别再手动翻文件夹了，用 Jharu 精准回收被 node_modules 吞掉的几十 GB 空间
node_modules 像黑洞一样吞噬了快 50GB 的空间。最尴尬的是，这些文件夹散落在不同的测试目录里，手动清理不仅低效，而且在面对大量项目时，极易误删掉那些虽然不常用但仍需保留的依赖，而很多商业清理软件将开发文件统称为“临时文件”，清理逻辑过于粗暴，根本不敢在生产环境下放心使用。最近我在尝试一个名为 Jharu 的开源项目，它给我的感觉不再是一个简单的“磁盘清理器”，而是一个专门为开发者设计的 Dev Junk（开发冗余）管理工具。
这款工具最核心的优势在于其识别机制的专业度。传统的清理软件通常基于文件后缀或系统临时路径来判断垃圾，但 Jharu 能够识别开发环境产生的特定冗余。在 Node.js 生态中，很多项目在删除源码后，由于编辑器插件的索引机制，部分深层缓存文件夹依然残留在磁盘中。这类文件在资源管理器里几乎不可见，但 Jharu 能通过特定的文件特征将其快速标记出来。对于在 Mac 和 Windows 之间交叉办公的开发者来说，这种开源方案在隐私性上更有保障，因为清理逻辑完全公开，不存在后台上传路径数据的风险。
对于想尝试的开发者，部署过程非常简单。首先需要通过 GitHub 克隆项目到本地：git clone https://github.com/riponcm/Jharu.git
随后进入目录执行 cd Jharu，最后运行 npm install 安装必要的依赖环境即可启动。
在实际使用过程中，我最满意的是它采用了“扫描-确认-执行”的三段式工作流。它绝对不会在后台静默删除任何文件，而是先在界面上把所有占用空间巨大的开发垃圾全部列出来。这种设计精准地解决了开发者的“误删恐惧症”。你可以清晰地看到某个旧项目的 node_modules 究竟占据了多少空间（比如有些项目依赖包高达 800MB 或更多），然后由你手动决定是保留还是清理。
对于现在很多涉足 AI 研发的开发者来说，硬盘告急几乎是常态，因为除了 Node.js 的依赖，各种庞大的 Python 库和模型权重缓存同样在抢占空间。Jharu 将清理逻辑从“删除未知文件”转变为了“清理已知冗余”，这让它在处理复杂开发环境时比手动检查高效得多。
总的来说，如果你厌倦了在资源管理器里一个文件夹一个文件夹地核对修改日期，或者不想在项目崩溃后才发现误删了关键依赖，部署一个 Jharu 在开发机上确实是个高效的选择。它把开发者从繁琐的磁盘维护中解放出来，让存储空间的管理回归到可控、透明的状态。
