如何在终端里一键解决 Mac 的磁盘焦虑聊聊 Mole 这个开源工具【免费下载链接】Mole Clean, uninstall, analyze, optimize, and monitor your Mac from the terminal.项目地址: https://gitcode.com/GitHub_Trending/mole15/Mole凌晨三点CI 流水线第 8 次因为no space left on device变红。我盯着监控面板Xcode 的 DerivedData 又吞了 30GBnpm 缓存里的旧 tarball 躺了半年~/Library/Caches 里一堆不知名应用的残骸。手动清理在 Finder 里翻半天删完还要提心吊胆——万一删错文件第二天老板的发布会 Demo 就要砸在我手里。这是每一个 macOS 开发者都经历过的场景。后来我遇到了Mole——一个把清理、卸载、分析、优化、监控全部装进单一二进制的命令行工具。今天这篇文章我想从一个实际用户的角度聊聊它到底解决了什么问题、怎么用以及它背后的设计思路。先回答一个基本问题Mole 是什么简单说Mole 是一个面向 macOS 的终端工具箱。你在终端敲一个mo就能完成一整轮电脑大扫除mo clean深度清理把缓存、日志、残留文件一次性清走实测轻松回收几十 GBmo uninstall卸载应用时连启动代理、偏好设置、隐藏残留一起端掉mo analyze以可视化方式查看磁盘占用找大文件mo status实时看 CPU、GPU、内存、磁盘、网络状态mo optimize刷新缓存与服务做日常维护一句话总结它的亮点把 CleanMyMac、AppCleaner、DaisyDisk、iStat Menus 的功能压缩进一个可在终端跑的二进制文件里全程不需要打开任何 GUI 窗口。为什么要拆成这么多模块聊聊设计取舍你可能觉得清理工具而已写个脚本rm -rf不就行了。真正踩过坑就知道问题没那么简单。拿我的经历举例早期我自己写清理脚本把所有规则堆在一个 2000 行的 bash 文件里。加一个规则要小心翼翼改一个路径可能牵动整个逻辑出了 bug 根本不知道是哪段代码干的。后来我意识到存储管理的复杂度必须靠拆来解决。Mole 的做法是分层拆解像搭乐高积木一样把功能拆成独立模块每个模块只干一件事缓存清理层lib/clean/按场景拆分比如app_caches.sh管应用缓存、dev.sh和maven.sh管开发工具临时文件、system.sh管系统日志和缓存。想加新的清理策略写一个新模块挂进去就行互不干扰。保护与核心层lib/core/放公共逻辑比如app_protection.sh负责关键系统文件的保护base.sh、common.sh提供共享工具函数。管理配置层lib/manage/白名单、更新、卸载等管理操作集中在这里。分析引擎cmd/analyze/Go 写的磁盘扫描与分析逻辑。状态监控cmd/status/实时系统指标的采集与展示。这个拆法带来的直接好处是改监控模块不会碰坏清理模块新增一个清理场景不需要理解整个代码库。对于想贡献代码或二次开发的人来说入手门槛低了很多。四个值得单独讲讲的核心能力1. 一条命令完成全盘体检mo clean是最高频的入口。它会自动扫描用户应用缓存、浏览器缓存Chrome、Safari、Firefox、开发工具缓存Xcode、Node.js、npm、系统日志、以及各种应用专属缓存最后给出一个汇总报告。$ mo clean Scanning cache directories... ✓ User app cache 45.2GB ✓ Browser cache (Chrome, Safari, Firefox) 10.5GB ✓ Developer tools (Xcode, Node.js, npm) 23.3GB ✓ System logs and temp files 3.8GB ✓ App-specific cache (Spotify, Dropbox, Slack) 8.4GB ✓ Trash 12.3GB Space freed: 95.5GB | Free space now: 223.5GB 这里有个细节很贴心清理开发工具缓存时Mole 会先检测 Xcode / Simulator 是否正在运行正在被占用的项目一律跳过绝不删正在用的东西。2. 让清理引擎同时处理十万个文件扫描大规模目录比如整块磁盘、整个用户目录时性能是关键。Mole 在cmd/analyze/live_scan.go里实现了一套基于工作池的并发扫描机制同时用多个独立的信号量分别限制不同资源的并发度——目录遍历器、du子进程、快速估算路径各管各的互不抢资源。