痛点：256G Mac 的”系统数据”是怎么膨胀到 100G 的

Mac 老用户都有一个共同的噩梦——“关于本机”里那个灰色的”系统数据”，动辄几十 G、上百 G，却说不清里面到底装了什么。256G 入门款的 MacBook Air 尤其惨，系统吃掉一半，再装几个开发工具，剩下的空间连装一个新版本 Xcode 都得先删点东西。

缓存就藏在三个地方：飞书、Chrome、终端工具链。飞书的 LarkShell/aha 目录会缓存你看过的所有文档，有人一不小心攒到 42G（据项目 README）；Chrome 的 Service Worker 加上调试数据能膨胀到 50G 以上（据源帖实测）；Python 开发者常用的 ~/.cache/uv 静悄悄吃掉 56G 也不稀奇（据源帖实测）。再加上 Telegram 媒体缓存、npm 缓存、Homebrew 下载目录，一台用了一两年的开发机，缓存占 100G 是常态。

问题在于，这些缓存一半是垃圾，一半是状态。飞书的文档缓存删了没事，但同一目录下的登录态文件删了就要重新扫码；Chrome 的 Service Worker 能删，旁边的 IndexedDB 删了网页应用的数据就没了。传统清理工具只会列出”哪些文件夹大”，却判断不了”哪些能删”。

更让人肉疼的是解决方案——苹果的固态硬盘焊死在主板上，从 256G 升到 512G 官方加价 ¥1500，升一档价格通常上千。这笔钱，本可以不花。

机会：把”判断能不能删”这件事外包给 AI

硬盘小浣熊（Disk Raccoon）这个开源项目的核心思路，是把”哪些缓存能删、哪些不能碰”这件事，做成一份结构化的缓存地图，再让 AI 编程助手按图索骥。它不是又一款清理软件，而是一个装在 Claude Code、Cola 等 AI 编程助手里的 Skill——你可以把它理解成给 AI 助手装的一个外挂技能包，告诉它遇到这类任务该怎么处理。你跟 agent 说一句”帮我看看缓存”，它就开始干活。

项目地址在 GitHub：https://github.com/orange2ai/disk-raccoon，开源协议 MIT，star 数目前 11（据源帖称，未独立核实），最近一次更新在 2026 年 8 月底（据源帖，未独立核实）。它的官方简介写得很直白：”macOS 缓存清理 Agent：先洗再吃。缓存地图 + 三级安全等级，只删能删的。首次实战一晚清出 135GB。”

“先洗再吃”这个比喻来自浣熊的习性——它是自然界唯一吃东西前先把食物洗一洗的动物。不是不吃，是不瞎吃。这正好对应 macOS 清理的核心矛盾：大的不一定该删，该删的不一定大。传统工具只解决前半句，小浣熊解决的是后半句。

顺带说一句，会装 AI Skill 本身就是接单能力——你帮别人清一次硬盘收 200 元，工具现成的，省下的就是赚到的。

路径：三级安全分级 + 缓存地图

硬盘小浣熊的工作流程可以拆成三步，每一步都有明确的安全护栏。

Step 1：先用 Mole 扫盘，定位大文件夹

Mole 是另一个开源工具，专门扫大文件夹，你可以理解成小浣熊的”眼睛”——没有它，小浣熊就不知道该往哪看。Mole 负责把硬盘里的大文件夹列出来——哪些目录占了 10G、20G、50G，一目了然。这一步相当于”体检报告”，告诉 AI 重点该看哪些位置。不装 Mole 也能用，只是少一份体检报告，AI 会盲扫慢一些。

Step 2：AI 按缓存地图逐项判断

小浣熊内置一份 references/cache-map.md，每条缓存路径都标了安全等级。下面是真实条目长这样的片段：

1
2
3
4
5
6
7
8
9
10
11
12
13
14

## ~/.cache/uv
- 等级：✅ 放心删
- 类型：Python 包缓存
- 备注：uv install 会自动重建，不影响项目运行

## ~/Library/Application Support/LarkShell/aha/profile_explorer
- 等级：⚠️ 小心删
- 类型：飞书文档缓存
- 备注：只删 profile_explorer，profile_main 含登录态

