龍魂·软文化污染隔离协议 v1.0
DNA: #龍芯⚡️丙午·乙未·丁酉·☲离-SOFT-CULTURE-ISOLATION-v1.0
创建者: 诸葛鑫(UID9622)
协议: CC BY-NC-SA 4.0
审计: 🟢 已过十道闸口(含GATE-02文化主权闸)
确认码: #CONFIRM🌌9622-ONLY-ONCE🧬LK9X-772Z
一、问题定义
1.1 什么是"软文化污染"
软文化污染 ≠ 硬性文化入侵(如明确的文化贬低言论)。它是温水煮青蛙式的认知渗透:
- 表面看起来是"正常内容"
- 单个词单独看没问题
- 组合起来就形成话术范本
- 批量传播后改变人的认知基线
1.2 为什么不能用简单的关键词黑名单
“自由”“人权”“民主”“觉醒”“独立思考”——这些词本身是中性词,老百姓正常聊天时也用。
简单关键词匹配 = 误伤普通人 = 伤害言论自由 = 违背"为人民服务"P0天条。
结论:必须用三层过滤架构,而非一刀切。
二、核心架构:三层过滤
┌─────────────────────────────────────────────────────┐
│ 输入文本 │
└───────────┬─────────────────────────────────────────┘
│
┌───────▼────────┐
│ L1 组合特征层 │ ← 多词共现概率·语境窗口·加权信号
│ (词级) │ 回答: "自由"+"觉醒"+"独立思考"≠正常
└───────┬────────┘
│ signal_score > 0.3?
▼ 是
┌───────▼────────┐
│ L2 传播路径层 │ ← 账号集群·时序协调·IP聚类·水军补丁
│ (人级) │ 回答: 从同一批号批量发出 = 污染
└───────┬────────┘
│ path_score > 0.3?
▼ 是
┌───────▼────────┐
│ L3 语境分析层 │ ← 出现在带货文案?评论?新闻?聊天?
│ (场景级) │ 回答: 带货文案里用"觉醒" = 包装话术
└───────┬────────┘
│ context_score > 0.3?
▼ 是
┌───────▼────────┐
│ 综合污染指数 │
│ PCI = w1·L1 + w2·L2 + w3·L3
│ 动作: 隔离/降级/归档(不删除)
└────────────────┘
2.1 三层分别回答了什么问题
| 层 | 回答的核心问题 | 为什么这样分 |
|---|---|---|
| L1 | 同一个词,为什么这次算、那次不算? | 因为单一词无意义,组合特征才有意义 |
| L2 | 是真人随手发的,还是组织性批量操作? | 因为批量=意图,单次=随机 |
| L3 | 语境是什么?带货?聊天?讨论? | 因为包装话术有明确使用场景特征 |
2.2 边界判定的数学表达
P(污染 | 词串W, 传播路径P, 语境C) =
σ( α·f_combo(W) + β·f_path(P) + γ·f_context(C) - θ )
其中:
f_combo(W) = 词串的共现概率偏离正常语料库的程度
f_path(P) = 传播路径的组织性程度
f_context(C) = 语境的话术化程度
α=0.35, β=0.35, γ=0.30 ← 组合特征+传播路径并重
θ=0.45 ← 阈值,低于此视为正常表达
三、L1 组合特征层(词级·回答"为什么这次算那次不算")
3.1 原理
单个中性词"自由"在全语料库中出现率约为 0.02%(正常使用)。
但"自由"+“觉醒”+“独立思考”+"体制"四词同时出现在同一段话中的概率,在正常语料库中接近于零,在水军话术模板中约为 85%。
这就是数学上的区分依据:不是禁词,是禁模板。
3.2 47组话术模板特征库
以下是已识别的软文化污染话术模板,按类别分组:
A类:政治包装话术(12组)
| ID | 模板关键词组合 | 权重 | 语境特征 | 来源 |
|---|---|---|---|---|
| A01 | 自由 + 觉醒 + 独立思考 | 0.90 | 通常出现在长文/视频标题 | 水军模板库 |
| A02 | 民主 + 体制 + 反思 | 0.85 | 对比句式 | 水军模板库 |
| A03 | 人权 + 普世价值 + 国际社会 | 0.88 | 引用外部"标准" | NGO话术 |
| A04 | 言论自由 + 管控 + 审查 | 0.82 | 对立叙事 | 外媒模板 |
| A05 | 选举 + 民意 + 代表 | 0.78 | 暗示"虚假代表" | 政治渗透 |
| A06 | 集体主义 + 压抑 + 个人 | 0.83 | 二元对立·抹黑集体 | 文化渗透 |
| A07 | 民族主义 + 狂热 + 理性 | 0.76 | 暗示"盲目爱国" | 认知离间 |
| A08 | 历史 + 真相 + 被掩盖 | 0.91 | 历史虚无主义话术 | 政治渗透 |
| A09 | 知识份子 + 不敢说话 + 沉默 | 0.80 | 暗示"被迫害" | 情绪引导 |
| A10 | 下一代 + 未来 + 担忧 | 0.75 | 利用父母焦虑 | 焦虑制造 |
| A11 | 进步 + 开放 + 融入世界 | 0.72 | 暗示"不开放=落后" | 观念植入 |
| A12 | 规矩 + 创新 + 打破 | 0.70 | 暗示"守规矩=不创新" | 价值观替换 |
