C盘清理进阶：为Z-Image-GGUF模型腾出空间的自动化脚本

不知道你有没有遇到过这种情况：兴致勃勃地跑一个Z-Image-GGUF模型，想看看它生成图片的效果，结果系统弹出一个刺眼的红色警告——“C盘空间不足”。那一刻，感觉就像开车上高速，刚踩油门就发现油箱空了。

特别是对于AI开发者或者爱好者来说，C盘空间就像沙漠里的水，永远不够用。模型缓存、Python包、CUDA临时文件、日志……这些看不见的“数据灰尘”每天都在悄悄蚕食你的硬盘空间。手动清理？太麻烦，而且容易误删重要文件。放任不管？C盘迟早要“爆仓”。

今天，我就来分享一套我自己在用的自动化清理方案。它不是什么复杂的系统工具，而是用Python和PowerShell写的小脚本，配合Windows计划任务，帮你实现“无人值守”的智能空间管理。用完之后，你会发现C盘又能多出好几个G，跑模型的时候再也不用提心吊胆了。

1. 为什么你的C盘总是不够用？

在动手写脚本之前，我们先得搞清楚，空间到底被谁“偷”走了。对于经常折腾AI模型的朋友来说，罪魁祸首通常集中在几个地方。

1.1 AI模型相关的“空间杀手”

首当其冲的就是模型缓存。像Z-Image-GGUF这类模型，运行时会在用户目录下生成缓存文件，用于加速后续的加载。这些缓存文件单个可能不大，但积少成多，而且模型版本一更新，旧缓存往往不会被自动清理。

其次是Python环境。我们用pip安装包时，下载的安装包文件（*.whl或*.tar.gz）默认会缓存在本地。时间一长，这个缓存目录里可能堆满了你过去几个月甚至几年安装过的所有包的旧版本，非常占地方。

1.2 系统与开发工具的“临时仓库”

CUDA是GPU加速计算的基石，但它也会产生临时文件。在进行大规模矩阵运算或模型训练时，CUDA可能会在临时目录中存放一些中间数据。虽然大部分会在程序结束后清理，但偶尔会有“漏网之鱼”。

还有各种IDE（比如VSCode、PyCharm）的索引和历史文件、Docker的镜像和容器层（如果你在Windows上用Docker Desktop）、甚至是一些软件安装时留下的日志文件。它们就像房间角落的灰尘，平时看不见，扫起来一大堆。

1.3 手动清理的痛点

知道了问题在哪，你可能会想：“那我每周手动删一次不就行了？”理想很丰满，现实很骨感。

首先，路径分散。模型缓存、Python包缓存、CUDA临时文件、日志文件……它们分布在AppData、用户目录、ProgramData等不同文件夹深处，找起来费时费力。

其次，风险高。手动删除时，一个手滑就可能把重要的配置文件或者正在使用的临时文件删掉，导致程序崩溃。

最后，无法坚持。清理工作枯燥且容易被忘记，最终还是会回到C盘飘红的老路上。

所以，我们的目标很明确：写一个脚本，让它自动、安全、定期地帮我们完成这些清理工作。

2. 环境准备与脚本编写思路

我们主要使用Python来编写核心清理逻辑，因为它跨平台且库丰富。同时，我们会用PowerShell脚本作为“启动器”，并最终通过Windows计划任务来定时执行。

2.1 你需要准备什么？

• 一台Windows电脑：这个方案主要针对Windows系统。
• Python环境：确保你的电脑上安装了Python 3.6或以上版本。可以在命令行输入 python --version 或 python3 --version 来检查。
• 一个文本编辑器：VSCode、Notepad++，甚至系统自带的记事本都可以。

2.2 脚本设计思路

我们的清理脚本不会像“强力删除”工具那样蛮干，它的核心设计原则是安全和精准。

1. 定位目标：明确告诉脚本要去清理哪些特定的目录和文件类型（例如，只清理.cache结尾的文件夹，或超过30天的日志文件）。
2. 安全检查：在删除前，脚本会检查路径是否存在、文件是否正在被使用（如果可能的话），并避免触及系统关键目录。
3. 记录日志：每次清理了哪些文件、释放了多少空间，都记录到一个日志文件里，方便你随时查看，做到心中有数。
4. 定时触发：通过Windows计划任务，设置脚本在每周日凌晨3点（或其他你空闲的时间）自动运行，完全不用你操心。

接下来，我们就分步来实现它。

3. 编写Python清理脚本

我们将创建一个名为 smart_disk_cleaner.py 的Python脚本。这个脚本包含几个核心函数，每个函数负责清理一类特定的目标。

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
智能磁盘清理脚本 v1.0
专门用于清理AI开发环境中产生的缓存和临时文件。
作者：你的名字
"""

import os
import shutil
import time
import logging
from datetime import datetime, timedelta
from pathlib import Path

