大家好，我是二哥呀。

我现在是非常后悔啊，当时 MacBook Pro 的存储空间买小了。

1T 的硬盘，用了不到一年，只剩下 239G。

这还是清理过废纸篓、清理掉不常用应用、删掉垃圾文件后的结果。

当时买 1T 是基于上一台 iMac 的经验，用了八年还剩 300G。

这次存储空间用得这么快，完全没想到。

可能是开源项目、AI 应用、各种实验环境装太多了。

其中最搞的是，文稿文件夹显示占用了 428G，但里面能看到的文件加起来，怎么算都对不上。

手动排查了很久都没找到罪魁祸首。

于是就想到了阿里推出的桌面 Agent——QoderWork。对了，听阿里的朋友说，下周一他们还要上 Windows 版本，Windows的小伙伴可以狠狠期待了～

说干就干，选择 document 文件夹，然后给 QoderWork 一个简单的提示词：

这个文件夹足足有 252G，占用太多空间了

对，就这么一句。

它第一步做的事，是执行 du -sh ... 命令，找出当前目录下占用空间最大的前 30 个文件或文件夹。

这里先解释一下 du 命令的工作原理。du (disk usage) 是 Unix/Linux 系统的磁盘占用统计工具：

• -s 参数表示只显示总计，不显示子目录明细
• -h 参数表示以人类可读的格式显示（K、M、G 为单位）
• 它会递归遍历目录树，累加所有文件的实际占用空间

但有个关键点：默认情况下 du 命令不会扫描隐藏文件。

这就是为什么第一次只找到 26G，远远不够 252G 的原因。

但 QoderWork 没有就此放弃，它开始自主推理：

用户说的是 252G，但当前目录只找到 26G，说明问题可能在：

• 隐藏文件夹
• 子目录更深
• 其他关联目录

于是它自己调整策略，扩大了搜索范围。

第二轮搜索，它把范围扩大到了 downloads、desktop、library 等其他目录。

然后继续思考，继续找。

这个过程最让我惊喜的是：它不是盲目地执行命令，而是在不断推理和调整策略。

就像一个真人帮你找东西，第一次没找到，会换个思路再试。

最终，它锁定了一系列隐藏文件夹，其中就包括那个罪魁祸首：.marscode/logs，占用 152G。

我滴乖乖。

151G 的日志文件，藏在一个隐藏的 .marscode 目录里。

这应该是 MarsCode 编辑器的日志轮转 bug，导致日志不断堆积，从未清理。

硬盘告急的小伙伴，尤其是之前用过MarsCode的抓紧时间排查一下。

这种隐藏文件夹，用 MacBook 自带的查找工具很难定位到。

为什么隐藏文件夹这么难找？这涉及到 macOS 的文件系统设计：

1. Finder 默认隐藏以 . 开头的文件和文件夹，这是从 Unix 继承下来的设计
2. 系统存储管理工具优先展示用户可见的文件，不会深入扫描隐藏目录
3. 很多开发工具的缓存和日志都放在隐藏目录，比如 .npm、.gradle、.docker 等
4. 这些隐藏目录往往没有自动清理机制，会随时间不断膨胀