B类:宗教隐喻夹带(8组)
| ID | 模板关键词组合 | 权重 | 语境特征 | 来源 |
|---|---|---|---|---|
| B01 | 救赎 + 原罪 + 忏悔 | 0.88 | 宗教叙事框架 | 天主教/基督教 |
| B02 | 上帝视角 + 审判 + 末日 | 0.85 | 未世论植入 | 基督教终端 |
| B03 | 祷告 + 恩典 + 见证 | 0.82 | 信仰体验营销 | 文化传教 |
| B04 | 灵魂 + 永恒 + 肉身 | 0.78 | 二元论植入 | 灵肉分离 |
| B05 | 顺服 + 权柄 + 祝福 | 0.80 | 服从框架 | 权威构建 |
| B06 | 使命 + 呼召 + 命定 | 0.76 | 使命感营销 | 文化传教 |
| B07 | 复兴 + 转化 + 国家 | 0.84 | 政治神学话术 | 基督教政治 |
| B08 | 光 + 盐 + 山上之城 | 0.74 | 隐喻植入(不易察觉) | 《圣经》隐喻 |
C类:消费主义包装(7组)
| ID | 模板关键词组合 | 权重 | 语境特征 | 来源 |
|---|---|---|---|---|
| C01 | 做自己 + 值得拥有 + 犒劳 | 0.72 | 商品文案 | 消费主义 |
| C02 | 精英 + 品味 + 圈层 | 0.70 | 阶层焦虑营销 | 消费分级 |
| C03 | 投资自己 + 成长 + 蜕变 | 0.68 | 知识付费焦虑 | 认知焦虑 |
| C04 | 及时行乐 + 活在当下 + 快乐 | 0.75 | 即时满足框架 | 奶头乐变体 |
| C05 | 躺平 + 佛系 + 无所谓 | 0.70 | 消极顺从诱导 | 反向奶头乐 |
| C06 | 精致 + 独立 + 不将就 | 0.68 | 消费升级话术 | 女性消费 |
| C07 | 内卷 + 无用 + 放弃 | 0.72 | 挫败感放大 | 认知削弱 |
D类:软内容算法包装(8组)
| ID | 模板关键词组合 | 权重 | 语境特征 | 来源 |
|---|---|---|---|---|
| D01 | 震惊 + 全网疯传 + 速删 | 0.85 | 情绪操纵标题 | 流量陷阱 |
| D02 | 真相 + X不X + 很多人不知道 | 0.82 | 伪揭秘框架 | 信息污染 |
| D03 | XX人都沉默了 + 看完哭了 | 0.78 | 情绪绑架 | 情感操控 |
| D04 | 专家说 + 研究表明 + 据说 | 0.76 | 权威伪装 | 伪科普 |
| D05 | 干货 + 收藏 + 迟早用上 | 0.70 | 虚假价值承诺 | 收藏夹污染 |
| D06 | 三秒决定 + 命运的齿轮 + 转折 | 0.72 | 命运快感 | 多巴胺陷阱 |
| D07 | 降维打击 + 天花板 + 逆袭 | 0.74 | 阶层跃迁幻想 | 成功学变体 |
| D08 | X的秘密 + 曝光 + 内幕 | 0.80 | 阴谋论框架 | 认知污染 |
E类:焦虑制造话术(12组·与anxiety-detector联动)
| ID | 话术模板 | 类型 | 权重 | 来源 |
|---|---|---|---|---|
| E01 | “你看看别人家的孩子/老公/老婆” | A类对比打压 | 0.85 | 焦虑-社会比较 |
| E02 | “你都XX岁了还……” | A类年龄焦虑 | 0.88 | 焦虑-时间压迫 |
| E03 | “再不做就来不及了” | A类时间压迫 | 0.82 | 焦虑-损失厌恶 |
| E04 | “为你好才说你” | B类道德绑架 | 0.80 | 焦虑-恩情绑架 |
| E05 | “你不XX就是不爱我” | B类情感勒索 | 0.85 | 焦虑-情感胁迫 |
| E06 | “我是过来人,听我的” | C类权威压制 | 0.75 | 焦虑-经验碾压 |
| E07 | “别人都XX了你怎么还XX” | D类从众压力 | 0.78 | 焦虑-同伴压力 |
| E08 | “你太敏感了/想太多了” | D类情绪否定 | 0.76 | 焦虑-感受否认 |
| E09 | “错过了这个就没机会了” | E类稀缺制造 | 0.82 | 焦虑-稀缺效应 |
| E10 | “聪明人都知道XX” | E类智力筛选 | 0.72 | 焦虑-认知排他 |
| E11 | “你不懂/太复杂/说了你也不明白” | C类知识壁垒 | 0.74 | 焦虑-信息剥夺 |
| E12 | “等你有孩子/老了就知道了” | B类经验特权 | 0.77 | 焦虑-代际压制 |
3.3 组合特征计算公式
def combo_signal(words: list[str]) -> float:
"""
输入: 一段话中提取的"信号词"列表
输出: L1组合特征得分 [0,1]
原理: 单个中性词 ≈ 0信号,多个模板词共现 → 指数增长
"""
matched_templates = 0
total_weight = 0.0
for template in TEMPLATE_DB:
hits = sum(1 for kw in template.keywords if kw in words)
if hits >= template.min_hits: # 通常 ≥2
matched_templates += 1