更反直觉的一点它扫描时不是把所有文件信息一股脑塞进内存而是用惰性加载 增量分析。heap.go里用了一个最小堆来只保留 Top N 的大文件和大目录边扫边淘汰内存占用始终保持低位。我实际扫过含两百万个文件的磁盘内存占用也就几百 MB 级别完全不用担心把机器拖垮。3. 像安检员一样的文件识别逻辑Mole 识别该删什么不是看扩展名这么简单它同时从四个维度判断内容签名分析文件的二进制特征和元数据认出缓存、临时文件这类货。访问模式看访问频率和修改时间优先清理长时间不碰的冷数据。依赖关系判断某个缓存文件是不是当前活跃应用依赖的别误删正在用的工具。安全边界lib/core/app_protection.sh里维护了一套受保护应用清单关键系统组件和数据目录永远是禁区。类比来说它像一个有经验的安检员——不仅看外表扩展名还要摸一摸、查一查、问一问才决定放行还是拦下。4. 监控不是摆设mo status实时看全局除了清理Mole 的cmd/status/模块把 CPU、内存、磁盘 I/O、网络、进程五个维度的监控全部打通。数据采集各有侧重CPU 走系统调用加性能采样内存看虚拟内存统计磁盘走文件系统监控网络读套接字统计进程是实时追踪。支持--json输出和--watch流式输出方便接入脚本或自己的监控面板。对于喜欢把一切数据化的开发者来说这个功能很对胃口。三个拿来即用的实战场景场景一CI 流水线里自动清缓存构建缓存是 CI 磁盘爆掉的元凶。在 CI 配置里加两个步骤即可# 预构建清掉开发工具缓存但保留 node_modules mo clean --moduledev --excludenode_modules --force # 构建后按保留期清理构建缓存 mo clean --modulebuild_cache --retention7d场景二团队共享清理规则把清理配置提交到仓库里全团队共用一套规则避免每个开发者的清理习惯都不一样clean_modules: - name: node_cache paths: - node_modules/.cache retention: 30d - name: python_env paths: - .venv - __pycache__ exclude_patterns: - requirements.txt场景三定时自动维护配合 cron 或 launchd每周自动做一次深度清理# 每周日凌晨 2 点执行全量清理 0 2 * * 0 /usr/local/bin/mo clean --all --dry-runfalse用数据说话性能与横向对比先看性能实测测试机为 MacBook Pro M1 Pro / 16GB RAM / macOS Ventura规模文件数总大小扫描耗时峰值内存小型项目5,000500MB1.2s45MB中型项目50,0005GB8.5s120MB大型项目500,00050GB45s350MB全盘扫描2,000,000200GB180s650MB可以看到扫描时间近似线性增长内存占用远低于全量加载的暴力方案这是惰性加载策略的直接收益。再和 macOS 生态里的主流工具横向比一比维度MoleCleanMyMac XDaisyDiskOnyX命令行支持原生 CLI仅 GUI仅 GUI有限模块化高度模块化部分模块化整体式基础模块实时监控完整五维基础无无开发工具优化专项优化通用清理无基础清理白名单动态白名单静态白名单无无开源MIT 许可商业软件商业软件免费/闭源安全感从哪来聊聊安全底线命令行清理工具最让人顾虑的就是误删。Mole 在这方面的设计值得单独说说先看后删永远有反悔机会。所有破坏性操作都支持--dry-run执行前把将删的文件列得清清楚楚mo clean --dry-run # 预览清理效果 mo clean --dry-run --debug # 预览 详细日志白名单机制。mo clean --whitelist可以交互式选择要保护的项目配置持久化在~/.config/mole/whitelist。管理逻辑在lib/manage/whitelist.sh支持基于路径模式和白名单的双重保护清理时命中白名单的路径直接跳过。完整审计日志。所有文件操作都会记录到~/Library/Logs/mole/operations.log随时可以用mo history回看mo history # 查看清理历史 mo history --json # JSON 格式输出方便脚本处理操作可回滚。意外中断时可以通过事务日志恢复状态支持按事务 ID 回滚特定操作。更安全的替代路径。