• 

  FinalPlace 独立运行：没有 AI 也能自动整理文件

  ## 写在前面

  很多人问我们：FinalPlace 必须接 AI 才能用吗？

  **不是。**

  FinalPlace 从设计的第一天起，就是一个**独立的、本地运行的文件管家**。AI（MCP 集成）是锦上添花，不是生存必需。即使你完全不碰 AI，它依然是一个强大的文件自动整理工具。

  —

  ## 什么是「独立运行」？

  独立运行，指的是 FinalPlace **不依赖任何外部 AI 服务**，仅靠内置的**规则引擎**就能完成文件自动整理。

  ### 核心组件

  1. **监视器（Watcher）**：实时监控指定文件夹的文件变化
  2. **规则引擎（Rule Engine）**：根据预设规则判断文件归属
  3. **动作执行器（Atom Executor）**：自动执行移动、分类等整理动作

  —

  ## 独立运行能做什么？

  ### 场景一：下载文件自动归位

  你每天会下载各种文件：PDF、压缩包、图片、文档……

  **规则配置示例：**

  | 条件 | 动作 |
  |——|——|
  | 文件扩展名为 .pdf | 移动到 D:/文档/PDF/ |
  | 文件扩展名为 .zip | 移动到 D:/归档/压缩包/ |
  | 文件名包含「发票」 | 移动到 D:/财务/发票/ |
  | 文件大小 > 100MB | 移动到 D:/大文件/ |

  ### 场景二：桌面自动清理

  桌面乱成一团？设置一条规则，所有文件按类型自动分类到对应文件夹。

  ### 场景三：项目文件夹自动维护

  在 D:/项目/ 下按文件类型自动分类到 素材/、文档/ 等子文件夹。

  —

  ## 为什么独立运行也很强大？

  ### 1. 规则足够灵活

  – **多条件组合**：扩展名 + 文件名 + 大小 + 创建时间
  – **通配符匹配**：invoice_* 匹配所有以 invoice_ 开头的文件
  – **文件夹感知**：支持相对路径、当前目录
  – **安全机制**：循环检测、跨盘确认，防止文件丢失

  ### 2. 实时监控

  不同于定时任务，FinalPlace 的监视器是**实时响应**的：文件创建立即触发规则。

  ### 3. 完全本地

  所有处理都在你的电脑上完成，不需要网络连接，隐私安全有保障。

  —

  ## 对比：独立运行 vs MCP 增强

  | 维度 | 独立运行 | MCP 增强 |
  |——|———-|———-|
  | AI 支持 | 无 | 有 |
  | 规则复杂度 | 中等 | 高（AI 智能判断） |
  | 网络依赖 | 无 | 需要 AI 服务 |
  | 适用场景 | 规则明确的场景 | 模糊分类、语义理解 |
  | 配置难度 | 简单 | 需要配置 MCP |

  **两者可以共存。** 你可以先从独立运行开始，熟悉规则引擎后，再接入 MCP 让 AI 处理更复杂的场景。

  —

  ## 开始使用

  1. **安装 FinalPlace**：从官网下载安装包
  2. **创建工作空间**：管理一组文件夹
  3. **添加监视文件夹**：下载文件夹、桌面、项目目录
  4. **配置规则**：设置条件和动作
  5. **启动**：FinalPlace 开始工作

  —

  ## 结语

  **AI 很酷，但不是必需的。**

  很多文件整理需求，其实不需要 AI 介入——只要规则设好，机器就能自动执行。FinalPlace 的独立运行模式，就是为这种场景设计的。

  **每个文件都有正确的归宿。** 这就是 FinalPlace 独立运行的意义。

  2026-03-29

• 

  让 AI 帮你整理文件：归所的 MCP Server 正在设计

  让 AI 帮你整理文件：归所的 MCP Server 正在设计

  当你可以用一句话让 AI 帮你整理桌面，谁还愿意手动拖拽？

  整理文件，为什么一定要”动手”？

  想想你日常整理文件的流程：

  打开文件夹 → 看到一堆乱七八糟的东西 → 判断每个文件该放哪 → 拖过去 → 发现放错了 → 拖回来 → 终于整理完 → 三天后又乱了

  这个过程有个根本问题：你必须自己动手。

  你得记住文件类型、判断目标文件夹、执行移动操作——每一步都需要你的注意力。而注意力是稀缺资源。

  那如果，你只需要说一句话呢？

  “帮我把下载文件夹里的文件按类型整理一下。”