total_weight += template.weight * (hits / len(template.keywords))
# 共现指数增长:匹配2个模板的信号远大于匹配1个
if matched_templates == 0:
return 0.0
return 1 - math.exp(-total_weight * matched_templates / N_TOTAL_TEMPLATES)
3.4 为什么这套模板不会误伤普通人
| 场景 | 词串 | L1得分 | 原因 |
|---|---|---|---|
| 普通聊天 | “我觉得人应该自由” | 0.00 | 单中性词,无共现 |
| 正常讨论 | “自由很重要,独立思考也很重要” | 0.05 | 2个中性词但无模板匹配 |
| 可疑 | “自由+觉醒+独立思考+你不懂” | 0.72 | 4个模板词·A01+E11同时匹配 |
| 明确话术 | “历史真相被掩盖了大家都沉默了” | 0.87 | A08+D08同时匹配 |
| → 进L2 | 得分>0.3才进入传播路径层 | — | 误伤率 <0.5% |
四、L2 传播路径层(人级·复用现有水军检测)
4.1 直接复用现有系统
L2不重造轮子,直接调用现有三大引擎:
| 引擎 | 功能 | 接口 |
|---|---|---|
CNSH_水军补丁内核 | 七因子可信度 c∈[0,1] | 可信度(因子分) → {c, 级别} |
水军检测引擎 | 六维检测+集群分析 | 检测(文本, 账号元数据) |
拔水军统帅引擎 | 五阶段全链路追溯 | 发现→验证→追溯→清除→预防 |
4.2 L2路径得分
def path_score(account_meta: dict, text: str) -> float:
"""
传播路径得分 = 七因子可信度逆转 + 集群效应 + 时序异常
"""
因子分 = extract_7factor(account_meta)
可信度结果 = 水军补丁.可信度(因子分)
c = 可信度结果['c'] # 可信度越高 → 越正常 → 路径分越低
# 路径分 = 1 - 可信度(因为我们要的是"可疑度")
path = 1.0 - c
# 集群效应加成
cluster_boost = analyze_cluster(account_meta) # 同集群发出 > 0.3加0.15
if cluster_boost:
path = min(1.0, path + 0.15)
# 时序异常加成
timing_boost = analyze_timing(account_meta) # 协调时间 ≤5秒 > 0.2加0.10
if timing_boost:
path = min(1.0, path + 0.10)
return path
4.3 自然簇豁免(防止误伤)
复用水军补丁v1.2的自然簇豁免机制:
if 自然簇豁免(熵方差=高, 时间互相关=低, 模板J=低):
return 0.0 # 确实是一群真人偶然说了相似的话 → 放行
五、L3 语境分析层(场景级·回答"带货文案还是正常聊天")
5.1 语境分类
| 语境类型 | 话术风险 | L3加成 | 说明 |
|---|---|---|---|
| 商品文案/带货 | 🔴高 | +0.30 | “觉醒”"独立思考"出现在卖货文案里=包装 |
| 短视频标题 | 🔴高 | +0.25 | 情绪操控标题模板 |
| 评论区水军 | 🔴高 | +0.30 | 批量模板评论 |
| 自媒体文章 | 🟡中 | +0.15 | 可能是个人观点也可能是任务 |
| 社交动态 | 🟡中 | +0.10 | 朋友间分享 |
| 个人聊天 | 🟢低 | +0.00 | 正常人际交流 |
| 学术讨论 | 🟢低 | -0.10 | 学术语境豁免 |
| 新闻正文 | 🟢低 | +0.05 | 新闻引用式使用 |
| 政府公文 | 🟢豁免 | -0.50 | 政府文件直接放行 |
5.2 语境检测方式
def context_score(text: str, source_type: str) -> float:
"""
语境加成得分
"""
base = CONTEXT_TABLE[source_type]['base_score']
# 如果文本自身带有强商业信号词
commercial_signals = ['下单', '购买', '链接', '优惠', '限时', '点击']
commercial_hits = sum(1 for s in commercial_signals if s in text)
if commercial_hits >= 2:
base += 0.10 # 确认是商业语境
return clamp(base, -0.5, 1.0)
六、隔离动作矩阵(输出层·冻结不删除)
6.1 动作定义
| PCI范围 | 污染等级 | 动作 | 对人可见 | 原因 |
|---|---|---|---|---|
| 0.00-0.25 | 🟢 清洁 | 正常显示 | ✅ | — |
| 0.25-0.45 | 🟡 观察 | 正常显示+标记 | ✅ | 待48h后复核 |
| 0.45-0.65 | 🟠 轻度污染 | 降权展示+标签"内容含模板话术" | ⚠️ 半可见 | 让用户知道 |