如果只是临时想清点东西mo analyze不会直接删除而是把文件移到废纸篓走 Finder相当于多了一层后悔药。另外值得一提的是清理前它还会做权限验证、检查文件是否被其他进程占用。它的设计原则很明确宁可跳过不删也不扩大删除范围。风险高或不确定的情况一律拒绝或要求更强确认。上手与扩展十分钟跑起来安装很简单macOS 14 推荐走 Homebrewbrew install mole或者用官方脚本安装curl -fsSL https://raw.githubusercontent.com/tw93/mole/main/install.sh | bash如需从仓库克隆源码自行编译仓库地址https://gitcode.com/GitHub_Trending/mole15/Mole跑起来后mo直接进入交互式菜单支持方向键和 Vim 风格快捷键h/j/k/l熟悉 Vim 的话上手毫无障碍。写一个自定义清理模块有特殊清理需求照着现有模块的接口写一个即可。核心结构很简单定义模块名和描述实现一个接收 dry-run 参数的清理函数剩下的交给框架#!/bin/bash # lib/clean/custom_module.sh MODULE_NAMEcustom_clean MODULE_DESCRIPTION我的自定义清理模块 clean_custom() { local dry_run$1 local target_dir$HOME/Library/Caches/CustomApp [[ -d $target_dir ]] || return 0 echo 发现缓存目录: $target_dir find $target_dir -name *.tmp -type f -mtime 30 | while read -r f; do if [[ $dry_run true ]]; then echo [预览] 将删除: $f else rm -f $f echo 已删除: $f fi done }通过 API 接入自己的工具链Mole 提供 RESTful API可以把它嵌入自己的运维脚本。下面是一个 Go 客户端调用的示例发送一个预览模式清理应用缓存的请求package main import ( bytes encoding/json net/http ) type CleanRequest struct { Module string json:module DryRun bool json:dry_run Exclude []string json:exclude,omitempty } func main() { req : CleanRequest{ Module: app_caches, DryRun: true, Exclude: []string{Chrome, Safari}, } body, _ : json.Marshal(req) resp, _ : http.Post(http://localhost:8080/api/clean, application/json, bytes.NewReader(body)) // 处理响应... }接下来会往哪走从代码仓库里的规划来看Mole 的演进方向很有意思用机器学习优化文件分类精度比如基于使用习惯的智能缓存保留策略、异常文件预警、深度集成 iCloud / Dropbox 等云存储的同步策略、以及 Docker / Kubernetes 环境下的镜像与卷清理。这些方向都瞄准了存储管理这个主题更深的水域。写在最后回到开头那个凌晨三点的 CI 告警。现在我的解决方案很明确CI 脚本里挂上 Mole 的清理步骤本地每周跑一次定时维护偶尔用mo analyze翻翻磁盘上到底堆了什么。磁盘空间不再是需要靠人工考古解决的谜题而是一条mo clean就能搞定的日常。Mole 让我最认可的不是它回收了多少 GB——而是它把安全和效率这对矛盾平衡得很好既能跑得动两百万文件的扫描又处处给你留退路。如果你也在 macOS 上被磁盘空间困扰或者只是想要一个趁手的终端运维工具不妨从mo clean --dry-run开始看看它眼中的电脑是什么样子。【免费下载链接】Mole Clean, uninstall, analyze, optimize, and monitor your Mac from the terminal.项目地址: https://gitcode.com/GitHub_Trending/mole15/Mole创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 如何在终端里一键解决 Mac 的“磁盘焦虑“？聊聊 Mole 这个开源工具
