数字熵增与文件治理：让 AI 替你扛认知负担

Downloads 文件夹里 500 个文件，桌面上散落着三个月前下载的安装包，项目目录里 project-v2、project-final、project-final-new 并排躺着……这种场景几乎每个开发者都熟悉。

文件系统的混乱从不是突然发生的。它是一种慢性熵增：每次「先放这里，待会再整理」，每次「就这一个文件不用新建文件夹」，日积月累，认知负担越来越重，直到你打开 Finder 都不想看。

我最近把这类整理工作的大部分判断全部交给 AI 去做，总结下来有几个思路值得分享。

分析先于行动

最危险的整理方式是「一把抓」——直觉上觉得乱，于是开始移动文件，结果越移越乱，还不知道自己动了什么。

AI 做文件治理的第一步不是移动，而是摸清现状：目录里有多少文件、类型分布是什么、最大的几个文件是什么、时间跨度有多长。这些信息通过几条 find / du 命令几秒钟就能拿到，但人工去做往往跳过这步，凭感觉行事。

先分析、再提案、后执行——这个顺序看起来显而易见，但人工整理时很少真正遵守。把它交给 AI 之后，反而严格执行了：每次都是先出「整理计划」，等确认后再动手。这个摩擦感恰好是保护机制，避免了「手滑把有用的东西移走了」。

归档优于删除

我在整理实践中形成的一条硬原则：拿不准要不要留的，一律归档，不直接删。

删文件的代价是不可逆的。而磁盘空间的代价微乎其微——一个 Archive 文件夹压几百个「也许有用」的旧文件，占不了多少空间，却能给你足够的安全边际。六个月后如果没有打开过，再批量清除，这时候心理阻力几乎为零。

AI 在做文件整理建议时，我也倾向于把这条原则写进提示：「遇到不确定的文件，推荐归档而非删除，并说明归档理由。」这样生成的计划更保守，执行起来心理负担更小。

命名一致性是长期投资

文件乱的第二个来源不是位置，而是命名。document-final-v2 (1).pdf 这种文件名，在你存入的当天你知道是什么；三个月后打开文件夹，它和旁边十几个类似名字的文件毫无区别。

一套简单的命名约定能解决大部分问题：日期前置（2026-06-01-meeting-notes.md）、去掉版本号后缀（用 git 或时间戳区分版本）、文件夹名避免空格和中文大标题。这些约定不需要复杂，需要的是坚持——而 AI 在批量重命名时能把这套规则机械地执行下去，不会因为「懒得改这一个」而放弃。

认知外包的边界

把文件整理的判断交给 AI，本质上是把「应该放哪里」这个低价值决策外包出去。这没有什么可惭愧的——大脑的稀缺资源应该用在更高阶的判断上，而不是消耗在「这个文件夹叫 docs 还是 documents」这种事情上。

但有一类判断不该外包：哪些文件涉及隐私、哪些文件是不可替代的原件、哪些归档目录应该加密备份。这些属于「后果不可逆且 AI 没有上下文判断」的范畴，需要人来做最终确认。

合理的分工是：AI 负责分析、分类、提出方案；人负责审批涉及敏感或不可逆操作的步骤。这条边界清晰之后，整个流程既高效，又不会因为过度信任自动化而埋下隐患。

一句话心法

文件系统的混乱是决策的延迟——把「放哪里」的小决策外包给 AI，把「要不要」的大决策留给自己。