## ~/Library/Application Support/Google/Chrome/Default/Service Worker
- 等级：✅ 放心删
- 类型：PWA 离线缓存
- 备注：浏览器会自动重建

地图上没有的路径怎么办？小浣熊的策略是”查清楚再说，查不清楚就不动”。它会让 AI 去查每个目录属于哪个应用、存的是什么、删了会怎样，查完列一张单子给用户确认。

Step 3：默认只读，sudo 交给用户

安全设计上，小浣熊有几条硬规矩：

• 默认只读：第一轮只看不删，先出报告。
• 可恢复优先：能进废纸篓就不直接 rm -rf。
• 先退出再动手：app 还在跑就先关掉，避免边删边重建。
• sudo 交给你：系统级删除只生成命令，用户自己执行。

为什么默认只读比一键清理更值钱？误删一次聊天记录或项目依赖的恢复成本，远超一次性清理省下的几十 G 时间。CleanMyMac 那种”一键扫描 + 一键清理”的设计，本质是把判断成本转嫁给用户——你敢点”全部清理”吗？大多数人不敢。小浣熊把判断环节交给 AI，用户只需要在最终清单上点头或摇头，决策成本被压到最低。

案例：135GB 是怎么清出来的

据源帖作者公开的实战记录显示，第一次跑小浣熊清出的三大头分别是：

这 135G 换算成苹果官方的升级价格，相当于省下了一台 512G MacBook 的升级费——¥1500。按一次清理省 100G 算，相当于每次使用价值 ¥1100。这个案例的典型性在于，它覆盖了三种最常见的”硬盘杀手”：开发工具链（uv）、浏览器（Chrome）、办公软件（飞书）。一个 Python 开发者 + 飞书 + Chrome 重度用户的组合，几乎是开发圈的标准配置。如果你也是这套组合，硬盘里大概率藏着类似的 100G+ 缓存——你跑一遍也能复现这个量级。

为什么传统清理工具搞不定这件事

市面上不缺 Mac 清理软件，CleanMyMac、DaisyDisk、OmniDiskSweeper 都是老牌选手。但它们有一个共同的盲区：只告诉你”什么大”，不告诉你”什么能删”。

以飞书为例，LarkShell/aha 这个目录在 Finder 里几乎是隐形的，藏在多层 Library 路径下。CleanMyMac 扫出来会标黄，但点进去只有一堆看不懂的子文件夹，用户根本不敢删。Chrome 的情况更复杂，Service Worker、IndexedDB、Cache Storage、Cookies 分属不同机制，删错一个，PWA 离线数据就没了。

小浣熊的解法是用 AI 做”语义判断”——同样是 50G 的 Chrome 目录，AI 能区分哪些是 Service Worker（可删）、哪些是 IndexedDB（按需）、哪些是登录态（不碰）。CleanMyMac 扫出 50G 飞书缓存只标黄不解释，小浣熊直接告诉你哪 30G 能删哪 20G 是登录态。这就是为什么 CleanMyMac 卖 40 美元/年却解决不了这个问题——规则引擎无法理解路径语义，这是 LLM 第一次让清理工具具备阅读能力。

行动号召：今晚就给你的 agent 装上这只浣熊

如果你用的是 Mac，硬盘经常告急，又不想花 ¥1500 升配，照着下面三步走：

第一步：安装 Skill

1

git clone https://github.com/orange2ai/disk-raccoon ~/.claude/skills/disk-raccoon

支持 SKILL.md 协议的 agent 都能用，Claude Code、Cola 都行。

第二步：搭配 Mole 做体检

先跑一遍 Mole 找出大文件夹，再让小浣熊上场判断哪些能删。两个工具一个管”扫”，一个管”判”，分工明确。

第三步：跟 agent 说话

不用记复杂命令，直接说”帮我看看缓存”或”磁盘满了，能清点什么”，agent 会按缓存地图逐项给你列清单。看完清单，点头就清，摇头就跳。

缓存地图是活的，项目作者在 README 里呼吁大家提 issue 或 PR，把新踩到的缓存路径补进去。提 issue 时附上路径、大小、所属 app 即可——你清一次硬盘，可能就帮下一个用户省下 ¥1500。