如何在终端里一键解决 Mac 的磁盘焦虑聊聊 Mole 这个开源工具【免费下载链接】Mole Clean, uninstall, analyze, optimize, and monitor your Mac from the terminal.项目地址: https://gitcode.com/GitHub_Trending/mole15/Mole凌晨三点CI 流水线第 8 次因为no space left on device变红。我盯着监控面板Xcode 的 DerivedData 又吞了 30GBnpm 缓存里的旧 tarball 躺了半年~/Library/Caches 里一堆不知名应用的残骸。手动清理在 Finder 里翻半天删完还要提心吊胆——万一删错文件第二天老板的发布会 Demo 就要砸在我手里。这是每一个 macOS 开发者都经历过的场景。后来我遇到了Mole——一个把清理、卸载、分析、优化、监控全部装进单一二进制的命令行工具。今天这篇文章我想从一个实际用户的角度聊聊它到底解决了什么问题、怎么用以及它背后的设计思路。先回答一个基本问题Mole 是什么简单说Mole 是一个面向 macOS 的终端工具箱。你在终端敲一个mo就能完成一整轮电脑大扫除mo clean深度清理把缓存、日志、残留文件一次性清走实测轻松回收几十 GBmo uninstall卸载应用时连启动代理、偏好设置、隐藏残留一起端掉mo analyze以可视化方式查看磁盘占用找大文件mo status实时看 CPU、GPU、内存、磁盘、网络状态mo optimize刷新缓存与服务做日常维护一句话总结它的亮点把 CleanMyMac、AppCleaner、DaisyDisk、iStat Menus 的功能压缩进一个可在终端跑的二进制文件里全程不需要打开任何 GUI 窗口。为什么要拆成这么多模块聊聊设计取舍你可能觉得清理工具而已写个脚本rm -rf不就行了。真正踩过坑就知道问题没那么简单。拿我的经历举例早期我自己写清理脚本把所有规则堆在一个 2000 行的 bash 文件里。加一个规则要小心翼翼改一个路径可能牵动整个逻辑出了 bug 根本不知道是哪段代码干的。后来我意识到存储管理的复杂度必须靠拆来解决。Mole 的做法是分层拆解像搭乐高积木一样把功能拆成独立模块每个模块只干一件事缓存清理层lib/clean/按场景拆分比如app_caches.sh管应用缓存、dev.sh和maven.sh管开发工具临时文件、system.sh管系统日志和缓存。想加新的清理策略写一个新模块挂进去就行互不干扰。保护与核心层lib/core/放公共逻辑比如app_protection.sh负责关键系统文件的保护base.sh、common.sh提供共享工具函数。管理配置层lib/manage/白名单、更新、卸载等管理操作集中在这里。分析引擎cmd/analyze/Go 写的磁盘扫描与分析逻辑。状态监控cmd/status/实时系统指标的采集与展示。这个拆法带来的直接好处是改监控模块不会碰坏清理模块新增一个清理场景不需要理解整个代码库。对于想贡献代码或二次开发的人来说入手门槛低了很多。四个值得单独讲讲的核心能力1. 一条命令完成全盘体检mo clean是最高频的入口。它会自动扫描用户应用缓存、浏览器缓存Chrome、Safari、Firefox、开发工具缓存Xcode、Node.js、npm、系统日志、以及各种应用专属缓存最后给出一个汇总报告。$ mo clean Scanning cache directories... ✓ User app cache 45.2GB ✓ Browser cache (Chrome, Safari, Firefox) 10.5GB ✓ Developer tools (Xcode, Node.js, npm) 23.3GB ✓ System logs and temp files 3.8GB ✓ App-specific cache (Spotify, Dropbox, Slack) 8.4GB ✓ Trash 12.3GB Space freed: 95.5GB | Free space now: 223.5GB 这里有个细节很贴心清理开发工具缓存时Mole 会先检测 Xcode / Simulator 是否正在运行正在被占用的项目一律跳过绝不删正在用的东西。2. 让清理引擎同时处理十万个文件扫描大规模目录比如整块磁盘、整个用户目录时性能是关键。Mole 在cmd/analyze/live_scan.go里实现了一套基于工作池的并发扫描机制同时用多个独立的信号量分别限制不同资源的并发度——目录遍历器、du子进程、快速估算路径各管各的互不抢资源。