# 配置日志
log_dir = Path.home() / “Desktop” / “CleanupLogs”
log_dir.mkdir(parents=True, exist_ok=True)
logging.basicConfig(
    level=logging.INFO,
    format=‘%(asctime)s - %(levelname)s - %(message)s’,
    handlers=[
        logging.FileHandler(log_dir / f“cleanup_{datetime.now().strftime(‘%Y%m%d’)}.log”),
        logging.StreamHandler() # 同时在控制台输出
    ]
)
logger = logging.getLogger(__name__)

def calculate_size(path):
    """计算文件或文件夹的大小（以MB为单位）。"""
    total_size = 0
    if os.path.isfile(path):
        total_size = os.path.getsize(path)
    elif os.path.isdir(path):
        for dirpath, dirnames, filenames in os.walk(path):
            for f in filenames:
                fp = os.path.join(dirpath, f)
                if os.path.exists(fp):
                    total_size += os.path.getsize(fp)
    return total_size / (1024 * 1024)  # 转换为MB

def safe_remove(target_path, is_dir=False):
    """
    安全删除文件或文件夹。
    返回删除成功与否以及释放的空间大小(MB)。
    """
    freed_space = 0
    success = False
    if not os.path.exists(target_path):
        logger.warning(f“路径不存在: {target_path}”)
        return success, freed_space

    try:
        size_before = calculate_size(target_path)
        if is_dir:
            shutil.rmtree(target_path)
            logger.info(f“已删除目录: {target_path}”)
        else:
            os.remove(target_path)
            logger.info(f“已删除文件: {target_path}”)
        freed_space = size_before
        success = True
    except PermissionError:
        logger.error(f“权限不足，无法删除: {target_path} (可能正在被使用)”)
    except Exception as e:
        logger.error(f“删除 {target_path} 时发生错误: {e}”)
    return success, freed_space

def clean_model_cache():
    """清理Z-Image-GGUF等模型的缓存目录。"""
    logger.info(“开始清理模型缓存...”)
    # 这里需要替换成你实际的模型缓存路径
    # 常见位置：用户目录下的 .cache 或特定模型文件夹
    potential_cache_dirs = [
        Path.home() / “.cache” / “huggingface”, # HuggingFace 缓存
        Path.home() / “.cache” / “torch”,       # PyTorch 缓存
        Path.home() / “AppData” / “Local” / “Temp” / “model_cache”, # 示例路径
    ]
    total_freed = 0
    for cache_dir in potential_cache_dirs:
        if cache_dir.exists() and cache_dir.is_dir():
            # 示例：只清理修改时间在7天前的文件
            cutoff_time = time.time() - (7 * 24 * 3600)
            for item in cache_dir.rglob(“*”):
                if item.is_file() and item.stat().st_mtime < cutoff_time:
                    success, freed = safe_remove(str(item), is_dir=False)
                    if success:
                        total_freed += freed
            logger.info(f“已扫描目录: {cache_dir}”)
    logger.info(f“模型缓存清理完成，共释放: {total_freed:.2f} MB”)
    return total_freed

def clean_pip_cache():
    """清理pip下载的包缓存。"""
    logger.info(“开始清理pip缓存...”)
    # 方法1：使用pip命令（推荐）
    import subprocess
    try:
        result = subprocess.run([“pip”, “cache”, “purge”], capture_output=True, text=True, shell=True)
        if result.returncode == 0:
            logger.info(“pip缓存清理命令执行成功。”)
            # 解析输出获取释放空间（如果命令支持）
            logger.info(result.stdout)
        else:
            logger.warning(f“pip缓存清理命令执行失败: {result.stderr}”)
    except Exception as e:
        logger.error(f“执行pip清理命令时出错: {e}”)

    # 方法2：手动定位缓存目录并清理（备用）
    pip_cache_path = Path.home() / “AppData” / “Local” / “pip” / “cache”
    if pip_cache_path.exists():
        success, freed = safe_remove(str(pip_cache_path), is_dir=True)
        if success:
            logger.info(f“手动清理pip缓存，释放: {freed:.2f} MB”)
            return freed
    return 0

def clean_cuda_temp_files():
    """清理CUDA相关的临时文件。"""
    logger.info(“开始清理CUDA临时文件...”)
    # CUDA临时文件通常位于系统临时目录或用户临时目录，且带有cuda相关前缀
    temp_dirs = [
        Path(os.environ.get(“TEMP”, “C:\\Windows\\Temp”)),
        Path(os.environ.get(“LOCALAPPDATA”, “C:\\Users\\Default”)) / “Temp”,
    ]
    total_freed = 0
    cutoff_days = 3  # 清理3天前的临时文件
    cutoff_time = time.time() - (cutoff_days * 24 * 3600)

