disk-cleanup 是 on sager-ai/agent-workbench 仓库中的磁盘清理技能，地址为 https://www.skills.sh/onsager-ai/agent-workbench/disk-cleanup。它的目标是从本地磁盘回收可再生缓存、已完成工作的 worktree、构建产物和任务遗留文件所占空间，同时保护源代码、用户数据和正在运行的工作。资料未提供具体安装命令、支持的平台版本与收费信息。
用途与清理对象 该技能面向存储空间逐渐占满、需要检查或回收空间的场景。资料建议先阅读 targets.md 了解涉及的目标类型，并强调优先选择可再生的冷数据，而不是删除有价值的用户内容。
使用原则 技能区分“检查”与“删除”的授权：询问空间占用或明确要求暂不删除时，只进行检查；明确要求清理时，才在授权范围内处理明显可丢弃的项目。遇到超出范围、可能破坏有价值数据或需要停止其他任务的操作时，应再次询问。
测量与范围限制 建议先用 df -h 查看指定位置所在文件系统并记录可用空间，因为其他挂载点上的产物无法帮助目标文件系统。应从已知的产物/缓存位置、worktree 注册信息和任务元数据开始，每次只查询一个选定位置，限制元数据遍历的时间和范围，避免跨挂载点、跟随符号链接，也不要递归扫描整个主目录、文件系统、仓库内容或个人日志。资料还提到要遵守单文件解析/搜索限制，不将私有本地目录上传到 CI 测量；若递归大小扫描超出允许的本地工作量，应使用已有大小报告或说明测量限制。
回收判断 对每个候选对象，需要确认精确路径、类型、所属工具或任务、已知大小、再生成本以及不再需要的证据。目录名为 cache、旧分支名或文件年龄只能作为线索，不能作为删除依据；大小未知时标记为未知，优先使用分配/可回收字节数，避免重复计算共享层或硬链接。应保留源代码、凭据、数据库、用户导出、会话历史、备份和未知内容。
Git worktree 处理 删除 worktree 前需检查其注册/锁定状态、跟踪的修改、未跟踪文件和有意义的被忽略内容；确认提交已通过最新的远程/PR 证据交付，因为干净的工作树仍可能包含仅本地提交。还需检查任务所有权和当前使用情况，包括运行中的构建、进程工作目录以及指向它的符号链接；主检出、锁定 worktree 和仍被引用或用途不明的对象应保留。符合条件时使用 Git 的 worktree 移除机制，并仅在适当时清理过期的注册元数据，避免强制移除、手工删除 .git 元数据或删除分支，除非这些操作单独在授权范围内。
分批清理与复核 清理时要说明选中的项目、大小估计和可丢弃理由，在用户已有授权内进行；无法确定的候选不应阻塞其他已明确授权的项目。删除前立即复核身份、路径边界和当前使用状态。优先使用所属工具支持的选择性清理/修剪操作，并查看已安装工具帮助以确认实际范围和版本。每次清理一类或一小批，不要通过运行构建、重装依赖、重新生成产物或重启服务来验证清理。应在仓库外保留路径和操作的私有记录，不将个人日志内容复制到报告中。可再生数据的删除通常不可逆，移到同一文件系统上的回收站在清空前不会释放空间。
结果报告 在同一文件系统上重新运行 df，报告实际回收空间、剩余可用空间、已执行操作和重要的跳过项；去重、快照和打开的被删除文件可能造成估计与实际回收不一致，应先调查差异，而不是扩大删除范围。当用户空间目标达成、选定的安全批次完成，或温度/所有权/权限限制阻止继续操作时停止。不得编造回收字节数，也不得将未知内容称为安全。