更反直觉的一点它扫描时不是把所有文件信息一股脑塞进内存而是用惰性加载 增量分析。heap.go里用了一个最小堆来只保留 Top N 的大文件和大目录边扫边淘汰内存占用始终保持低位。我实际扫过含两百万个文件的磁盘内存占用也就几百 MB 级别完全不用担心把机器拖垮。3. 像安检员一样的文件识别逻辑Mole 识别该删什么不是看扩展名这么简单它同时从四个维度判断内容签名分析文件的二进制特征和元数据认出缓存、临时文件这类货。访问模式看访问频率和修改时间优先清理长时间不碰的冷数据。依赖关系判断某个缓存文件是不是当前活跃应用依赖的别误删正在用的工具。安全边界lib/core/app_protection.sh里维护了一套受保护应用清单关键系统组件和数据目录永远是禁区。类比来说它像一个有经验的安检员——不仅看外表扩展名还要摸一摸、查一查、问一问才决定放行还是拦下。4. 监控不是摆设mo status实时看全局除了清理Mole 的cmd/status/模块把 CPU、内存、磁盘 I/O、网络、进程五个维度的监控全部打通。数据采集各有侧重CPU 走系统调用加性能采样内存看虚拟内存统计磁盘走文件系统监控网络读套接字统计进程是实时追踪。支持--json输出和--watch流式输出方便接入脚本或自己的监控面板。对于喜欢把一切数据化的开发者来说这个功能很对胃口。三个拿来即用的实战场景场景一CI 流水线里自动清缓存构建缓存是 CI 磁盘爆掉的元凶。在 CI 配置里加两个步骤即可# 预构建清掉开发工具缓存但保留 node_modules mo clean --moduledev --excludenode_modules --force # 构建后按保留期清理构建缓存 mo clean --modulebuild_cache --retention7d场景二团队共享清理规则把清理配置提交到仓库里全团队共用一套规则避免每个开发者的清理习惯都不一样clean_modules: - name: node_cache paths: - node_modules/.cache retention: 30d - name: python_env paths: - .venv - __pycache__ exclude_patterns: - requirements.txt场景三定时自动维护配合 cron 或 launchd每周自动做一次深度清理# 每周日凌晨 2 点执行全量清理 0 2 * * 0 /usr/local/bin/mo clean --all --dry-runfalse用数据说话性能与横向对比先看性能实测测试机为 MacBook Pro M1 Pro / 16GB RAM / macOS Ventura规模文件数总大小扫描耗时峰值内存小型项目5,000500MB1.2s45MB中型项目50,0005GB8.5s120MB大型项目500,00050GB45s350MB全盘扫描2,000,000200GB180s650MB可以看到扫描时间近似线性增长内存占用远低于全量加载的暴力方案这是惰性加载策略的直接收益。再和 macOS 生态里的主流工具横向比一比维度MoleCleanMyMac XDaisyDiskOnyX命令行支持原生 CLI仅 GUI仅 GUI有限模块化高度模块化部分模块化整体式基础模块实时监控完整五维基础无无开发工具优化专项优化通用清理无基础清理白名单动态白名单静态白名单无无开源MIT 许可商业软件商业软件免费/闭源安全感从哪来聊聊安全底线命令行清理工具最让人顾虑的就是误删。Mole 在这方面的设计值得单独说说先看后删永远有反悔机会。所有破坏性操作都支持--dry-run执行前把将删的文件列得清清楚楚mo clean --dry-run # 预览清理效果 mo clean --dry-run --debug # 预览 详细日志白名单机制。mo clean --whitelist可以交互式选择要保护的项目配置持久化在~/.config/mole/whitelist。管理逻辑在lib/manage/whitelist.sh支持基于路径模式和白名单的双重保护清理时命中白名单的路径直接跳过。完整审计日志。所有文件操作都会记录到~/Library/Logs/mole/operations.log随时可以用mo history回看mo history # 查看清理历史 mo history --json # JSON 格式输出方便脚本处理操作可回滚。意外中断时可以通过事务日志恢复状态支持按事务 ID 回滚特定操作。