一个跨平台、只读、隐私优先的 Codex Skill,可查询电脑硬件、系统、内存、存储和显卡,并生成普通用户也能看懂的 Markdown 报告。

Stars

13

7 天增长

暂无数据

Fork 数

0

开放 Issue

0

开源协议

暂无数据

最近更新

2026-07-03

AI 仓库情报摘要
FR-AI / ANALYSIS

为什么值得关注

它默认只暴露最少敏感信息(序列号仅显示后4位,隐藏用户名),仅使用 Python 标准库,无需第三方依赖即可在 macOS/Windows/Linux 上运行,并且只读不修改系统。

适合谁使用

  • 希望查询电脑配置的 Codex 用户
  • 需要快速了解硬件概览的开发者
  • 注重隐私、希望本地只读检查的用户
  • 进行基本系统诊断的 IT 支持人员

典型使用场景

  • 购买新软件前检查电脑规格是否满足要求
  • 监控磁盘空间使用情况并及时清理
  • 评估当前电脑是否适合编程或本地 AI 任务
  • 排查问题时快速收集系统信息

项目优势

  • 支持三大桌面操作系统(macOS/Windows/Linux)
  • 纯 Python 标准库实现,无需安装额外包
  • 隐私优先:默认屏蔽敏感信息,只读不修改
  • 生成清晰的 Markdown 报告,非技术用户也能理解

使用前须知

  • 硬件和操作系统差异可能导致部分字段无法获取(如 Linux 下显卡信息依赖驱动支持)
  • 需要系统已安装 Python 3.9 或更高版本
  • 并非完整的系统剖析工具,仅限于预定义的硬件和操作系统类别

README 快速开始

一个跨平台、只读、隐私优先的 Codex Skill。
查询电脑硬件、系统、内存、存储与显卡,并生成普通用户也能轻松看懂的 Markdown 报告。


✨ 它能做什么

能力macOSWindowsLinux输出示例
品牌、型号、设备名称Apple / MacBook Air
操作系统、版本、架构macOS 26 / arm64
CPU 型号、核心与线程Apple M 系列 / 10 核
内存总量、已用、可用32 GB / 约 22 GB / 约 10 GB
磁盘容量与使用率460.4 GB / 89%
显卡与显存视驱动支持Apple GPU / 共享内存
序列号隐私保护****-A1B2

[!NOTE] 不同系统、设备固件和权限环境能提供的信息不完全相同。无法读取的字段会明确显示“当前环境无法获取”,不会猜测或编造。

🧭 工作流程

flowchart LR
    A[用户询问本机配置] --> B{识别操作系统}
    B -->|macOS| C[只读系统查询]
    B -->|Windows| D[PowerShell CIM 查询]
    B -->|Linux| E[/proc · /sys · 只读命令]
    C --> F[统一 JSON]
    D --> F
    E --> F
    F --> G[敏感字段脱敏]
    G --> H[Markdown 配置报告]

🚀 快速开始

作为 Codex Skill 安装

将仓库克隆到 Codex 的 skills 目录:

git clone https://github.com/lxj960202-jerry/system-info-skill.git "${CODEX_HOME:-$HOME/.codex}/skills/system-info-skill"

然后可以这样提问:

使用 $system-info-skill 查询我的电脑配置。

也可以直接用自然语言:

我的电脑配置是什么?
帮我看一下磁盘空间还剩多少。
只看内存和 CPU。
我的电脑适合编程和本地 AI 吗?

直接运行查询脚本

无需安装第三方 Python 包:

python3 scripts/system_info.py --pretty

只查询某一部分:

python3 scripts/system_info.py --section storage --pretty
python3 scripts/system_info.py --section cpu --pretty
python3 scripts/system_info.py --section memory --pretty

Windows 也可以使用:

py -3 scripts/system_info.py --pretty

🖥️ 报告长什么样

# 本机配置报告

## 1. 设备信息
- 品牌:Apple
- 型号:MacBook Air
- 设备名称:用户的 MacBook Air
- 序列号:****-A1B2(已脱敏,仅后 4 位)

## 3. 处理器信息
- CPU 型号:Apple M 系列
- CPU 核心数:10
- CPU 线程数:10

## 5. 存储信息
| 磁盘/分区 | 总容量 | 已用 | 可用 | 使用率 | 挂载点 |
|---|---:|---:|---:|---:|---|
| 主数据分区 | 460.4 GB | 386.1 GB | 50.4 GB | 89% | /Data |

## 7. 简单解读
这台电脑适合日常办公、编程和常规创作任务。
主数据分区使用率较高,建议近期清理大型缓存或不再使用的文件。

示例全部使用虚构或泛化数据,不包含真实设备标识。

🎛️ 命令参数

参数作用
--section all查询全部信息,默认值
--section device只查询设备信息
--section system只查询系统信息
--section cpu只查询处理器
--section memory只查询内存
--section storage只查询存储
--section gpu只查询显卡
--pretty缩进格式化 JSON
--show-full-serial显示完整序列号,仅在用户明确要求后使用
--show-full-username显示完整用户名,仅在用户

项目描述

跨平台、只读、隐私优先的本机配置查询 Codex Skill

相关仓库与替代方案

根据分类、Topic 和编程语言匹配的相似项目。

lopopolo
精选
lopopolo GitHub avatar

harness-engineering

Harness Engineering is a methodology for improving coding agent outputs by carefully crafting the environment around them—providing curated context, tools, and executable constraints that encode an organization’s nonfunctional requirements and cumulative lessons.

AI 与机器学习AI 智能体
2,390
slvDev
精选
slvDev GitHub avatar

esp32-ai

A 28.9 million parameter language model runs on an $8 ESP32-S3 microcontroller entirely on-device, generating simple stories at about 9.5 tokens per second.

AI 与机器学习大语言模型
1,960
littledivy
精选
littledivy GitHub avatar

mimic

mimic captures traffic from any iOS or web app and automatically generates a Python client library that lets you call the app's API like a regular library.

AI 与机器学习
1,482