一位开发者在 V2EX 分享称，AI Agent 在日常开发中频繁执行依赖安装、构建编译等操作，产生的文件长期无人清理，最终导致其 1TB 硬盘被完全占满。为此，作者开源了一款名为 agent-shit-cleaner 的清理工具，并在 GitHub 上公开了源码。该工具的核心功能包括三项：一是扫描主要的工作区目录，统计每个项目及目录的磁盘占用情况；二是重点识别已安装的依赖包、构建产物等占用空间较大的“垃圾”文件，这类文件是磁盘消耗的主要来源；三是提供 CLI 交互式操作界面，并在删除流程中设置了严格的防误删机制，避免误伤有效代码和配置。作者指出，这类产物在单个项目中体量并不显眼，但随着 Agent 参与的项目数量不断增多，累积占用的空间会迅速膨胀，逐渐成为开发者磁盘的主要负担。该工具定位轻量、功能聚焦，专门解决 AI 辅助开发流程中的磁盘清理痛点，目前在 GitHub 上开放，开发者可以免费使用、提交 Issue 或参与代码贡献。
事件分析
该项目的走红折射出 AI Agent 大规模落地后的新型工程问题：智能体在自动执行安装、构建、编译等任务时，产生的中间产物普遍缺乏生命周期管理，磁盘占用成为常被忽视的隐性成本。从技术角度看，这类工具的价值不止于清理本身，更在于对 Agent 工作目录的结构化识别——准确区分源码、依赖与构建产物，本质上是对项目元数据的解析能力。后续走向上，类似需求可能催生更完整的 Agent 资源治理方案，例如临时产物的自动回收策略、跨项目依赖缓存共享机制，或被主流 Agent 框架直接内置为标准能力。围绕 Agent 副作用管理的工具链，有望成为开发者生态中的下一个细分方向。
核心观点：AI Agent 在提升效率的同时也在批量制造数字废料，副产物治理将成为智能体工程化绕不开的必修课。
原文链接：V2EX 分享发现
