Tensor Learn 上线，解答用户在释放模型存储空间前会问的问题

Tensor Learn 是面向不需要又一篇泛泛 AI 科普的用户建立的公共参考层。他们需要知道模型在哪里、文件意味着什么、存储结果实际证明了什么，以及如何在清理前恢复。

为何存在

本地 AI 模型库会积聚在不易察觉的位置：运行时文件夹、中心缓存、项目输出目录，或一组基础模型已记不清的 LoRAs。搜索结果往往从这个真实操作问题直接跳到激进行动——删除、量化、转换——却不区分真正需求。

Tensor Archive 在该决策中承担明确角色：归档相关本地模型版本、验证可恢复性，并在用户释放冗余工作副本之前还原一个单独的精确副本。它并非所有存储问题的正确答案，因此内容必须明确边界。

三个专栏，而非一个杂糅的内容栏目

Tensor Wiki 回答直接操作问题：缓存位于哪里、哪个设置会改变路径，或某个技术术语意味着什么。对版本敏感的陈述会链接到原始文档。

Tensor Blog 处理一个决策或工作流程：完整 LoRA 模型库、精确存储与量化之间的选择，或微调项目完成后的工件。这些指南先说明问题和限制，再描述相关产品工作流程。

Tensor News 只记录确实影响本地存储或恢复决策的产品及生态变化。它刻意不做宽泛的 AI 新闻流。

编辑标准

• 先回答问题，再介绍产品。
• 在每个基准数字旁标明工作负载和限制。
• 说明 Tensor Archive 不适合使用的场景。
• 准确使用技术术语，同时以尊重读者的方式解释。
• 绝不在用户验证并测试单独还原之前建议移除原始模型数据。

最先有用的页面

如果现在就需要答案，请从Wiki开始：Hugging Face 缓存位置、Ollama 模型路径或 LoRA 与 QLoRA 的区别。如果问题是应归档、删除、量化还是保留一个相关系列，请前往Blog。我们只在页面达到相同标准时才会添加，而不会仅因某个关键词存在就发布。