    for temp_dir in temp_dirs:
        if temp_dir.exists():
            # 查找可能由CUDA进程创建的临时文件（按文件名模式）
            patterns = [“cuda*”, “nvidia*”, “*.cudnn*”]
            for pattern in patterns:
                for file_path in temp_dir.glob(pattern):
                    if file_path.is_file() and file_path.stat().st_mtime < cutoff_time:
                        success, freed = safe_remove(str(file_path), is_dir=False)
                        if success:
                            total_freed += freed
    logger.info(f“CUDA临时文件清理完成，共释放: {total_freed:.2f} MB”)
    return total_freed

def clean_old_logs(logs_dir, days_to_keep=30):
    """清理指定目录中超过一定天数的旧日志文件。"""
    logger.info(f“开始清理 {logs_dir} 中的旧日志(保留最近{days_to_keep}天)...“)
    if not os.path.exists(logs_dir):
        logger.warning(f“日志目录不存在: {logs_dir}”)
        return 0
    total_freed = 0
    cutoff_time = time.time() - (days_to_keep * 24 * 3600)
    for item in Path(logs_dir).rglob(“*.log”):  # 清理.log文件
        if item.is_file() and item.stat().st_mtime < cutoff_time:
            success, freed = safe_remove(str(item), is_dir=False)
            if success:
                total_freed += freed
    logger.info(f“旧日志清理完成，共释放: {total_freed:.2f} MB”)
    return total_freed

def main():
    """主清理流程。"""
    logger.info(“=” * 50)
    logger.info(“智能磁盘清理任务开始”)
    start_time = time.time()

    total_space_freed = 0
    total_space_freed += clean_model_cache()
    total_space_freed += clean_pip_cache()
    total_space_freed += clean_cuda_temp_files()
    # 清理本脚本自己生成的旧日志（保留最近7天）
    total_space_freed += clean_old_logs(str(log_dir), days_to_keep=7)

    elapsed_time = time.time() - start_time
    logger.info(f“本次清理任务完成，总计释放空间: {total_space_freed:.2f} MB”)
    logger.info(f“清理耗时: {elapsed_time:.2f} 秒”)
    logger.info(“=” * 50)

if __name__ == “__main__”:
    main()

脚本使用说明：

1. 保存脚本：将上面的代码复制到一个文本编辑器中，保存为 smart_disk_cleaner.py。建议放在一个固定的、路径中不含空格的目录下，例如 D:\Scripts\。
2. 修改路径：在 clean_model_cache() 函数中，potential_cache_dirs 列表里的路径需要你根据自己电脑上模型缓存的实际位置进行修改。你可以使用Everything等工具搜索 .gguf 或模型名称来定位。
3. 首次测试：打开命令行（CMD或PowerShell），导航到脚本所在目录，运行 python smart_disk_cleaner.py。观察控制台输出和桌面生成的 CleanupLogs 文件夹下的日志文件，确认脚本运行正常且没有误删重要文件。

4. 创建PowerShell包装脚本与计划任务

Python脚本写好了，接下来我们要让它能定时自动运行。为了更稳定地在Windows后台调用Python，我们创建一个PowerShell脚本作为包装器。

4.1 创建PowerShell启动脚本

新建一个文本文件，输入以下内容，并保存为 run_cleanup.ps1。请将 D:\Scripts\smart_disk_cleaner.py 替换成你Python脚本的实际路径。

# run_cleanup.ps1
# 智能清理脚本的PowerShell包装器

$PythonScriptPath = “D:\Scripts\smart_disk_cleaner.py”
$PythonExePath = “python” # 如果你有多个Python环境，可能需要指定完整路径，如 “C:\Python39\python.exe”

Write-Host “正在启动智能磁盘清理任务…” -ForegroundColor Green

# 执行Python脚本
& $PythonExePath $PythonScriptPath

# 根据退出代码判断
if ($LASTEXITCODE -eq 0) {
    Write-Host “清理任务执行完毕，请查看日志文件了解详情。” -ForegroundColor Green
} else {
    Write-Host “清理任务执行过程中可能出现错误，请检查日志。” -ForegroundColor Yellow
}