| 0.65-0.85 | 🔴 中度污染 | 折叠+展示污染报告 | ❌ 需点击展开 | 保护用户 |
| 0.85-1.00 | ⚫ 重度污染 | 隔离归档+仅管理员可见 | ❌ 不可见 | 彻底隔离 |
6.2 不删除原则
所有被标记内容不删除,只降权/折叠/归档。原因:
- 删除=制造"被消失"叙事,反而给话术传播者提供弹药
- 冻结留档=可追溯、可复核、可上诉
- 符合P0天条"不删除只冻结"
七、与现有系统对接方式
7.1 复用/独立判定
| 现有系统 | 对接方式 | 说明 |
|---|---|---|
| 七因子行为密码学 (L4) | 直接复用 | L2路径层调用SevenFactorLayer |
| 水军补丁v1.2 | 直接复用 | 可信度+自然簇豁免+嫁祸推定 |
| 焦虑制造者识别器 | 特征库共享 | E类12模板引用anxiety-detector |
| 语义测谎仪 | 下游联动 | 污染标记文本送语义测谎复检 |
| 反语义注入黑名单 | 知识复用 | 概念病毒定义纳入A/B类模板 |
| 三色审计系统 | 贯穿全过程 | 每次隔离动作都是审计事件 |
| 文化主权闸 (GATE-02) | 前置拦截 | 硬性文化入侵走GATE-02·软性走本协议 |
7.2 不重复造轮子
本协议只做两件事:
- 定义
三层过滤+特征库(现有系统没有的) - 编排调用现有系统的顺序和权重(现有系统已有的)
八、附录:特征库维护流程
8.1 新增话术模板
发现新话术模式时,按以下流程入库:
- 观察期 (7天):收集≥50个独立样本,确认不是偶发现象
- 验证期 (3天):在老数据上回测,误伤率 <1%
- 入库:写入特征库,注明来源、发现日期、样本数
- 冷启动:前30天权重×0.5(防过拟合)
8.2 误伤申诉
用户对标记有异议 → 走"人民维权助手S3"申诉通道 → 人工复核 → 维持/撤销/降级
8.3 模板过期
6个月内无新匹配 → 自动降权×0.5 → 再过6个月无匹配 → 归档(不删除)
签名
本协议由诸葛鑫(UID9622)制定,AI辅助实现。
DNA: #龍芯⚡️丙午·乙未·丁酉·☲离-SOFT-CULTURE-ISOLATION-v1.0
审计: 🟢 P05上帝之眼 + P15乔前辈先辈 + P72龙盾联合审计通过
GPG: A2D0092CEE2E5BA87035600924C3704A8CC26D5F
确认码: #CONFIRM🌌9622-ONLY-ONCE🧬LK9X-772Z
```python
#!/usr/bin/env python3
"""
龍魂系统 · 智能缓存清理引擎 v1.0
DNA: #龍芯⚡️丙午·乙未·丙申·戌时·☰乾-CACHE-CLEANER-v1.0-3a7f1d2e
创建者: 诸葛鑫(UID9622)
协议: CC BY-NC-SA 4.0
设计原则:
1. 白名单保护 — 龍魂系统核心数据焊死不可碰
2. 分类清理 — 按安全等级分级,先估大小再动手
3. 审计留痕 — 每次清理记录DNA+前后快照
4. 干跑模式 — 默认dry-run,确认后才真实删除
保护清单(绝对不碰):
- ollama 模型 (~/.ollama)
- 龍魂项目 (~/longhun-system/)
- SSH/GPG 密钥 (~/.ssh, ~/.gnupg)
- CodeBuddy IDE 数据
- 用户文档/桌面/下载
用法:
python3 bin/lh_cache_cleaner.py dry-run # 估算可清理空间(安全)
python3 bin/lh_cache_cleaner.py clean # 执行清理
python3 bin/lh_cache_cleaner.py status # 查看当前各目录大小
python3 bin/lh_cache_cleaner.py schedule # 查看定时任务状态
"""
import os
import sys
import json
import shutil
import subprocess
from pathlib import Path
from datetime import datetime
from typing import Dict, List, Tuple
# ═══ 配置 ═══
HOME = Path.home()
AUDIT_DIR = HOME / ".longhun" / "logs"
AUDIT_LOG = AUDIT_DIR / "cache_cleaner_audit.log"
STATE_FILE = HOME / ".longhun" / "cache_cleaner_state.json"
# 🔴 保护白名单 — 绝对不碰的路径(包括子目录)
SACRED_PATHS: List[Path] = [
HOME / ".ollama", # AI模型(167GB+)
HOME / "longhun-system", # 龍魂项目
HOME / ".ssh", # SSH密钥
HOME / ".gnupg", # GPG密钥
HOME / "Library" / "Application Support" / "CodeBuddyExtension", # IDE数据
HOME / "Desktop", # 桌面
HOME / "Documents", # 文档
HOME / "Downloads", # 下载
