WorkBuddy 吃了 10GB 磁盘之后，我终于看懂了它的内存账单

上周三下午，我在寝室赶一篇课程论文，电脑风扇突然开始狂转。打开任务管理器一看，WorkBuddy 占了 1.8GB 内存，C 盘可用空间从 40GB 掉到 12GB。我当时有点懵，这工具我记得昨天还好好儿的。顺手点开资源监视器查了一下，C:\ProgramData\WorkBuddy 加上用户目录下的 .workbuddy，加起来超过了 10GB。刚好那几天刷到一篇 CSDN 文章，标题写着「优化 WorkBuddy 模型内存占用：从吃内存到按需加载」，我点进去看了一圈，又翻了其他几篇讲 WorkBuddy 磁盘占用的帖子，才把这笔账彻底算明白。

先说我自己的环境。我用的是一台 Windows 笔记本，32GB 内存，今年年初才买的，配置不算差。我之前写帖子提过，用 WorkBuddy 整理报销单、做表格，这些活儿它干得挺好，所以我顺手就把它设成了开机启动，图个方便。

结果这个方便后面全是代价。WorkBuddy 的安装包只有 150 到 180MB，看着很轻巧，但解压之后实际占用的空间超过 2.3GB。好几篇相关文章里都提到过这个数字，我这边实测也差不多，装完当天右键看了一下安装目录，2.4GB，还包括了 Python 插件宿主和 Electron 渲染进程那一套东西。Electron 应用大家都懂，本身就是个浏览器套壳，内存开销天然比原生应用高一截。

然后是缓存。WorkBuddy 跑起来之后，会建索引、写快照、存日志，还有各种模型缓存。我那天去找它到底什么东西占了 10GB，发现大部分是这类文件。对我这种用了一阵子的人来说，它每次处理报销单、解析文档、跑技能，都会留下痕迹。日积月累，体积就爆炸了。我看了几篇清理教程，比较关键的一点是删之前得先弄清哪些是资产，哪些是垃圾。比如 workspace 里我自己建的文件夹和导出的数据是资产，要留着；traces 和 logs 这种纯记录性的东西可以清掉。我照着操作，把日志关了，把临时目录清理了一遍，删完大约释放了 4.5GB。

但磁盘只是一部分，内存才是更要命的。前文提到那篇 CSDN 文章把内存吃在哪里拆成四个来源：模型权重、激活与 KV 缓存、常驻服务、多会话叠加。模型权重不用多说，7B 的模型用 FP16 就是大约 14GB，量化为 INT4 大约 4GB。WorkBuddy 集成多模型推理，这部分开销绕不开。激活和 KV 缓存是推理过程中的临时状态，对话越长占用越大，这个也能理解。真正让我膈应的是后两条，常驻服务和多会话叠加。

我最开始不知道 WorkBuddy 会在后台挂这么多进程。关掉窗口之后，Python 插件宿主、推理线程、Electron 渲染进程居然还留在后台，每个几十到几百 MB 不等。论坛里搜了一下，有人反映 Mac 版的 WorkBuddy 卡顿掉帧，说关掉之后这些进程依然常驻，持续占用内存。虽然我不是 Mac，但这个描述跟我这边的现象是一致的。而且默认设置下，它会预加载 NLP 和 OCR 子模型，一次占用可能就超过 3GB 堆内存。我一看这个数据，再看自己那 1.8GB 的占用，突然觉得合情合理了。合情合理归合情合理，不代表我乐意接受。

我的处理方式是改配置。那篇文章提到一个参数叫按需加载，原话是 -Dworkbuddy.model.load.strategy=on-demand，意思是模型别全都提前塞进内存，用哪个技能再加载哪个。另外还有一个参数是对文档解析类任务做分块处理，避免一次性吃太多。我试了一下，按这个思路调整之后，WorkBuddy 启动时不再预加载全部模型，内存占用从之前的 1.8GB 左右降到了 500MB 上下，打开会话之后才涨到 1.2GB 左右。启动速度也从原本的二十几秒变成八九秒。当然，代价是第一次跑某个技能的时候会慢一点，要现场加载模型。但对我来说，这个取舍完全值得。

还有几个细节是我折腾过程中发现的。WorkBuddy 的默认设置里，常驻后台和开机自启是打开的，这两个选项直接导致了我之前遇到的状况。另外，多会话叠加的问题也需要注意。如果你习惯一次性开五六个窗口，每个都带着独立的上下文，内存翻着倍地涨。我现在的习惯是开一个会话，用完就关，最多开两个，一个跑数据一个写文档，再多了我自己也乱。

不过话说回来，我看了五六篇关于 WorkBuddy 内存的文章，发现很多人的讨论方向偏了。一种观点是「内存占用高是正常设计，吃内存是因为 AI 工具本来就这么重」，这话没错，但问题是「正常」不等于「不能优化」。另一种观点是教你配一台 64GB 内存的电脑来跑，我觉得这是在逃避问题。用户装工具是为了干活，不是为了跟内存打架。WorkBuddy 让我比较满意的地方在于，它的配置项是开放的，按需加载、分块处理、关闭常驻，这些参数都允许用户自己调整。但我也要说它的不是：默认设置对低配用户太不友好了。一个学生党如果只有 16GB 内存，装完默认设置直接跑，可能什么都还没干，电脑先卡成幻灯片。

我在论坛里回过一个帖子，说 WorkBuddy 好用的前提是会用，别把它当许愿池。同样的话再重复一次：内存优化这件事，工具本身给不给开关是一回事，用户愿不愿意动手调是另一回事。如果你愿意花二十分钟看一看设置和配置项，这台工具其实能比默认状态轻得多。当然，我不是说每个用户都应该去研究 JVM 参数，我理解普通人的心态是装了就想用。但至少，它在文档里把这些选项写明白了，对我这种愿意折腾的人，这个自由度很重要。

这次清理之后，我重新算了一笔账，同样是处理报销单，优化前 WorkBuddy 峰值内存 2.1GB，优化后全程在 1.3GB 左右，磁盘占用从 10GB 降到了大约 5.5GB。数据没有多夸张，但在五月这波 AI 工具里，能让我自己控制资源开销的，WorkBuddy 算做得比较到位的了。

过两天我打算再看看它新版本里那个灵感分享口令的功能，感觉跟团队协作场景挺配的。到时候顺便看新版本的资源策略有没有变化，有结果的话再来更新。