如何清理 Ollama 和 LM Studio 模型文件

开发者清理发布于 2026年7月30日约 3 分钟

本地 AI 工具能很快占满磁盘，因为模型权重就是产品本身，不是围绕产品的一小块缓存。模型或许能重新下载，但下载成本可能很高，特定修订可能消失，许可和访问权限也会变化。

先通过所属工具列出模型，再把聊天、微调结果、适配器、提示词和项目数据分别保留。

本地 AI 工具把大文件放在哪里

模型几乎总是最重的部分，每个都可能占用数 GB。

Ollama 默认把模型保存在 ~/.ollama/models，也可以由 OLLAMA_MODELS 指向其他目录。当前命令行说明使用 ollama ls 列出模型，使用 ollama rm <model> 按名称移除。相比手动删文件，这种方式能让工具同步更新自己的模型存储。
LM Studio 允许用户选择模型目录。使用应用中的 My Models，或运行 lms ls查看本地模型与大小，再通过 LM Studio 移除，让目录保持一致。不要依赖一个写死的隐藏路径。
Hugging Face 库默认把下载缓存放在 ~/.cache/huggingface/hub。脚本持续拉取模型和数据集时，它会不断增长，除非 HF_HOME 或其他缓存设置改变根目录。hf cache ls 会列出仓库与修订。可以用 hf cache rm model/<repo> --dry-run 预览精确移除，也可以用 hf cache prune --dry-run 预览游离和未完成修订。Hugging Face 缓存说明记录了这两条命令。

直接检查总量：

du -sh ~/.ollama/models ~/.cache/huggingface 2>/dev/null

这个区别决定清理是否安全。公开发布的模型也许能够重新下载，但本地微调、适配器、转换后的量化文件或私有检查点可能没有第二份。

桌面 AI 应用还可能在 Application Support 中保存对话与附件，也可能把部分历史同步到账号。先检查应用的导出与同步行为，不要假定每次对话都只存在本机，也不要假定每个本地文件都可以删除。

模型缓存很大，但重新创建它们并非没有成本。

不再使用工具时，应用包往往是最小的部分。要回收空间，还需要处理模型和支持文件，这与彻底卸载普通应用是同一个问题。

卸载 Ollama 前，用 ollama rm 按名称移除模型。LM Studio 则通过应用从已配置目录中删除模型。桌面聊天客户端应先导出需要的历史，再遵循厂商卸载说明检查支持数据。

不要只因为 Application Support 容器名称与应用匹配，就把整个容器直接删除。

Ollama 会把每个模型保存为内容寻址 blob，文件名来自 sha256 哈希，位置在 ~/.ollama/models/blobs。较小的 manifest 会把模型名和标签关联到所需 blob。

基于相同底层的两个模型可以共享 blob，所以 ollama rm 会先删除 manifest，只有没有其他模型引用时才释放 blob。这正是手动删除 blob 风险很高的原因，你可能破坏仍然指向它的另一个模型。

体积不是额外开销，体积就是模型本身。数十亿参数即使量化后仍需要数 GB，规模更大或精度更高的模型需要更多空间，因为权重就是实际内容。

Hugging Face 缓存采用相似方式，以修订为键保存不可变快照，让重复拉取可以去重。因此，规则应是「通过所属工具自己的移除命令操作」，让内容寻址存储保持一致，避免悬空 blob。

Mole「分析」页这样的磁盘地图可以发现意外增长的模型存储，但模型名称、共享 blob 与修订引用都属于 Ollama、LM Studio 或 Hugging Face。通用清理器不应处理模型存储和聊天记录，除非用户明确指定准确目标。

使用所属工具列出模型，区分公开权重与私有或本地转换产物，导出唯一对话和适配器，再一次移除一个具名模型。重新检查磁盘占用，因为共享 blob 可能限制实际回收量。

只有完成经过验证的卸载，而且没有任何数据需要保留时，才移除整个支持目录。