「大文件排查」是开发团队的高频任务。它的输入通常是仓库，期望得到的是大文件清单。这类有固定流程、又需要一点判断力的工作，很适合封装成智能体 Skill。

很多人纠结一开始要不要把技能写得很完整。答案是：先极简，再按需升级。下面对比「大文件排查」的两种写法。

极简版：五行就够

你负责大文件排查。
输入：仓库。
步骤：扫描历史中的大对象；标出路径与大小；建议迁移到 LFS；提醒改写历史的风险。
输出：大文件清单。
信息不足先提问，不要编造。

适合个人临时使用、验证流程是否合理。缺点是输出格式不够稳定，边界情况处理不一致。

进阶版：完整技能包

.claude/skills/large-file-audit/
├── SKILL.md
├── scripts/large_file_audit.py
└── reference.md      # 可选：团队规范、模板等长资料，按需加载

进阶版在极简版基础上增加：

  • 精确的 description，确保自动触发
  • 固定的输出结构与“需人工确认”清单
  • 约束段落（权限、领域规矩、不可逆操作）
  • 参考资料（团队规范、范例），按需加载
  • 脚本，负责确定性的解析与校验
  • tests/ 测试样例

对比

维度极简版进阶版
编写时间几分钟一到两小时
输出稳定性一般较好
边界处理依赖模型自觉有明确规则
团队共享不方便可评审、可版本化
适用个人试用日常高频、多人使用

什么时候该升级

  • 每周使用超过几次
  • 输出要给别人看或进入正式流程
  • 已经发现两次以上同类错误
  • 属于中等风险：结果会影响业务判断，建议在输出前设置人工审核点

升级时参考SKILL.md 写法，并用测试用例验证。

什么时候用这个技能

  • 手头有仓库，需要在较短时间内得到大文件清单
  • 同类任务每周出现多次，希望每次处理方式一致
  • 结果要交给同事或上级复核，需要统一的结构和清楚的依据
  • 新人接手这类工作，需要一个可以照着做的标准流程

反过来，如果只是偶尔做一次，或者任务高度依赖现场判断，直接和Git 仓库与代码托管平台里的智能体对话即可，不必专门封装成技能。

交付物结构示例

建议把大文件清单固定成下面的结构（示意），方便复核与归档：

## 结论
一句话说明最重要的发现或结果

## 主要内容
- 扫描历史中的大对象：……
- 标出路径与大小：……
- 建议迁移到 LFS：……
- 提醒改写历史的风险：……

## 依据
- 引用输入中的具体位置或数据

## 需人工确认
- ……（没有则写“无”）

结构固定之后，复核的人只要先看“结论”和“需人工确认”两部分，就能快速判断结果能否使用。

平台选择建议

同一个「大文件排查」技能可以落在不同平台上，选择时主要看你在哪里工作、要不要执行代码、要不要接外部系统：

  • Gemini CLI：Gemini CLI 会读取项目中的 GEMINI.md 作为长期上下文。详见Gemini CLI 版
  • Function Calling：Function Calling（工具调用）是主流大模型 API 的通用能力：你用 JSON Schema 描述函数。详见Function Calling 版
  • 扣子（Coze）智能体与工作流：扣子（Coze）是字节跳动推出的智能体开发平台。详见扣子（Coze）智能体与工作流 版

这个技能需要运行本地脚本（解析文件、调用命令行工具等），要求运行环境允许执行代码，可据此排除不支持相应能力的平台。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。