  这就是归所正在设计的 MCP Server 要做的事。

  MCP 是什么？和归所有什么关系？

  MCP（Model Context Protocol）是 Anthropic 推出的一种开放协议，简单来说就是让 AI 助手能操作外部工具的标准化桥梁。

  它解决的问题是：Claude、GPT 这些 AI 很聪明，但它们活在”对话”里，碰不到你的电脑。MCP 给了 AI 一双手。

  归所的 MCP Server，就是把归所的文件整理能力，通过 MCP 协议暴露给 AI 助手。这样你就可以在 Claude Desktop 里，用自然语言操控归所的全部功能。

  不是让你学新工具，而是让工具懂你的语言。

  我们设计了什么

  归所的 MCP 整体方案已经完成设计，核心包括三个部分：

  1. 动作库——AI 能帮你做什么

  动作库定义了所有 AI 可以执行的文件操作。目前规划的动作包括：

  • **智能重命名**：按规则批量重命名文件，支持 `{Date}`、`{FileName}` 等占位符
  • **文件移动**：把文件从 A 移到 B
  • **文件复制**：复制文件到指定位置
  • **创建目录**：自动创建需要的文件夹结构
  • **压缩与解压**：一键打包或解压文件
  • **删除**：安全删除不需要的文件

  每个动作都有清晰的输入和输出定义。AI 不需要猜你想要什么——它知道每个操作需要什么参数，能产生什么结果。

  2. 条件库——AI 如何判断”该不该做”

  光有动作还不够，AI 还需要判断能力。条件库提供各种检查：

  • **文件大小检查**：文件是不是超过 10MB？
  • **文件名匹配**：文件名包含”报告”两个字？
  • **扩展名过滤**：是不是 PDF 文件？
  • **目录存在性**：目标文件夹存在吗？

  这些条件可以组合使用，形成复杂的判断逻辑。比如：”如果文件超过 100MB 且是视频格式，就不要自动移动它。”

  3. 确认模型——你的文件，你说了算

  这是整个设计中最关键的一环：AI 整理文件，需要你的许可。

  归所设计了两步确认机制：

  1. **预览（Dry Run）**：AI 先告诉你”我打算做什么”，但不实际执行
  2. **确认执行**：你同意后，AI 才真正动手

整个流程是这样的：

你的指令 → AI 理解意图 → AI 调用归所 MCP 预览
→ 你看到操作预览 → 确认或取消
→ 执行或放弃

你的文件永远在你手里。AI 只是建议者，你才是决策者。

万一 AI 搞砸了怎么办？

我们想过这个问题，而且想得很深。

回滚机制

归所为每一次文件操作都记录了完整的审计日志。如果 AI 的操作出了问题，你可以一键回滚——文件会恢复到操作前的状态。

安全边界

• **危险操作保护**：删除操作有专门的安全策略，包括回收站过渡期和单次删除数量限制
• **作用域隔离**：AI 只能在你明确授权的工作区范围内操作
• **路径保护**：系统关键路径默认受保护，不会被误操作

Dry Run 模式

在任何真正执行之前，你都可以用 Dry Run 模式预览完整的结果。看到”AI 打算移动 15 个文件到 3 个文件夹”，你确认了才执行。

归所的设计哲学是：宁可多一步确认，不可少一份安全感。

进展与计划

目前归所的 MCP 方案已完成整体设计，包括：

• ✅ 动作库规范（Atom Interface 标准，完整的输入输出 Schema）
• ✅ 条件库规范（16 种条件类型）
• ✅ 确认模型设计（prepare → preview → confirm 流程）
• ✅ 回滚机制设计（审计日志 + 一键回滚）
• ✅ 通信协议选型（stdio，最大化兼容性）
• 🔨 正在开发中……

发布后，归所 MCP 将以 npm 包的形式分发，计划支持：

• **Claude Desktop** 直接集成
• 通过 stdio 协议接入任何支持 MCP 的 AI 客户端
• 未来考虑推出 PulSseMCP 变体，支持更广泛的客户端生态

我们的想法

做 MCP Server 不是为了追热点。

过去几年，AI 助手越来越聪明，但它们和你的电脑之间始终隔着一堵墙。MCP 是推倒这堵墙的第一块砖。

我们相信，文件管理的未来不是更复杂的 GUI，而是让工具理解人的语言。

归所 MCP Server 的目标是：让你用最自然的方式，做最枯燥的事。

整理文件不该是负担。当 AI 真正能帮你动手的时候，这个负担就不存在了。

*归所（FinalPlace）—— 每个文件都有正确的归宿。*

*🔒 永不上传云端 · 💻 完全本地运行 · ⏪ 所有操作可回滚*