这就形成了一个认知盲区：你看到的文件夹占用 428G，但用 Finder 打开只能看到 200G 左右的文件。

剩下的 200G 藏在你看不到的地方。

找到目标后，QoderWork 没有直接删除，而是先向我确认。

因为 rm 是高风险操作，它很清楚这一点。

我确认后，它才执行删除命令。

清理完成后，我的文稿文件夹从 428G 降到了 277G，成功释放了约 151G 空间。

我滴乖乖。

我查了一下，根据苹果官方最新的存储定价，1T 存储空间大约需要 3000 元人民币（以 MacBook Pro 升级价格为例）。

那我这次清理，相当于找回了价值 150*3=450 元的存储空间。

更重要的是，这个清理过程，我总共只说了一句话。

剩下的分析、搜索、确认、执行，全交给 QoderWork 了。

这次实测，让我对 QoderWork 的能力有了新的认识。

第一个亮点，是推理能力。

它不是机械执行命令，而是会根据结果调整策略。第一次找不到，它自己扩大范围；第二次还不够，它继续深挖。

这种带脑子干活的感觉，跟传统命令行工具完全不同。

第二个亮点，是安全性。

涉及删除操作，它会主动二次确认。这点很重要，因为 rm -rf 一旦误删，恢复成本极高。

第三个亮点，是效率。

如果让我自己找，可能得：

1. 先想起来用什么命令
2. 确定从哪个目录开始
3. 一层层排查
4. 小心翼翼地删除

整个过程可能要半小时以上。

而 QoderWork，我用一句话启动，5 分钟内就搞定了。

如果你也想用 QoderWork 清理存储空间，可以直接用这个提示词：

我的 [Documents/Downloads/Desktop] 文件夹占用了 [XX]G 空间，帮我找出最大的文件和文件夹，看看有没有可以清理的。

或者更简单：

帮我看一下这台 Mac 的存储空间占用情况，找出最大的可清理项目。

建议操作流程：

1. 先让 QoderWork 找出大文件/文件夹
2. 逐个确认是否可以删除
3. 系统文件和隐藏文件要谨慎
4. 删除前最后人工复核一遍

更多实用场景

QoderWork 的存储管理能力，不仅仅局限于清理大文件。

基于这次实测，我整理了几个更实用的场景和提示词：

场景 1：清理开发环境缓存

帮我找出所有 node_modules、.gradle、.maven、.docker 这些开发工具的缓存目录，统计占用空间

这类缓存往往分散在多个项目目录，手动清理非常麻烦。QoderWork 可以一次性找出来。

场景 2：查找重复的大文件

我的 Downloads 文件夹里可能有很多重复下载的文件，帮我找出大于 100MB 的重复文件

比如同一个安装包下载了多次，同一个视频保存了多份。

场景 3：清理日志文件

找出所有 .log 结尾的文件，按大小排序，看看有哪些日志文件可以清理

这次找到的 .marscode/logs 就是典型案例。很多应用的日志都藏在隐藏目录里。

场景 4：分析项目占用

我有很多 Git 仓库，帮我统计一下每个仓库的实际占用空间，看看有没有可以归档的老项目

开发者电脑上往往有几十个甚至上百个 Git 项目，时间久了都不知道哪些还在用。

场景 5：清理应用残留

我卸载了 Adobe Creative Cloud，但可能还有残留文件，帮我找找看

很多应用卸载后会留下配置文件、缓存、日志等，QoderWork 可以帮你找出来。

场景 6：视频和图片整理

找出所有大于 500MB 的视频文件，看看有没有重复或者可以压缩的

适合视频创作者或者喜欢存视频的用户。

这些场景的共同点是：任务目标明确，但执行起来很繁琐。

传统方式需要：

1. 记住或查找对应的命令
2. 一个个目录手动排查
3. 筛选、过滤、排序
4. 小心翼翼地操作

而用 QoderWork，你只需要用自然语言描述需求，它会自动完成整个流程。

以前清理电脑，我们的流程是这样的：

1. 打开存储管理，看大分类
2. 一个个点进去，手动找大文件
3. 不确定的文件，先 Google 查一下
4. 小心翼翼地删除，生怕删错

整个过程耗时长，还容易漏掉隐藏文件夹。

这次用 QoderWork，体验完全不同：

1. 一句话描述问题
2. 看它分析、推理、搜索
3. 确认结果
4. 授权执行

我更像是在审核，而不是执行。

这才是我理解的 AI 价值。

不是完全替代你，而是把那些费时费力的体力活接过去。

你只需要在关键节点做决策。

当然了，这只是一个小的应用场景。

但 151G 的日志文件，藏得那么深，我根本不可能自己找到。

如果不是 QoderWork，我可能还会继续忍受存储告急的焦虑。

但现在，问题解决了。

