Tjekliste til opbevaring af et lokalt modelbibliotek, før du frigør diskplads

Den kostbare del af et modelbibliotek er ikke altid den største fil. Det er ofte den model, du ikke kan identificere igen, den adapter, hvis basismodel du har glemt, eller den runtime-kopi, du sletter, mens den stadig er i brug. Opbevaring begynder med overblik, ikke med en oprydningskommando.

Før du rører ved en mappe

Begynd med at adskille tre kategorier: aktivt runtime-lager, midlertidige eller reproducerbare downloads og færdige modelartefakter, som du bevidst vil bevare. En mappe kan flytte fra én kategori til en anden, men hvis alle tre behandles som »noget, der skal slettes senere«, går nyttig modelhistorik tabt.

• Navngiv relationen.
  Notér for hvert artefakt, du beholder, projektet, den tilsigtede basismodel, runtimen eller grunden til, at du får brug for det igen.
• Kontrollér, om den er aktiv.
  Arkivér, flyt eller fjern ikke en mappe, som en kørende app, et træningsjob eller en modelserver forventer at finde.
• Bevar rettigheder og proveniens.
  Gem kun filer, du har ret til at opbevare, og bevar de oplysninger om ophavsperson, kilde og version, som du skal bruge for at forstå dem.
• Bevar en uafhængig sikkerhedskopi, når det er vigtigt.
  Et lokalt arkiv hjælper med gendannelse og administration af arbejdsdisken; én maskine udgør ikke en fuldstændig robusthedsplan.

Forveksl ikke runtime-lagre med et bibliotek

Hugging Face, Ollama, LM Studio og ComfyUI har hver deres metoder til at cachelagre, downloade, importere eller finde modeller. Disse lagre er beregnet til deres egne runtimes. Før du frigør plads, skal du finde ud af, hvor de aktive data ligger, og hvordan programmet forventer, at de administreres.

Guiden til Hugging Face-cachen, Ollama-lagerguiden, LM Studio-guiden og guiden til ComfyUI-modelmappen og ekstra modelstier hjælper med at identificere disse grænser. Læs dem, før du træffer en lagerbeslutning.

Vælg arkivfamilien

Tensor Archive fungerer bedst, når familien er reel: en basismodel med sine adaptere, færdige versioner fra ét projekt eller installationer, der gentager samme basismodel. Det er ikke en generisk knap til at »arkivere hele drevet«, og programmet afgør ikke, hvilke kildemapper der skal slettes.

Start med de modeller, du bruger mest. Det giver en gendannelsestest, du faktisk kan vurdere, frem for et gigantisk arkiv, du ikke kan overskue.

Gør gendannelse til afslutningskriteriet

1. Analysér den lokale familie, og gennemgå resultatet, før arkivet oprettes.
2. Arkivér familien i en administreret lokal kopi.
3. Kør Verify for at fastslå, at de gemte bytes kan gendannes.
4. Gendan til en separat placering, og test den i den relevante arbejdsgang.
5. Fjern først derefter en overflødig kildekopi manuelt, hvis du stadig ønsker det.

Gentag derefter arbejdsgangen — ikke risikoen

Når den første familie er bevist, kan du gentage processen med omtanke: en basismodel med adaptere, et afsluttet eksperiment eller en gruppe installationer, der gentager samme model. Før en enkel fortegnelse over, hvad du har arkiveret, og hvorfor. Små, forståelige familier er lettere at gendanne og giver langt sjældnere ubehagelige overraskelser senere.

Se hurtigstarten til Tensor Archive for den første praktiske sekvens. Hvis dit umiddelbare problem er et LoRA-bibliotek, skal du begynde med diskpladsguiden. Til runtimespecifikt arbejde kan du bruge arbejdsgangen til sikkerhedskopiering af ComfyUI-modeller eller rydde Hugging Face-cachen sikkert, men først når beslutningerne om opbevaring er tydelige.