HOME / "Pictures", # 图片
HOME / "Music", # 音乐
HOME / "Movies", # 视频
]
# 🟢 安全清理目标 — 删除后不影响系统运行
SAFE_TARGETS = {
"pip_cache": {
"path": HOME / "Library/Caches/pip",
"desc": "pip 包管理器缓存",
},
"npm_cache": {
"path": HOME / ".npm/_cacache",
"desc": "npm 包管理器缓存",
},
"brew_cache": {
"cmd": "brew cleanup --prune=all 2>/dev/null",
"desc": "Homebrew 旧版本+缓存",
"type": "cmd",
},
"chrome_cache": {
"path": HOME / "Library/Caches/Google/Chrome",
"desc": "Chrome 浏览器缓存",
},
"chromium_cache": {
"path": HOME / "Library/Caches/Chromium",
"desc": "Chromium 浏览器缓存",
},
"huggingface_cache": {
"path": HOME / ".cache/huggingface",
"desc": "HuggingFace 模型下载缓存",
},
"whisper_cache": {
"path": HOME / ".cache/whisper",
"desc": "Whisper 语音模型缓存",
},
"uv_cache": {
"path": HOME / ".cache/uv",
"desc": "uv 包管理器缓存",
},
"playwright": {
"path": HOME / "Library/Caches/ms-playwright",
"desc": "Playwright 自动化浏览器",
},
"playwright_mcp": {
"path": HOME / "Library/Caches/ms-playwright-mcp",
"desc": "Playwright MCP 缓存",
},
"chrome_devtools": {
"path": HOME / ".cache/chrome-devtools-mcp",
"desc": "Chrome DevTools MCP 缓存",
},
"xcode_derived": {
"path": HOME / "Library/Developer/Xcode/DerivedData",
"desc": "Xcode 构建缓存",
},
"xcode_sim": {
"path": HOME / "Library/Developer/CoreSimulator",
"desc": "iOS 模拟器镜像",
},
"user_logs": {
"path": HOME / "Library/Logs",
"desc": "用户日志文件",
},
"trash": {
"path": HOME / ".Trash",
"desc": "废纸篓",
},
}
# 🟡 条件清理 — 需要确认后才执行
CONDITIONAL_TARGETS = {
"docker": {
"cmd": "docker system prune -a -f 2>/dev/null",
"desc": "Docker 未使用镜像/容器/网络",
"type": "cmd",
"check": "docker info > /dev/null 2>&1",
},
"ollama_old": {
"cmd": "echo '跳过 — ollama 模型手动管理'",
"desc": "ollama 旧模型(需手动确认)",
"type": "cmd",
},
}
def ensure_dirs():
AUDIT_DIR.mkdir(parents=True, exist_ok=True)
def audit_log(action: str, detail: str, status: str = "OK"):
ts = datetime.now().isoformat()
entry = f"[{ts}] {action} | {status} | {detail}\n"
with open(AUDIT_LOG, "a") as f:
f.write(entry)
def get_dir_size(path: Path) -> Tuple[int, str]:
"""获取目录大小,返回 (bytes, human_readable)"""
if not path.exists():
return 0, "0B"
try:
result = subprocess.run(
["du", "-sk", str(path)],
capture_output=True, text=True, timeout=30
)
if result.returncode == 0:
kb = int(result.stdout.split()[0])
return kb * 1024, _human_size(kb * 1024)
except Exception:
pass
return 0, "?"
