Git 从零讲清：AI 为什么能让一个网站代码库涨到 50G

admin@yesmiracle.net (万戈) — Sat, 24 Oct 2026 00:00:00 +0000

一个简简单单的网站代码库，本地占了 50G。

遇到这种情况，多数人的第一反应是「AI 又乱搞了」。但真实原因往往更平淡：AI 建了一堆 workspace，而没有任何人删过它们。而这件事之所以会发生，是因为你不懂 Git 的工作模型，于是没法判断「哪些目录是正常的、哪些是多出来的」。

所以这篇从最基础的地方讲起，最后落到那 50G 是怎么来的、以及怎么清掉。文里的磁盘数字都是我在一个真实的网站仓库上实测的，不是估的。

一、Git 的最小模型：三个区域

Git 真正需要你先记住的东西只有三个区域。

区域	是什么	文件在哪
工作区	你打开编辑器看到、能改的那些文件	你的项目目录
暂存区	一份「我准备把哪些改动提交进去」的清单	`.git/index`
仓库	已经提交过的历史	`.git/` 里面

日常三条命令正好对应这三个区域之间的关系：

git add <文件>      # 工作区 → 暂存区：把这次改动放进「准备提交」清单
git commit -m "..." # 暂存区 → 仓库：把清单上的内容做成一个提交，永久记下来
git checkout <分支> # 仓库 → 工作区：把某个历史状态取出来，覆盖到工作区

这张图是理解后面一切的基础。尤其要记住第三行：Git 可以从仓库里重新生成工作区的文件。这意味着工作区在 Git 的设计里是一个可以随时重建的临时产物，而不是数据本体。数据本体在 .git 里。

这个认知后面会用到，因为它直接决定了「删工作区」这件事在 Git 的模型里是不是安全。

为什么要有暂存区

新手最常见的疑问是：为什么不直接提交，中间非要加一层？

因为「改了什么」和「这次提交想包含什么」经常不是一回事。你在一个文件里同时修了一个 bug、顺手改了个错别字，暂存区让你把这两件事拆成两个提交。它把「编辑」和「组织历史」拆成了两个独立动作。

觉得麻烦的话，git commit -a 可以跳过暂存区把已跟踪文件的改动一起提交。但知道它存在比一直用 shortcuts 更重要，因为迟早你会需要只提交文件里的一部分改动（git add -p）。

二、一次提交到底做了什么

这里有个反直觉的事实：Git 存的是快照，不是改动。

很多人以为 Git 记录的是「第 1 行改了什么」，其实每次提交 Git 都存下那一时刻所有文件的内容。听起来很浪费，但它用两个机制把浪费消掉了。

机制一，内容寻址。 Git 里的每个对象都用它自己内容的哈希值命名。两个文件内容完全一样，就只存一份，因为它们算出同一个哈希。所以「存了 100 个版本的快照」实际占用的空间远小于 100 倍。

机制二，对象只有四种。

对象	存什么
blob	一个文件的内容
tree	一个目录的结构（哪些文件名指向哪些 blob/tree）
commit	指向一个 tree，加上作者、时间、提交信息、父提交
tag	给某个对象起的带注释的名字

于是「一次提交」在磁盘上就是：一堆 blob（内容）加一层 tree（目录结构）加一个 commit（指向那层 tree）。没改动的文件不会产生新 blob，新的 tree 只是复用旧的哈希。

分支是什么

这是新手最容易想复杂的地方。分支不是一份代码副本，它是一个文件，里面只有一行：一个提交的哈希值。

cat .git/refs/heads/master
# 输出类似：4a2097c8f3...（40 个字符）

就这样。所以「建一个分支」几乎不占空间，也不用复制代码。你在新分支上提交，Git 只是把这个文件里的哈希改成了新的提交。原来的提交还在，因为它被别的引用指着。

HEAD 是另一个小文件，它通常不直接存哈希，而是写「我现在在哪个分支上」：

cat .git/HEAD
# ref: refs/heads/master

理解这两条之后，「切换分支」为什么快也就清楚了：改一个文件里的一个哈希，然后把工作区的文件换成那个提交对应的内容。

三、`.git` 里到底有什么

按重要性排：

路径	作用
`objects/`	对象库，所有 blob/tree/commit 都在这。松散对象直接放，打包后进 `pack/`
`refs/heads/`	本地分支（每个分支一个文件，一行哈希）
`refs/tags/`	标签
`HEAD`	当前在哪个分支
`index`	暂存区
`logs/`	reflog，记录 HEAD 的移动历史（救命用的）
`config`	仓库配置
`worktrees/`	链接工作区的元数据，后面会重点讲

看对象库的实际占用，用这条命令：

git count-objects -vH

它输出的是这样（这是我在那个真实仓库上跑出来的）：

count: 1621                    # 松散对象的个数
size: 8.21 MiB                 # 松散对象占用
in-pack: 3574                  # 已打包对象的个数
packs: 2                       # pack 文件个数
size-pack: 71.54 MiB           # pack 占用
prune-packable: 17             # 已打包但松散副本还在的，可清
garbage: 0                     # 无效文件
size-garbage: 0 bytes

