HD entupido de cache e sem coragem de gastar R$900 num upgrade? Esse guaxinim de IA liberou 135GB numa noite
HD entupido de cache e sem coragem de gastar R$900 num upgrade? Esse guaxinim de IA liberou 135GB numa noite
RichardsonO problema: como o “Dados do Sistema” de um Mac de 256G incha até 100G
Quem usa Mac há tempo tem o mesmo pesadelo — aquele “Dados do Sistema” cinza no “Sobre Este Mac”, que devora dezenas ou centenas de GB sem explicar o que tem dentro. O MacBook Air de 256GB de entrada sofre mais: o sistema come metade, instala algumas ferramentas de dev e o espaço que sobra nem dá pra uma nova versão do Xcode sem antes apagar alguma coisa.
O cache se esconde em três lugares: Feishu, Chrome e cadeia de ferramentas do terminal. O diretório LarkShell/aha do Feishu guarda cache de todos os documentos que você abriu — tem gente acumulando 42G sem perceber (segundo o README do projeto). Os Service Workers do Chrome somados aos dados de debug passam fácil dos 50G (segundo teste do post original). O ~/.cache/uv, queridinho dos devs Python, engole 56G em silêncio (segundo teste do post original). Some a isso o cache de mídia do Telegram, cache do npm e diretório de downloads do Homebrew, e um Mac de dev com um ou dois anos de uso tem 100G de cache como rotina.
O problema é que metade desse cache é lixo, metade é estado. O cache de documentos do Feishu pode ir embora, mas o arquivo de login no mesmo diretório exige novo QR code. Os Service Workers do Chrome podem sumir, mas o IndexedDB do lado guarda dados de web apps. Ferramentas tradicionais de limpeza só listam “quais pastas são grandes”, mas não dizem “quais podem ser apagadas”.
E a solução oficial dói no bolso — o SSD da Apple é soldado na placa-mãe, e o upgrade de 256G para 512G sai por R$900 direto na loja. Esse dinheiro, na maioria das vezes, não precisa sair.
A virada: terceirizar o “pode apagar?” para a IA
O Disk Raccoon (Guaxinim de Disco) é um projeto open source cuja ideia central é transformar “qual cache pode apagar, qual não pode tocar” num mapa de cache estruturado, e deixar o assistente de IA seguir o mapa. Não é mais um app de limpeza — é uma Skill que roda dentro do Claude Code, Cola e outros agentes de programação. Pense como um pacote de habilidade extra pro seu assistente: quando você pede algo do tipo, ele já sabe o que fazer. Você fala “dá uma olhada no meu cache” pro agent e ele começa a trabalhar.
O projeto está no GitHub: https://github.com/orange2ai/disk-raccoon, licença MIT, 11 stars no momento (segundo o post original, não verifiquei de forma independente), última atualização no fim de agosto de 2026 (segundo o post original, não verifiquei de forma independente). A descrição oficial é direta: “Agente de limpeza de cache pra macOS: lava antes de comer. Mapa de cache + três níveis de segurança, só apaga o que pode. Primeira execução liberou 135GB numa noite.”
A metáfora “lava antes de comer” vem do hábito do guaxinim — único animal que lava a comida antes de comer. Não é que não coma, é que não come qualquer coisa. Isso encaixa certinho no dilema da limpeza no macOS: grande nem sempre pode ser apagado, e o que pode nem sempre é grande. Ferramentas tradicionais resolvem só a primeira parte; o Raccoon resolve a segunda.
De quebra, saber instalar AI Skill já é uma habilidade vendável — cobra R$100 por limpeza pra um cliente, ferramenta pronta, o que sobra é lucro.
O caminho: três níveis de segurança + mapa de cache
O fluxo do Disk Raccoon se divide em três etapas, cada uma com rede de proteção clara.
Passo 1: Mole faz o raio-X do disco
Mole é outra ferramenta open source, especializada em achar pastas grandes — os “olhos” do Raccoon. Sem ele, o Raccoon não sabe onde olhar. O Mole lista as pastas pesadas do disco — quais diretórios ocupam 10G, 20G, 50G, tudo à vista. É o “exame de sangue” que diz pra IA onde focar. Sem o Mole ainda funciona, só que sem o exame a IA varre no escuro e demora mais.
Passo 2: IA julga item por item seguindo o mapa
O Raccoon traz um references/cache-map.md embutido, com nível de segurança em cada caminho de cache. Um trecho real fica assim:
1 | ## ~/.cache/uv |
E se o caminho não está no mapa? A política do Raccoon é “investiga primeiro, não mexe sem certeza”. A IA pesquisa a qual app pertence cada diretório, o que guarda e o que acontece se apagar, depois monta uma lista pro usuário confirmar.