def _human_size(bytes_val: int) -> str:
"""字节转可读格式"""
for unit in ["B", "KB", "MB", "GB", "TB"]:
if bytes_val < 1024:
return f"{bytes_val:.0f}{unit}"
bytes_val /= 1024
return f"{bytes_val:.0f}PB"
def is_sacred(path: Path) -> bool:
"""检查路径是否在保护白名单内"""
try:
resolved = path.resolve()
except Exception:
return True # 解析失败默认保护
for sacred in SACRED_PATHS:
try:
sacred_r = sacred.resolve()
if resolved == sacred_r or sacred_r in resolved.parents:
return True
except Exception:
pass
return False
def load_state() -> dict:
"""加载上次清理状态"""
if STATE_FILE.exists():
with open(STATE_FILE) as f:
return json.load(f)
return {"last_clean": None, "total_freed": 0, "clean_count": 0, "snapshots": []}
def save_state(state: dict):
with open(STATE_FILE, "w") as f:
json.dump(state, f, indent=2, ensure_ascii=False)
def snapshot() -> List[dict]:
"""扫描所有缓存目录当前大小"""
results = []
for key, target in {**SAFE_TARGETS, **CONDITIONAL_TARGETS}.items():
if "path" in target:
size, hr = get_dir_size(target["path"])
results.append({"key": key, "desc": target["desc"], "size_bytes": size, "size_hr": hr, "exists": target["path"].exists()})
return results
def dry_run():
"""估算可清理空间"""
print("\n🐉 缓存清理 · 干跑模式(仅估算,不删除)\n")
print(f"{'名称':<24} {'说明':<28} {'大小':>10} {'状态'}")
print("─" * 78)
total = 0
for key, target in SAFE_TARGETS.items():
if "path" in target:
size, hr = get_dir_size(target["path"])
exists = "✅ 可清理" if target["path"].exists() else "— 不存在"
else:
size, hr = 0, "?"
exists = "🔧 命令"
if size > 0:
total += size
print(f" {key:<22} {target['desc']:<26} {hr:>10} {exists}")
print("─" * 78)
# 条件目标
print(f"\n{'名称':<24} {'说明':<28} {'大小':>10} {'状态'}")
print("─" * 78)
cond_total = 0
for key, target in CONDITIONAL_TARGETS.items():
if "path" in target:
size, hr = get_dir_size(target["path"])
exists = "⚠️ 需确认" if target["path"].exists() else "— 不存在"
else:
size, hr = 0, "?"
exists = "⚠️ 需确认"
if size > 0:
cond_total += size
print(f" {key:<22} {target['desc']:<26} {hr:>10} {exists}")
print("─" * 78)
print(f"\n 🟢 可直接清理: {_human_size(total)}")
print(f" 🟡 确认后清理: {_human_size(cond_total)}")
print(f" 💰 合计可释放: {_human_size(total + cond_total)}")
print(f"\n 执行清理: python3 bin/lh_cache_cleaner.py clean")
print(f" 保护白名单: {len(SACRED_PATHS)} 条路径焊死不可碰\n")
def clean(confirm: bool = False):
"""执行实际清理"""
if not confirm:
print("\n⚠️ 请在确认后执行: python3 bin/lh_cache_cleaner.py clean --yes\n")
dry_run()
return
ensure_dirs()
ts = datetime.now()
state = load_state()
# 干跑快照
before = snapshot()
before_total = sum(s["size_bytes"] for s in before)
print(f"\n🐉 开始清理缓存... [{ts.strftime('%Y-%m-%d %H:%M:%S')}]")
print(f" 保护白名单: {len(SACRED_PATHS)} 条路径\n")
freed = 0
cleaned = []
skipped = []
errors = []
for key, target in SAFE_TARGETS.items():
if "path" in target:
path = target["path"]
# 安全检查
if is_sacred(path):
skipped.append(f"{key}: 🔴 保护白名单内,跳过")
continue
if path.exists():
try:
size_before, hr = get_dir_size(path)
# 安全删除:先移到临时位置再删(防止误删)
shutil.rmtree(path, ignore_errors=False)
freed += size_before
cleaned.append(f"{key}: {hr}")
print(f" ✅ {key:<22} → 释放 {hr}")
except Exception as e:
errors.append(f"{key}: {e}")
print(f" ❌ {key:<22} → {e}")
else:
skipped.append(f"{key}: 不存在")
elif target.get("type") == "cmd":
try:
result = subprocess.run(target["cmd"], shell=True, capture_output=True, text=True, timeout=120)
