上篇把 Gateway 跑顺了。这篇聊一个我一直想试的功能：让 AI 翻我的文件夹。
运维干了十几年，文件管理是个无底洞。截图、配置文件、日志、客户文档、发票、合同——名字乱、格式杂、散得到处都是。每次找东西都要靠记忆翻半天。OpenClaw 号称能访问本地文件，我花了一个下午把这四个能力都试了一遍。
智能搜索：找东西终于不用记文件名了
传统的 find 或 Spotlight 搜的是文件名。问题是：你会给文件起规范的名字吗？我不会。截屏2026-05-07.png、final-v3-really-final.docx——这些名字一年后谁记得住。
OpenClaw 的搜索是读内容的。你说”找一份里面提到跑步机的发票”，它真的会打开图片做 OCR，然后匹配”跑步机”三个字。
我拿自己电脑上的一个杂乱的文件夹试了一下，里面大概 200 多个文件：技术文档、截图、PDF 合同、一堆 Excel 表格。
几个测试：
- “找所有包含 cluster-admin 的 YAML 文件” → 5 秒找到 3 个。用了两个多月都没整理过 RBAC 配置，它直接翻出来了。
- “查出所有发票图片里的总金额” → 12 张发票图片，OCR 识别出了 10 张的金额。两张拍得太糊，没识别出来。
- “找去年 12 月的文件” → 按修改时间筛出来，混了一堆系统自动生成的东西，不太干净。
说实话，语义搜索比想象中好用。但前提是你的文件本身是可读的——手写的扫描件、太糊的截图，它也救不了。
几个用起来的小技巧：
- 描述内容，别描述文件名——“包含数据库连接信息的配置文件” 比 “application.yml” 更容易找到
- 告诉它大概位置——
/.kube/、/Documents/contracts，缩小范围能快不少 - 加排序条件——“最近修改的 5 个包含 error 的日志文件”
批量处理：100 份文档，两分钟
这是让我决定写这篇的原因。
以前整理客户合同信息，要从几十份 Word 文档里提取公司名、联系人、电话、邮箱，复制粘贴到 Excel。一个人干一下午。OpenClaw 做这件事用了大概 3 分钟，准确率还行。
我试了几个场景：
提取合同关键字段。 15 份 PDF 合同扔到一个文件夹，让它”提取每份合同里的甲方公司名、金额、签订日期，整理成表格”。金额字段有一份识别错了——合同的金额栏里同时写了大小写，它取了小写。其他的都对。
合并散落的配置片段。 K8s 集群迁移之后，有些 ConfigMap 的 YAML 散在各个文件夹里。让它”收集所有 configmap-*.yaml 文件，按命名空间分类，合并到一个文件中”。这个跑得很干净，因为 YAML 是纯文本，没有识别问题。
OCR 名片提取。 去年参加一个技术大会，拍了 30 多张名片的照片，一直没整理。让它提取姓名、公司、职位、手机、邮箱，输出 CSV。30 张里 24 张全对，3 张部分字段错误，3 张完全识别不了——全是设计得太花的名片，文字压在图案上。结论：名片越素 OCR 越准。
跑完批量处理后，我会让它自己检查一遍：
检查生成的表格，指出可能有识别错误的行。
它会列出”金额异常”、“电话号码位数不对”的项。这个自查能力省了一轮人工校对的时间。
自动整理：给下载文件夹建管家
我 Mac 的 Downloads 文件夹是个黑洞。500 多个文件，什么都有。每次翻东西都要眼睛扫一遍列表。
让 OpenClaw 整理：
按文件类型把 Downloads 文件夹整理分类，图片放 images/，PDF 和文档放 documents/，安装包放 packages/，其他的放 others/。不认识的格式不要乱放。
跑完大概两分钟。结果：
- images/ — 93 个文件（截图为主）
- documents/ — 67 个（PDF、Word、Excel）
- packages/ — 12 个（dmg、pkg）
- others/ — 剩下的
整理完多出来 15G 空间。主要是重复下载了几个安装包和大尺寸的录屏文件，它删重复文件的时候我都没意识到有重复的。
但有个问题：它把一些 微信文件 开头的随机名字图片按类型分进了 images/。这些都是别人微信发过来的东西，名字没有意义。我让它再做一步：
把 images/ 里以”微信文件”开头的图片打开看一下内容，用里面包含的文字重命名。
这一步它确实做到了——发票改名成 发票-XXX公司-05月.png 这样的格式，合同改名成 合同-供应商名.pdf。有个别图片纯表情包，它诚实地说”无法根据内容命名”，留了原名。这个行为比硬造一个名字好。
磁盘清理：换个思路清空间
我的 Mac 是 500G 硬盘，经常 85% 以上。以前用 DaisyDisk 看占用，但看完也不知道哪些能删——担心删错。
OpenClaw 的思路不太一样：先分析，再建议，让你确认后才动手。
实际跑了一遍：
- 它找到 80G 缓存文件（Chrome 占了 25G，npm 缓存 15G 我是没想到的）
- 找到了 120 组重复文件，主要是同一张截图存了好几份，同样的 dmg 安装包下了好几次
- 列出了超过 1G 的大文件——几个虚拟机的 vmdk 镜像，占了大头，但不敢动
最终清掉了 65G：缓存 + 重复文件 + 30 天前的临时文件。
这东西和 DaisyDisk 的区别是：DaisyDisk 告诉你”这个文件夹很大”，OpenClaw 告诉你”这里面哪些是能删的，哪些不能碰”。它知道 npm cache 可以清，知道 ~/Library/Caches 里什么东西安全。这个判断力比磁盘分析工具高一个层次。
但也不是完全放心。清之前我让它把要删的文件列成清单，自己过了一遍——这是必须的。
几个安全策略我定死了：
- 分析 → 列表 → 确认 → 删除，中间少一步就停
~/Documents/Important和~/Projects标为保护区，绝对不动- 删文件先进废纸篓，不直接 rm
整体感觉
试完之后，文件管理是我觉得 OpenClaw 目前最实用的能力。比聊天有用，比 Skills 安装更直接。
语义搜索和批量处理是真的省时间。磁盘清理比手动搞安全。自动整理是好用，但需要你描述清楚规则——“整理一下”这种模糊指令它会翻车，得说清楚按什么规则、分哪些类。
和在线 AI 比，最大的区别是它真的能读你硬盘上的文件。ChatGPT 网页版做不到这一点。这是本地 Agent 的核心价值——不是一个聊天窗口，是一个能碰你文件的工具。
但有一点要清醒：它做的操作是读取文件内容然后通过 API 发给模型处理。如果你的文档里有敏感信息，要考虑这一点。发票、合同、客户数据——这些我都是在断网环境里测试的，没走云端 API。
下一步
文件管理搞定了。接下来我打算自己写运维场景的 Skills——日志分析、告警通知、K8s 集群查询。不是装社区 Skill，是自己写。
系列文章和进度在 OpenClaw 运维 Agent。