摘要本文分享了一个利用AI编程工具如Cursor快速实现文件自动分类整理的实战案例。作者通过向AI清晰描述需求在30秒内获得了完整的Python脚本代码仅用10分钟就完成了127个文件的自动归类。文章详细展示了从需求描述、代码生成到实际运行的完整流程并分析了AI编程在低风险场景下的应用策略帮助读者建立对AI辅助编程的信任将精力从重复编码转向更高价值的架构设计和学习。起因前两天整理电脑发现桌面上散落了上百个各种文件PDF合同、Word文档、截图、Excel表格。文件夹套文件夹名字也乱七八糟——有的是最终版(3).docx有的是IMG_20240713_143022.png。我想把它们按文件类型自动归类所有PDF放到一个文件夹图片放到另一个文档放到第三个其他放第四个。要是以前我肯定打开Python开始写代码了。但现在有了AI我决定试试另一条路——让AI替我写。第一步跟AI描述需求打开Cursor或者你用的任何AI编程工具把光标放到聊天框我打了一段话我需要一个Python脚本功能是 1. 扫描指定目录下的所有文件 2. 按文件后缀自动分类 - 图片jpg, jpeg, png, gif, bmp, webp, svg→ 移到 图片 文件夹 - 文档pdf, doc, docx, xls, xlsx, ppt, pptx, txt→ 移到 文档 文件夹 - 视频mp4, avi, mov, mkv, wmv→ 移到 视频 文件夹 - 压缩包zip, rar, 7z, tar, gz→ 移到 压缩包 文件夹 - 其他文件 → 移到 其他 文件夹 3. 支持处理子文件夹 4. 操作前先预览问用户确认后再移动 5. 有进度条显示打完这段话我点了发送。前后不到30秒。第二步AI秒出代码Cursor直接把完整代码吐出来了大概80多行。我贴出来你看看import os import shutil from pathlib import Path from collections import defaultdict 文件类型映射 CATEGORY_MAP { 图片: {.jpg, .jpeg, .png, .gif, .bmp, .webp, .svg}, 文档: {.pdf, .doc, .docx, .xls, .xlsx, .ppt, .pptx, .txt, .md}, 视频: {.mp4, .avi, .mov, .mkv, .wmv, .flv}, 压缩包: {.zip, .rar, .7z, .tar, .gz}, } def scan_files(directory): 扫描目录下所有文件按类型分组 files_by_category defaultdict(list) for root, _, files in os.walk(directory): for filename in files: filepath Path(root) / filename suffix filepath.suffix.lower() # 确定分类 category 其他 for cat, extensions in CATEGORY_MAP.items(): if suffix in extensions: category cat break files_by_category[category].append(filepath) return files_by_category def main(): target_dir input(请输入要整理的目录路径: ).strip() if not os.path.isdir(target_dir): print(目录不存在) return print(f\n正在扫描 {target_dir} ...) files_by_category scan_files(target_dir) # 显示预览 total_files sum(len(files) for files in files_by_category.values()) print(f\n找到 {total_files} 个文件\n) for category, files in sorted(files_by_category.items()): if files: print(f {category}{len(files)} 个) for f in files[:5]: print(f - {f.name}) if len(files) gt; 5: print(f ... 还有 {len(files) - 5} 个) print() # 确认 confirm input(确认开始整理(y/n): ).strip().lower() if confirm ! y: print(已取消) return # 执行整理 for category, files in files_by_category.items(): if not files: continue category_dir Path(target_dir) / category category_dir.mkdir(exist_okTrue) for i, filepath in enumerate(files, 1): dest category_dir / filepath.name # 处理重名文件 if dest.exists(): stem filepath.stem suffix filepath.suffix counter 1 while dest.exists(): dest category_dir / f{stem}({counter}){suffix} counter 1 shutil.move(str(filepath), str(dest)) print(f\r 整理中... [{i}/{len(files)}] {category}, end) print() print(f\n✅ 整理完成共处理 {total_files} 个文件) if name main: main()第三步跑起来看看我把它保存为file_organizer.py直接在终端里跑python file_organizer.py输入我那个乱糟糟的目录路径回车。程序扫描了2秒列出来找到 127 个文件 图片43 个 - IMG_20240713_143022.png - screenshot_001.jpg ... 文档38 个 - 项目计划.docx - 2024年终报告.pdf ... 视频5 个 - 会议录制.mp4 ... 压缩包12 个 - 素材包.zip ... 其他29 个 - setup.exe ...我确认了一下输入y回车。10秒不到127个文件全部归类完毕。这10分钟里我在干嘛说真的整个过程我做的事情就是1. 花2分钟把需求描述清楚就是上面那段话2. 花30秒等AI生成代码3. 花1分钟扫了一眼代码确认逻辑没问题4. 花10秒保存文件5. 花10秒运行6. 剩下时间在喝水一行代码都没写。一个bug都没调。这个过程的底层逻辑很多人觉得AI写的代码不敢直接用。但你看这个场景——文件批处理说白了就是遍历→判断→移动三步走。逻辑简单、不会出什么幺蛾子。就算错了最坏的结果也就是文件归错类不会删数据库、不会改线上配置。所以你用AI写代码的正确策略是从低风险场景开始建立信任再逐步让AI承担更复杂的任务。我现在的习惯是-工具脚本文件整理、数据清洗、格式转换→ 完全交给AI只检查逻辑-简单功能登录注册、CRUD接口→ AI生成框架我微调-核心业务支付、权限、事务→ AI辅助但主要自己写-代码审查→ 先自己review一遍再让AI double-check总结从想做一个文件整理工具到工具跑起来全程10分钟。以前可能得花半小时写代码、十分钟调试、十分钟处理边界情况。AI编程工具不是取代你是让你把精力省下来。原来花在写重复代码上的时间现在可以用来想架构、看文档、学新东西。你如果没有试过今天挑个小需求试试——哪怕就是把桌面整理一下。相信我用完你会想把身边所有同事都安利一遍。*下一篇预告AI帮你读懂祖传代码——拿到一个3年前的Spring Boot项目怎么用AI快速上手**私信回复「666」一次性领走面试宝典Java 高频考点速查表、HashMap/ConcurrentHashMap 源码笔记、JVM 调优案例、Spring Boot 面试 50 问AI 编程工具箱Cursor/Copilot/Codex 六工具对比表、10 个 Prompt 模板、Debug 万能公式、Cursor 速查手册、AI 图片生成入门、30 效率工具包一份资料包两个专栏都能用。「唠点键盘之外的」只讲干货。