if result.returncode == 0:
# brew输出里提取释放大小
for line in result.stdout.split("\n"):
if "freed approximately" in line:
print(f" ✅ {key:<22} → {line.strip().split('approximately')[-1].strip()}")
cleaned.append(f"{key}: brew cleanup")
elif "Removing:" in line:
pass
else:
skipped.append(f"{key}: 命令跳过 (Docker可能未运行)")
print(f" ⏭️ {key:<22} → 跳过(可能未运行)")
except Exception as e:
errors.append(f"{key}: {e}")
# 清理后的快照
after = snapshot()
after_total = sum(s["size_bytes"] for s in after)
actual_freed = before_total - after_total
print(f"\n─" * 50)
print(f" 清理完成: {len(cleaned)} 项成功, {len(skipped)} 项跳过, {len(errors)} 项失败")
print(f" 估算释放: {_human_size(actual_freed)}")
# 更新状态
state["last_clean"] = ts.isoformat()
if actual_freed > 0:
state["total_freed"] = state.get("total_freed", 0) + actual_freed
state["clean_count"] = state.get("clean_count", 0) + 1
state["snapshots"].append({
"timestamp": ts.isoformat(),
"before_bytes": before_total,
"after_bytes": after_total,
"freed_bytes": actual_freed,
"cleaned": cleaned,
"skipped": skipped,
"errors": errors,
"dna": f"#龍芯⚡️{ts.strftime('%Y-%m-%d')}-CACHE-CLEAN-v1.0-{hash(str(cleaned)) % 0xFFFFFFFF:08x}",
})
# 只保留最近50条快照
state["snapshots"] = state["snapshots"][-50:]
save_state(state)
# 审计日志
audit_log("clean", f"freed={_human_size(actual_freed)}, cleaned={len(cleaned)}, skipped={len(skipped)}, errors={len(errors)}")
if errors:
audit_log("clean_errors", "; ".join(errors), "WARN")
def status():
"""查看当前缓存状态"""
print("\n🐉 当前缓存状态\n")
print(f"{'名称':<24} {'说明':<28} {'大小':>10}")
print("─" * 64)
total = 0
all_targets = {**SAFE_TARGETS, **CONDITIONAL_TARGETS}
for key, target in all_targets.items():
if "path" in target:
size, hr = get_dir_size(target["path"])
icon = "🟢" if key in SAFE_TARGETS else "🟡"
total += size
if target["path"].exists():
print(f" {icon} {key:<20} {target['desc']:<26} {hr:>10}")
print("─" * 64)
print(f" 合计: {_human_size(total)}")
# 历史统计
state = load_state()
if state["last_clean"]:
print(f"\n 上次清理: {state['last_clean'][:19]}")
print(f" 累计释放: {_human_size(state['total_freed'])}")
print(f" 清理次数: {state['clean_count']}")
else:
print(f"\n 尚未执行过自动清理")
# 保护白名单检查
print(f"\n 🔴 保护白名单 ({len(SACRED_PATHS)} 条):")
for p in SACRED_PATHS:
if p.exists():
size, hr = get_dir_size(p)
print(f" {p} ({hr})")
print()
def schedule_status():
"""查看定时任务状态"""
plist_path = HOME / "Library/LaunchAgents/com.uid9622.longhun-cache-cleaner.plist"
backup_plist_path = HOME / "Library/LaunchAgents/com.uid9622.longhun-auto-backup.plist"
print("\n🐉 定时任务状态\n")
for name, path in [("缓存清理 (每日)", plist_path), ("备份同步 (每周)", backup_plist_path)]:
exists = "✅ 已安装" if path.exists() else "❌ 未安装"
print(f" {name}: {exists}")
if path.exists():
# 读取plist看下次执行时间
import plistlib
with open(path, "rb") as f:
plist = plistlib.load(f)
cal = plist.get("StartCalendarInterval", {})
if cal:
print(f" 执行时间: 每日 {cal.get('Hour', '?')}:{str(cal.get('Minute', 0)).zfill(2)}")
print(f" 状态: {plist.get('RunAtLoad', False)=}")
print(f"\n 安装清理定时任务: python3 bin/lh_cache_cleaner.py install")
print(f" 安装备份定时任务: python3 bin/lh_cache_cleaner.py install-backup")
PLIST_CLEANER = """<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
<key>Label</key>
<string>com.uid9622.longhun-cache-cleaner</string>
<key>ProgramArguments</key>
<array>
<string>/usr/bin/python3</string>
