C盘空间告急?一文教你将Codex等缓存安全迁移至D盘

发布时间:2026/10/22 19:00:02

C盘空间告急?一文教你将Codex等缓存安全迁移至D盘 C盘红了第一反应通常是打开清理软件但真正把系统盘塞满的往往是 Codex 这类开发工具在用户目录里留下的缓存、配置和日志。我最近处理的一台电脑就是典型情况装了 Codex 命令行工具又用 VS Code再加上 npm、Python 缓存几个月下来用户目录涨了几十 GBC 盘直接见底。下面这套操作围绕一个目标展开把 Codex 相关缓存和用户配置、VS Code 插件目录、包管理器缓存、临时目录和自动化脚本统一搬到 D 盘并且让 C 盘原来的路径继续可用。整个方案不依赖第三方清理软件也不需要扩容分区适合 C 盘空间紧张、又不想冒险卸载重装工具的人参考。按我实际落地时的顺序每个环节的坑都会单独说明。1. 先弄清楚 C 盘空间都被什么东西占掉了动手搬家之前必须先搞清楚空间到底是怎么被吃掉的。否则搬错对象、或者搬走不该搬的文件后面会反复出问题。1.1 别急着装清理工具先把用户目录扫一遍Windows 下很多软件并不把个人数据放在 Program Files 里而是默认放在C:\Users\用户名下面。尤其是命令行工具、编辑器扩展、包管理器缓存几乎都往这个目录里塞。Codex 这类 CLI 工具通常会在用户名下创建类似.codex的隐藏目录保存配置、历史会话、日志和运行缓存。VS Code 的扩展装在C:\Users\用户名\.vscode\extensionsnpm 全局缓存默认在AppData\Local\npm-cachePython 的 pip 缓存默认在AppData\Local\pip\cache。可以先看两个位置C:\Users\用户名下的顶层目录和隐藏目录C:\Users\用户名\AppData\Local和AppData\Roaming在资源管理器里打开“查看 → 隐藏的项目”就能看到.codex、.vscode这类目录。如果发现某个目录特别大再往下一层找往往就是日志或缓存堆积引起的。要注意AppData 里不全是缓存。AppData 下既有 Cache也有真正在用的配置、账号信息、数据库文件。如果直接整块剪切很多程序会崩溃。所以第一步不是动手而是先定位大目录。1.2 Codex、插件和自动化相关的常见占位点开发环境里最明显的 C 盘大户有这几类Codex 或类似 AI 编程工具的配置目录。常见名是.codex、.config等里面可能有历史会话、日志、对话记录。VS Code 扩展目录。装了大量插件后可能从几百 MB 涨到几 GB。npm、pnpm、yarn 的缓存和全局包目录。Python 环境的 pip cache、HuggingFace 模型缓存。如果常做本地 AI 实验这个非常大。各种临时目录。用户 TEMP、系统 TEMP安装软件时解包文件也在这里。自己的自动化脚本和日志。例如任务计划定时执行的脚本如果输出目录写在 C 盘日志也会持续增长。这些目录的特点是单个文件不大但文件数量极多。日志每天能写几十个缓存文件堆积几个月一个 256 GB 的系统盘很容易被吃完。1.3 怎么看每个目录的真实大小Windows 的资源管理器默认不显示文件夹大小。想要快速判断哪个目录在膨胀可以用 PowerShell 做一个小循环$dirs Get-ChildItem -Path C:\Users\$env:USERNAME -Directory -Force -ErrorAction SilentlyContinue foreach ($d in $dirs) { $size (Get-ChildItem -Path $d.FullName -Recurse -File -Force -ErrorAction SilentlyContinue | Measure-Object -Property Length -Sum).Sum [PSCustomObject]{ Folder $d.FullName; SizeGB [math]::Round($size / 1GB, 2) } } | Sort-Object SizeGB -Descending | Format-Table -AutoSize这个脚本会扫描用户目录下每个顶层文件夹的大小。目录特别大时可能比较慢建议关闭其他程序再跑。如果只想看某个具体目录(Get-ChildItem -Path C:\Users\$env:USERNAME\.codex -Recurse -File -Force -ErrorAction SilentlyContinue | Measure-Object -Property Length -Sum).Sum / 1GB我一般不会一上来就扫整个 C 盘太慢。先扫用户目录下的隐藏目录和 AppData 的几个子目录基本就能定位问题。扫描结果里如果某个目录正在被程序写入大小可能不准但作为判断依据已经足够。接下来再决定哪些搬、哪些清。2. Codex 缓存与用户配置迁到 D 盘的正确姿势把 Codex 的配置和缓存迁走是整个方案里最核心的一步。这里的关键不是剪切粘贴而是让 C 盘原来的路径继续有效这样 Codex 不用改任何配置也能正常工作。2.1 Codex 到底在用户目录里放了什么Codex 不同的安装方式和
延伸阅读