而且是用一种我没想到的方式：AI 帮我找到了藏得最深的存储黑洞。

这就是桌面 Agent 的价值。

你不需要成为命令行高手，不需要记住各种参数，甚至不需要知道从哪开始查。

你只需要说出你的问题。

剩下的，交给 AI。

桌面 Agent 的技术本质

这次实测让我思考了一个问题：QoderWork 和传统的清理工具、命令行脚本，本质区别在哪？

我的理解是：它不是工具，而是助手。

传统工具的工作模式是：

你下达指令 → 工具执行 → 返回结果

这是一个单次交互的过程。如果第一次结果不对，你需要手动调整指令，再执行一次。

而 QoderWork 的工作模式是：

你描述问题 → Agent 理解意图 → 制定策略 → 执行命令 → 分析结果 → 调整策略 → 再次执行 → ... → 得到答案

这是一个多轮推理的过程。它会根据每一步的反馈，动态调整下一步的行动。

这背后依赖的核心技术是：

1. 自然语言理解

QoderWork 不需要你写命令，它能理解自然语言的意图。

比如我说"这个文件夹足足有 252G，占用太多空间了"，它能提取出：

• 目标：找出占用空间的原因
• 位置：Documents 文件夹
• 预期结果：252G
• 行动方向：找大文件、找隐藏目录

这是大语言模型的语义理解能力。

2. 任务规划

理解意图后，QoderWork 会制定执行策略：

• 第一步：扫描可见文件，找最大的前 30 个
• 第二步：如果总和不够，扩大搜索范围
• 第三步：包含隐藏文件，深度扫描
• 第四步：定位到具体目录

这是 Agent 的规划能力，类似人类解决问题的思路。

3. 工具调用

每一步的具体执行，QoderWork 会调用系统工具：

• 调用 du 命令统计占用
• 调用 ls -a 查找隐藏文件
• 调用 find 深度搜索
• 调用 rm 执行删除

这是 Agent 与操作系统的接口能力。

4. 反思与调整

最关键的是：QoderWork 会根据每一步的结果，反思当前策略是否有效。

第一次只找到 26G，它发现不对，立刻调整策略。

这是 ReAct (Reasoning + Acting) 范式，也是当前 Agent 技术的核心。

5. 风险控制

涉及高风险操作时，QoderWork 会主动暂停，向用户确认。

这是在 Agent 系统中嵌入的安全机制，确保人类始终保持最终控制权。

与脚本的本质区别

有人可能会说：这些功能我写个脚本也能实现。

但区别在于：

脚本是固定的执行逻辑，遇到新情况就失效了。

比如你写一个脚本找大文件，它只会执行你预设的命令。如果第一次没找到，它不会自己调整策略。

Agent 是动态的推理系统，它会根据实际情况调整行为。

这就是为什么 QoderWork 能在第一次搜索失败后，自己扩大范围、深入隐藏目录。

这种能力，是传统脚本无法实现的。

AI 的能力边界

当然，QoderWork 也有局限性。

它的推理能力依赖于：

1. 大模型的知识储备：对常见命令、文件结构的理解
2. 上下文信息：每次执行的结果会反馈到下一轮推理
3. 工具的可用性：如果系统命令本身有问题，Agent 也无能为力

所以它不是万能的。

但在目标明确、工具链完善、反馈及时的场景下，它的表现会非常出色。

存储清理就是一个典型的适用场景：

• 目标明确：找出大文件
• 工具完善：du、ls、find、rm 等命令
• 反馈及时：每次命令执行后立刻能看到结果

这也是为什么 QoderWork 在这个场景下能表现得如此智能。

试试看吧。

打开 QoderWork，选你的 Documents 文件夹。

输入：帮我找找这个文件夹里的大文件

5 分钟后，你可能会发现一个藏得很深的惊喜（🤣）。

说不定也是 100G 起。

贴一下 QoderWork 的下载地址：https://qoder.com/qoderwork

目前 Mac 版已开放下载，Windows 用户下周一就可以用上啦。

---

写在最后

这次实测，让我对桌面 Agent 的理解更深了一层。

以前我觉得 AI 助手的价值在于提供答案。

现在我觉得，真正的价值在于接管执行。

存储清理这件事，我知道该怎么做，但我不想做。

因为太繁琐了：

• 要记命令
• 要一层层找
• 要小心操作
• 要反复确认

而 QoderWork 把这些繁琐的执行环节都接过去了。

我只需要：

1. 说出问题
2. 看它分析
3. 确认结果
4. 授权执行

这才是 AI 应该有的样子。

不是炫技，不是演示，而是真正解决实际问题。

151G 的空间，对我来说价值 450 元。

但更重要的是：我不用再为存储焦虑了。

因为我知道，下次再遇到类似问题，我有办法快速解决。

这就够了。