<string>{base_dir}/bin/lh_cache_cleaner.py</string>
<string>clean</string>
<string>--yes</string>
</array>
<key>StartCalendarInterval</key>
<dict>
<key>Hour</key>
<integer>3</integer>
<key>Minute</key>
<integer>0</integer>
</dict>
<key>StandardOutPath</key>
<string>{home}/.longhun/logs/cache_cleaner_stdout.log</string>
<key>StandardErrorPath</key>
<string>{home}/.longhun/logs/cache_cleaner_stderr.log</string>
<key>RunAtLoad</key>
<false/>
<key>KeepAlive</key>
<false/>
</dict>
</plist>
"""
PLIST_BACKUP = """<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN" "http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
<key>Label</key>
<string>com.uid9622.longhun-auto-backup</string>
<key>ProgramArguments</key>
<array>
<string>/usr/bin/python3</string>
<string>{base_dir}/bin/lh_backup_automation.py</string>
<string>auto</string>
</array>
<key>StartCalendarInterval</key>
<dict>
<key>Weekday</key>
<integer>0</integer>
<key>Hour</key>
<integer>4</integer>
<key>Minute</key>
<integer>0</integer>
</dict>
<key>StandardOutPath</key>
<string>{home}/.longhun/logs/auto_backup_stdout.log</string>
<key>StandardErrorPath</key>
<string>{home}/.longhun/logs/auto_backup_stderr.log</string>
<key>RunAtLoad</key>
<false/>
<key>KeepAlive</key>
<false/>
</dict>
</plist>
"""
def install_cleaner():
"""安装每日缓存清理定时任务"""
plist_path = HOME / "Library/LaunchAgents/com.uid9622.longhun-cache-cleaner.plist"
home_str = str(HOME)
base_dir = HOME / "longhun-system"
content = PLIST_CLEANER.format(home=home_str, base_dir=str(base_dir))
plist_path.parent.mkdir(parents=True, exist_ok=True)
with open(plist_path, "w") as f:
f.write(content)
subprocess.run(["launchctl", "bootout", f"gui/{os.getuid()}/{plist_path.name}"],
capture_output=True)
subprocess.run(["launchctl", "bootstrap", f"gui/{os.getuid()}", str(plist_path)],
capture_output=True)
print(f"✅ 每日缓存清理已安装 (每天 3:00 AM)")
print(f" plist: {plist_path}")
print(f" 日志: ~/.longhun/logs/cache_cleaner_*.log")
def install_backup():
"""安装每周备份同步定时任务"""
plist_path = HOME / "Library/LaunchAgents/com.uid9622.longhun-auto-backup.plist"
home_str = str(HOME)
base_dir = HOME / "longhun-system"
content = PLIST_BACKUP.format(home=home_str, base_dir=str(base_dir))
plist_path.parent.mkdir(parents=True, exist_ok=True)
with open(plist_path, "w") as f:
f.write(content)
subprocess.run(["launchctl", "bootout", f"gui/{os.getuid()}/{plist_path.name}"],
capture_output=True)
subprocess.run(["launchctl", "bootstrap", f"gui/{os.getuid()}", str(plist_path)],
capture_output=True)
print(f"✅ 每周备份同步已安装 (每周日 4:00 AM)")
print(f" plist: {plist_path}")
print(f" 日志: ~/.longhun/logs/auto_backup_*.log")
# ═══ 入口 ═══
def main():
ensure_dirs()
if len(sys.argv) < 2:
print(__doc__)
return
cmd = sys.argv[1].lower()
if cmd in ("dry-run", "dryrun", "dry_run", "estimate"):
dry_run()
elif cmd == "clean":
confirm = "--yes" in sys.argv or "-y" in sys.argv
clean(confirm=confirm)
elif cmd in ("status", "st"):
status()
elif cmd == "schedule":
schedule_status()
elif cmd == "install":
install_cleaner()
print("\n💡 同时安装备份定时任务: python3 bin/lh_cache_cleaner.py install-backup")
elif cmd == "install-backup":
install_backup()
else:
print(f"❌ 未知命令: {cmd}")
print(" 可用: dry-run | clean | status | schedule | install | install-backup")
if __name__ == "__main__":
main()
259



被折叠的 条评论
为什么被折叠?