更多相关文章

2026/10/21 7:58:25

本地知识库部署与RAG性能评测

###本地知识库方案评测 1. 评测维度 评测维度说明部署简易性是否支持一键部署(如Docker)、是否需要复杂配置中文支持能力对中文文本的处理效果,包括分词、语义理解等RAG精度文档解析能力、重排序算法、检索准确率可视化编排是否提供图形化界…

2026/10/21 20:27:39

学习产品生命周期管理系统 —— 产品生命周期管理系统之十一

经理发现项目的推进速度在下降,他的记事本里几乎每个工作项目都是延迟的状态。整个进度受到各种问题的影响。公司的会议室里,针对项目近期遇到的问题,各级主管在开会。会议的结论是,目前项目的进展不够顺利,原因是多方…

2026/10/20 9:16:47

金融AI应用解决方案选型先看哪三项

金融AI应用解决方案不是把一个模型接进来就结束了。对持牌汽车金融、融资租赁和消费金融机构来说,真正容易出问题的,往往不是“功能够不够多”,而是上线后才发现算法看不懂、系统接不进、数据和审计对不上。 选型时,如果只看演示效…

2026/10/22 18:59:33

半监督食物图像分类实战:用一致性正则与伪标签压缩标注成本

1. 项目背景与思路拆解 先说一个很现实的场景:你手头拿到了几千张甚至上万张食物照片,想训练一个分类模型,把中餐里的宫保鸡丁、鱼香肉丝、回锅肉分清楚。但打开图片一看,标注工作量大到让人绝望——每张图都得人工确认“这是什么…

2026/10/22 18:59:33

LLM安全审计实战:最小化引导框架破解隐蔽漏洞困局的完整方案

1. 破局的起点:为什么传统审计会漏掉隐蔽漏洞 干安全审计这些年,我最深的体会是:真正惹麻烦的从来不是一眼就能看穿的SQL注入,而是藏在业务逻辑深处、只在特定数据流交汇时才暴露的隐蔽漏洞。传统扫描器和规则引擎对已知CVE、经典…

2026/10/22 18:59:33

AI行业日报:多模态模型与端侧AI的三大风向

2026年10月7日,节后开工第一天。我翻了翻这一天里AI圈的消息流,发现今天的内容密度比想象中高:有模型开源、有芯片流片、有标识新规第一天落地,还有藏在角落里但信息量很大的行业报告。对于做AI产品、关注技术落地或者就是纯粹想搞…

2026/10/22 18:59:33

AI应用月度动态:多模态落地、端侧推理拐点与Agent实战

1. 这份行业动态到底在追踪什么 三月份的第二周,人工智能应用圈子里几乎每天都有新东西冒出来。我翻了一圈近期的技术社区讨论、产品更新日志和几个行业群里的聊天记录,发现大家关注的点集中在几个方向上:多模态模型的落地场景、端侧推理的性…

2026/10/22 18:59:33

深度学习盲点:分布外泛化与决策边界脆弱性解析

1. 为什么“盲点”比“对抗样本”更值得警惕“对抗机器学习系列——深度神经网络的盲点”这个标题里,“盲点”二字不是修辞,而是对当前工业级AI系统最真实、最普遍、也最容易被忽视的失效形态的精准命名。我带过三个不同行业的AI落地项目——某智能质检系…

2026/10/22 18:54:32

Spring Boot + 微信小程序健康管理系统全栈开发实践

做健康管理类小程序的时候,很多人会先纠结一个问题:后端到底用什么?是直接用云开发、还是搭一套独立的服务端?我自己的答案是Spring Boot加微信小程序,前后端分离,后端只做接口。这套组合放到“健康管理系统…

2026/10/22 11:29:28

金融AI落地指南:从调研报告到技术选型与工程实践

简介:这份PDF报告聚焦2025年金融服务业中国AI现状与趋势,面向金融科技从业者、AI战略规划人员及关注行业数字化转型的研究者,帮助读者把握生成式AI在银行、支付、交易等场景中的落地路径与投资方向。资源包内含1个PDF文件,大小约1…

2026/10/22 0:01:49

电商智能运营体系从0到1:架构设计、落地步骤与避坑指南

前两年我们团队接了一个电商平台的运营中台项目,目标很直白:把过去靠运营拍脑袋做的选品、定价、发券、推活动这些事,逐步用数据算法和自动化流程代替。项目名字内部就叫“电商智能运营体系”。最近有不少朋友问我当时是怎么设计的、踩过哪些…

2026/10/22 0:01:49

若依框架AI代码生成不稳定?用Agent Skill三层结构+五步法搞定

最近一段时间,我一直想把后台管理系统里那些机械重复的增删改查代码交给AI去写。框架用的是若依,按理说这类业务代码模式非常固定,应该是AI最擅长的事情。可真试下来却不是那么回事——你让AI生成一个用户管理模块,它给出的Contro…

还想了解更多?直接咨询顾问

免费诊断 + 免费方案 + 透明报价。

全国咨询热线400-8866-253
免费获取方案
☎咨询二维码 ☎ ↑