现有材料只能确认:立正账号下的一篇文章写到,本机 Codex 目录约 326GiB,清理后降到约 15GiB;文中没有出现“300G”这个说法。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
数字对得上,但说法要改准确
材料里的观点这篇文章记录的是 Codex 目录占用约 326GiB,而不是“用了硬盘 300G”。作者清理了 1,644 份旧 subagent 记录后,目录降到约 15GiB;文中另一处还提到这批源数据为 323.314GiB1。所以“300G”更接近对 326GiB 或 323GiB 的粗略概括,不是原文数字。
另外,这是立正署名发表的原文,但发布归属不等于每个字都由他亲笔写;就目前片段看,没有其他说话人需要区分1。
占空间的是任务回放记录,不是普通缓存
按原文,这些 JSONL 是任务的回放记录,SQLite 数据库还保存任务、路径和派生关系。Codex 的“Archive”只是把记录从 Sessions 挪到 Archived Sessions,不释放空间;真正释放空间要靠永久删除,而删除前必须验证备份能恢复1。这解释了为什么占用会累积到几百 GiB,也解释了作者为什么没有直接删文件。
当前只有这一份材料,无法核对“立正说 300G”这句话的原始出处;若你指的是别的节目或对话,需要那段原文才能判断。
出处
- 1More agents不等于more intelligence|我让AI更努力,它给我写出了311GB的平庸
提供 326GiB、323.314GiB、清理后约 15GiB 等具体数字,以及 Archive 不释放空间的说明。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。