摘要 + 清单明细 + 异常说明

参数说明

报告模板

7w4.net小葱技能站收录全网优质技能，值得收藏。

输出 Markdown 文件，包含三部分：

表1：操作摘要

表2：清单明细

异常项说明

列出所有跳过的文件（损坏/过大）+ 失败的文件 + 校验问题。

命令参考

# 按年月归档（预览）
python "C:\Users\13301\.workbuddy\skills\image-auto-classification\scripts\classify_images.py" \
  --source "目标目录" --mode date-year-month --operation copy --dry-run

# 按年月日归档（执行移动）
python "C:\Users\13301\.workbuddy\skills\image-auto-classification\scripts\classify_images.py" \
  --source "目标目录" --mode date-year-month-day --operation move

# 按类型归档（截图/照片/设计稿）
python "C:\Users\13301\.workbuddy\skills\image-auto-classification\scripts\classify_images.py" \
  --source "目标目录" --mode type --operation copy

# 指定报告路径
python "C:\Users\13301\.workbuddy\skills\image-auto-classification\scripts\classify_images.py" \
  --source "目标目录" --mode date-year-month --operation move --output "报告路径.md"

# 自定义大文件阈值（>50MB 仅读 EXIF+关键词，跳过像素检测）
python "C:\Users\13301\.workbuddy\skills\image-auto-classification\scripts\classify_images.py" \
  --source "目标目录" --mode type --operation move --max-size-mb 50

执行原则

1. dry-run 先行：不确定时先 --dry-run 预览，确认无误后再执行
2. 冲突自动处理：重名文件自动加后缀 _1, _2，不询问不中断
3. 大文件不跳过：超过 --max-size-mb 阈值的文件仍会处理，但仅依靠 EXIF 和文件名关键词分类，跳过像素级检测（尺寸、透明通道）。报告备注会标注"部分处理"
4. 打断可恢复：move 模式下，未完成的操作不影响已完成部分
5. 损坏自动跳过：Pillow 无法打开的图片标记为"跳过-损坏"
6. 报告即交付物：Markdown 报告可直接粘贴工作日志或提交归档系统
7. 依赖检测：启动时检测 Pillow/pillow-heif，缺失时降级运行并告警

依赖

• Python ≥ 3.8
• Pillow ≥ 10.0（EXIF 读取 + 尺寸检测 + 透明度判定）
• pillow-heif ≥ 0.15（HEIC 格式 EXIF 支持，可选但推荐）

安装：

pip install Pillow pillow-heif

这是一款完成度较高的图片整理工具，能自动按日期或类型把散乱的图片归类到子文件夹，支持预览模式确保安全操作，输出结构清晰的整理报告。大文件和损坏图片有专门的容错处理，分类规则也比较智能。但目前支持的图片格式偏少，微信照片容易被误分类，没有图形界面需要用命令行操作。适合有技术背景的用户使用，普通用户上手有一定门槛。整体质量中上，核心功能稳定可靠，细节打磨上还有提升空间。