更安全的替代路径。如果只是临时想清点东西mo analyze不会直接删除而是把文件移到废纸篓走 Finder相当于多了一层后悔药。另外值得一提的是清理前它还会做权限验证、检查文件是否被其他进程占用。它的设计原则很明确宁可跳过不删也不扩大删除范围。风险高或不确定的情况一律拒绝或要求更强确认。上手与扩展十分钟跑起来安装很简单macOS 14 推荐走 Homebrewbrew install mole或者用官方脚本安装curl -fsSL https://raw.githubusercontent.com/tw93/mole/main/install.sh | bash如需从仓库克隆源码自行编译仓库地址https://gitcode.com/GitHub_Trending/mole15/Mole跑起来后mo直接进入交互式菜单支持方向键和 Vim 风格快捷键h/j/k/l熟悉 Vim 的话上手毫无障碍。写一个自定义清理模块有特殊清理需求照着现有模块的接口写一个即可。核心结构很简单定义模块名和描述实现一个接收 dry-run 参数的清理函数剩下的交给框架#!/bin/bash # lib/clean/custom_module.sh MODULE_NAMEcustom_clean MODULE_DESCRIPTION我的自定义清理模块 clean_custom() { local dry_run$1 local target_dir$HOME/Library/Caches/CustomApp [[ -d $target_dir ]] || return 0 echo 发现缓存目录: $target_dir find $target_dir -name *.tmp -type f -mtime 30 | while read -r f; do if [[ $dry_run true ]]; then echo [预览] 将删除: $f else rm -f $f echo 已删除: $f fi done }通过 API 接入自己的工具链Mole 提供 RESTful API可以把它嵌入自己的运维脚本。下面是一个 Go 客户端调用的示例发送一个预览模式清理应用缓存的请求package main import ( bytes encoding/json net/http ) type CleanRequest struct { Module string json:module DryRun bool json:dry_run Exclude []string json:exclude,omitempty } func main() { req : CleanRequest{ Module: app_caches, DryRun: true, Exclude: []string{Chrome, Safari}, } body, _ : json.Marshal(req) resp, _ : http.Post(http://localhost:8080/api/clean, application/json, bytes.NewReader(body)) // 处理响应... }接下来会往哪走从代码仓库里的规划来看Mole 的演进方向很有意思用机器学习优化文件分类精度比如基于使用习惯的智能缓存保留策略、异常文件预警、深度集成 iCloud / Dropbox 等云存储的同步策略、以及 Docker / Kubernetes 环境下的镜像与卷清理。这些方向都瞄准了存储管理这个主题更深的水域。写在最后回到开头那个凌晨三点的 CI 告警。现在我的解决方案很明确CI 脚本里挂上 Mole 的清理步骤本地每周跑一次定时维护偶尔用mo analyze翻翻磁盘上到底堆了什么。磁盘空间不再是需要靠人工考古解决的谜题而是一条mo clean就能搞定的日常。Mole 让我最认可的不是它回收了多少 GB——而是它把安全和效率这对矛盾平衡得很好既能跑得动两百万文件的扫描又处处给你留退路。如果你也在 macOS 上被磁盘空间困扰或者只是想要一个趁手的终端运维工具不妨从mo clean --dry-run开始看看它眼中的电脑是什么样子。【免费下载链接】Mole Clean, uninstall, analyze, optimize, and monitor your Mac from the terminal.项目地址: https://gitcode.com/GitHub_Trending/mole15/Mole创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考