如何清理 Ollama、LM Studio 模型文件

开发者清理发布于 更新于 约 2 分钟

本地 AI 工具很容易占用几十 GB，因为模型权重本身就很大，公开模型通常能重新下载，但下载耗时，特定版本、许可或访问权限也可能变化，清理前先列出模型，并单独保存聊天、微调结果、适配器、提示词和项目数据。

模型通常存在哪里

  • Ollama： 默认保存在 ~/.ollama/models，也可能由 OLLAMA_MODELS 指向其他目录，用 ollama ls 列出模型，用 ollama rm <model> 按名称移除，当前命令行说明记录了这两个命令
  • LM Studio： 模型目录可由用户选择，通过应用的 My Models 或 lms ls可以查看模型和大小，再从 LM Studio 中移除，固定猜测某个隐藏路径并不可靠
  • Hugging Face： 默认缓存位于 ~/.cache/huggingface/hub，HF_HOME 等设置可以改变根目录，hf cache ls 用于列出仓库与修订，hf cache rm model/<repo> --dry-run 可预览指定模型的移除，hf cache prune --dry-run 可预览游离和未完成修订，详见 Hugging Face 缓存说明

实际大小可以这样检查：

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

模型、缓存和个人数据要分开

公开发布的模型也许能重新下载，本地微调、适配器、转换后的量化文件和私有检查点却可能没有副本。

桌面 AI 应用还可能在 Application Support 中保存对话与附件，或把部分历史同步到账号，因此导出和同步方式也值得一起确认，本地文件未必都可删除，对话也未必只在本机，具体取决于应用的实现。

完整卸载 AI 应用

应用包往往只占很小一部分空间，模型和支持文件才是大头，这与彻底卸载普通应用相同。

卸载 Ollama 前可以用 ollama rm 移除具名模型，LM Studio 通过应用管理已配置目录，聊天客户端则先导出需要的历史再按厂商说明卸载，Application Support 容器即使名称匹配，也可能混有仍需保留的数据，整目录删除的依据还不够。

为什么要用工具自己的删除命令

Ollama 把模型保存为按 sha256 哈希命名的内容寻址 blob，位于 ~/.ollama/models/blobs，较小的 manifest 再把模型名和标签关联到所需 blob。

多个模型可以共享同一个 blob，ollama rm 会先移除 manifest，只有没有其他引用时才释放 blob，手动删除 blob 则可能破坏仍在使用它的模型。

模型体积不是附带开销，数十亿参数量化后仍需要数 GB，更大或精度更高的模型会占用更多，Hugging Face 也按修订保存不可变快照并对重复内容去重，让所属工具维护引用关系，才能避免损坏模型库或留下无效文件。

两个具名模型 manifest 指向一组按哈希命名的共享 blob，其中一个 blob 同时被两者引用，所以只有不再存在任何引用时，删除模型才会释放它。
多个模型可以共享 blob。只有最后一个引用消失时，空间才会释放。

Mole 的「分析」页可以找出意外增长的模型目录，但模型名称、共享 blob 和修订关系仍应交给 Ollama、LM Studio 或 Hugging Face 管理，通用清理工具不该自行删除模型库或聊天记录。

清理顺序很简单：用所属工具列出模型，区分可下载权重与唯一的本地产物，导出需要保留的内容，再一次移除一个具名模型，重新检查磁盘大小，共享 blob 可能让实际回收量小于模型标称大小，只有确认不再保留任何数据时，才在完整卸载中处理整个支持目录。