# 可选：执行完成后发出提示音
[System.Media.SystemSounds]::Beep.Play()

4.2 设置Windows计划任务

这是实现自动化的关键一步。我们将创建一个计划任务，让系统在指定时间自动运行上面的PowerShell脚本。

1. 打开任务计划程序：在Windows搜索栏输入“任务计划程序”，并打开它。
2. 创建基本任务：
   • 在右侧“操作”栏，点击“创建基本任务”。
   • 名称：输入一个易懂的名字，比如“每周智能清理C盘”。
   • 描述：可以写“自动清理AI模型缓存、pip缓存等临时文件”。
   • 点击“下一步”。
3. 设置触发器：
   • 选择“每周”。
   • 点击“下一步”，设置开始时间。建议设置在电脑通常开机但你不使用的时候，比如每周日早上3:00。
   • 勾选“星期日”（或你选择的其他日期）。
   • 点击“下一步”。
4. 设置操作：
   • 选择“启动程序”。
   • 点击“下一步”。
   • 程序或脚本：这里填入 powershell.exe。
   • 添加参数：填入 -ExecutionPolicy Bypass -File “D:\Scripts\run_cleanup.ps1”。请将路径替换成你 run_cleanup.ps1 脚本的实际路径。
     • -ExecutionPolicy Bypass 是为了绕过PowerShell的执行策略限制，让脚本能运行。
     • -File 指定要运行的脚本文件。
   • 起始于：填入你的脚本所在目录，例如 D:\Scripts\。这能确保脚本运行时路径正确。
   • 点击“下一步”。
5. 完成与高级设置：
   • 点击“下一步”，然后“完成”。
   • （可选）在任务计划程序库中找到刚创建的任务，右键“属性”进行高级设置：
     • 常规：勾选“不管用户是否登录都要运行”，并选择“使用最高权限运行”。这样即使你不在电脑前，任务也能执行。
     • 条件：可以取消“只有在计算机使用交流电源时才启动此任务”（如果你用的是笔记本且希望任何时候都清理），根据网络状况的选项也可以取消。
     • 设置：可以设置“如果任务失败，重新启动任务”等。

设置完成后，计划任务就会在指定的时间自动运行你的清理脚本了。你可以在“任务计划程序库”中右键该任务，选择“运行”来立即测试一次。

5. 进阶技巧与注意事项

脚本能跑起来只是第一步，让它更智能、更安全才是关键。

5.1 如何让清理更安全？

• 白名单机制：在脚本中，可以为关键目录设置一个EXCLUDE_DIRS列表，脚本会自动跳过这些目录。
• 回收站模式（进阶）：对于不确定的文件，可以不直接os.remove，而是用send2trash这样的第三方库（需要pip install send2trash）将其移到回收站，给自己一个后悔的机会。
• 双重确认：在脚本中针对某些特定的大文件或目录，可以增加一个确认机制（比如记录到特殊日志，需要手动审核），但这对自动化来说不太实用，更适合半自动场景。

5.2 如何扩展清理范围？

我们的脚本现在主要清理了四大类。你可以很容易地添加新的清理函数。

例如，增加一个清理VSCode缓存的功能：

def clean_vscode_cache():
    """清理VSCode的缓存文件。"""
    logger.info(“开始清理VSCode缓存...”)
    vscode_cache_path = Path.home() / “AppData” / “Roaming” / “Code” / “Cache”
    vscode_cached_extensions = Path.home() / “.vscode” / “extensions”
    # 注意：extensions目录是插件，清理需谨慎！这里仅作示例，清理缓存。
    total_freed = 0
    if vscode_cache_path.exists():
        success, freed = safe_remove(str(vscode_cache_path), is_dir=True)
        if success:
            total_freed += freed
    logger.info(f“VSCode缓存清理完成，释放: {total_freed:.2f} MB”)
    return total_freed

然后在 main() 函数中调用它即可。

5.3 常见问题排查

• 脚本运行没反应/报错：首先检查Python和PowerShell的执行策略。在PowerShell（管理员模式）中运行 Set-ExecutionPolicy RemoteSigned 可以放宽限制。同时检查所有文件路径是否正确。
• 计划任务没有执行：打开“任务计划程序”，查看该任务的“上次运行结果”。如果是 0x0 表示成功，其他代码表示失败。可以尝试在“操作”里，给PowerShell加上 -NoProfile -NonInteractive 参数，避免加载个人配置文件导致的问题。
• 清理效果不明显：检查脚本中的路径是否匹配你电脑上的实际缓存位置。多用 Everything 搜索 .cache, temp, log 等关键词，找到真正的“大户”，然后更新脚本中的路径。

---

这套自动化清理方案用下来，最大的感受就是“省心”。自从设置了每周自动清理，我再也没为C盘空间报警而烦恼过。脚本运行了大半年，一直很稳定，通过日志也能清楚地知道每次清理掉了什么，释放了多少空间。

当然，每个开发环境都不一样，文中给出的路径可能需要你根据自己的情况稍作调整。核心思路是通用的：定位目标、安全删除、记录日志、定时执行。你可以把这个脚本当作一个基础框架，不断添加适合你自己工作流的清理规则。

一开始可能会花点时间调试路径和策略，但一旦设置好，它就是那个在背后默默为你打理存储空间的“数字管家”。下次当你再想运行Z-Image-GGUF或者其他大模型时，希望你能更加从容，把宝贵的精力都用在创意和开发上，而不是和磁盘空间斗智斗勇。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。