Passo 3: leitura por padrão, sudo nas mãos do usuário
No design de segurança, o Raccoon tem regras duras:
- Leitura por padrão: primeira rodada só olha, não apaga, e entrega relatório.
- Recuperável primeiro: se dá pra mandar pra Lixeira, não usa
rm -rf. - Fecha antes de agir: se o app ainda está rodando, fecha primeiro, senão recria enquanto apaga.
- sudo é com você: exclusões de nível de sistema só geram o comando, quem executa é você.
Por que leitura por padrão vale mais que “limpar com um clique”? O custo de recuperar um histórico de chat ou dependência de projeto apagada por engano passa fácil do tempo economizado com a limpeza. O CleanMyMac com seu “escanear + limpar” joga o custo de decisão pro usuário — você tem coragem de clicar em “limpar tudo”? A maioria não tem. O Raccoon entrega a decisão pra IA, e o usuário só precisa balançar a cabeça pra sim ou não na lista final. Custo de decisão no chão.
Caso real: como saíram 135GB
Segundo o relato público do autor do post original, na primeira execução do Raccoon os três campeões de espaço liberado foram:
| Origem do cache | Espaço liberado |
|---|---|
~/.cache/uv (cache de pacotes Python) |
~56G |
| Chrome Service Worker + ChromeDebug | ~51G |
Feishu LarkShell/aha (cache de documentos) |
~38G |
| Total | 135+ GB |
Esses 135G, convertidos no preço oficial de upgrade da Apple, equivalem a economizar o upgrade pro MacBook de 512G — R$900. Considerando ~100G por limpeza, cada uso vale uns R$670. O caso é típico porque cobre os três “vilões de disco” mais comuns: cadeia de dev (uv), navegador (Chrome), software de escritório (Feishu). A combinação dev Python + Feishu + Chrome pesado é praticamente o setup padrão do circuito de desenvolvimento. Se você se encaixa nesse perfil, tem boa chance de esconder 100G+ de cache parecido — roda uma vez e reproduz a faixa.
Por que ferramentas tradicionais não resolvem
Não faltam apps de limpeza pra Mac — CleanMyMac, DaisyDisk, OmniDiskSweeper são nomes antigos. Mas todos têm o mesmo ponto cego: só dizem “o que é grande”, nunca dizem “o que pode apagar”.
No caso do Feishu, o diretório LarkShell/aha é quase invisível no Finder, escondido em várias camadas de Library. O CleanMyMac marca em amarelo, mas ao abrir só mostra subpastas sem nome legível — ninguém tem coragem de apagar. No Chrome é pior: Service Worker, IndexedDB, Cache Storage e Cookies são mecanismos diferentes; apaga o errado e os dados offline do PWA somem.
A saída do Raccoon é usar IA pra “julgamento semântico” — no mesmo diretório de 50G do Chrome, a IA separa o que é Service Worker (pode apagar) do que é IndexedDB (depende) do que é sessão de login (não toca). O CleanMyMac marca os 50G de Feishu em amarelo sem explicar; o Raccoon fala direto: 30G podem ir, 20G são sessão. Por isso o CleanMyMac cobra US$40/ano e não resolve — motor de regras não entende semântica de caminho, e é a primeira vez que um LLM dá capacidade de leitura pra uma ferramenta de limpeza.
Chamada pra ação: instale o guaxinim no seu agent hoje à noite
Se você usa Mac, o disco vive reclamando e não quer gastar R$900 no upgrade, segue o roteiro:
Passo 1: instalar a Skill
1 | git clone https://github.com/orange2ai/disk-raccoon ~/.claude/skills/disk-raccoon |
Qualquer agent que fala o protocolo SKILL.md funciona — Claude Code, Cola, ambos.
Passo 2: parear com o Mole pro exame
Roda o Mole primeiro pra achar as pastas grandes, depois solta o Raccoon pra julgar o que pode sumir. Um varre, outro decide,分工 clara.
Passo 3: fala com o agent
Sem decoreba de comando — “dá uma olhada no meu cache” ou “disco cheio, dá pra limpar alguma coisa?” já basta. O agent segue o mapa de cache e monta a lista item por item. Concorda com a lista, ele limpa; discorda, ele pula.
O mapa de cache é vivo: o autor pede no README que a galera abra issue ou PR com caminhos novos que descobrir. Manda o caminho, o tamanho e o app de origem — uma limpeza sua pode economizar R$900 do próximo usuário.