这里的 size 加 size-pack 大约是 80 MiB，正好对应那个仓库 .git 目录的 82M。这个数字是健康的：818 个跟踪文件的网站仓库，历史全加起来 82M。

记住这个量级。等下你就知道 50G 跟它差了几个数量级。

四、worktree：AI 为什么会给你长出 workspace

现在进入正题。

git worktree 是 Git 2015 年就有的功能，官方定义是：一个独立的工作目录，有自己的文件和分支，但与主检出共享同一份仓库历史和远端。

官方术语里，git clone 出来的那个叫「主工作区」（main worktree），git worktree add 出来的是「链接工作区」（linked worktree）。一个仓库有一个主工作区，加上零个或多个链接工作区。

命令不多：

git worktree add <路径> -b <新分支>   # 建一个
git worktree list                     # 列出全部
git worktree remove <路径>            # 删一个
git worktree prune                    # 清理已经不存在的记录
git worktree lock / unlock            # 锁定/解锁（防误删）

为什么 AI 会用这个？因为并行。你让 AI 同时干两件事，它需要两份互不干扰的文件，于是给每件事开一个 worktree。Claude Code 的官方文档把这条讲得很直白：每个会话一个 worktree，就有了一份独立的文件副本，一个会话做功能、另一个会话修 bug 不会互相踩。

Claude Code 的默认行为

这是我认为每个用 AI 写代码的人都该知道的一段，因为官方文档自己写了：

加 --worktree（或 -w）加一个名字，就会建一个隔离的 worktree 并在里面启动
默认位置是仓库根目录下的 .claude/worktrees/<名字>/，分支名是 worktree-<名字>
官方还给了一条提示：把 .claude/worktrees/ 加进 .gitignore，否则这些内容会作为未跟踪文件出现在你的主检出里
然后是关键的一句：「worktree 是一次全新检出，所以要在里面初始化开发环境：让 Claude 装依赖，或者你自己在 worktree 目录里跑项目的安装命令。」

最后这句就是 50G 的起点。而在清理那一节，官方还写了另一句：

非交互运行（-p）没有退出提示，所以 Claude 不会清理它们的 worktree，而且 Claude Code 在每个 worktree 上留了一把创建时拿的锁，直到后续某个会话的过期锁清扫才释放。

「没有退出提示，所以不会清理」——这就是「AI 建了不删」的官方解释。这是设计上的取舍，谈不上 bug：无人值守跑的时候没人可问，于是干脆不删。

Codex 也一样。openai/codex 仓库里有一个独立的 codex-rs/worktree/ 模块（带 src/、tests/），说明它的 worktree 支持是内建能力，不是外挂。

现在算账：50G 是怎么来的

我在一个真实的网站仓库上做了实测。这个仓库 818 个跟踪文件：

项	实测大小
工作区（不含 `.git`）	265M
其中 `.git`	82M
其中 `public/`	141M
其中 `resources/`	52M
建一个 worktree 后，主 `.git`	仍是 82M
新建的 worktree 本身	72M

两个结论值得记住。

第一，worktree 不会让 .git 翻倍。建了之后主仓库的 .git 还是 82M，因为对象库是共享的。这一点很重要，因为它意味着「worktree 很省」这个印象在 .git 这一层是对的。它省是因为每个链接工作区里的 .git 只是一个 51 字节的文件，内容是：

gitdir: /opt/data/hugo-blog/.git/worktrees/wt-demo

一行指针，指回主仓库的对象库。对象存一份，多个工作区共用。

第二，工作区文件是真复制。新建的 worktree 是 72M，那是 818 个文件的完整检出。

而真正让数字爆炸的是 public/ 那 141M 和 resources/ 那 52M：这些是构建产物，不是 Git 跟踪的文件。所以新建的 worktree 一开始只有 72M，你一旦在里面跑一次构建或装一次依赖，它就会朝 265M 长。前端项目更极端，一个 node_modules 通常几百 M 到 1G 以上。

于是算一笔账：如果 AI 给你建了 50 个 worktree，每个都在里面装过依赖或跑过构建，就是 50 × 1G ≈ 50G。 而主仓库的 .git 始终只有几十 M。

这就是那个 50G 的完整来源。它跟代码大小无关，也跟 Git 存了多少无关，它是工作区的副本数量乘以每个工作区里那些不受 Git 管理的部分的体积。

五、三步查清楚

别急着删，先看清楚状况。三条命令，从外到内：

第一步是看目录体积的分布，目的是分清「Git 管的」和「你自己装出来的」：

du -sh --exclude=.git .     # 工作区总共多大
du -sh .git                 # 历史占多少
du -sh * .[!.]* 2>/dev/null | sort -hr | head -15   # 谁最大

如果最大的几个是 node_modules、public、dist、build、target、.venv 这类名字，那基本可以确定问题不在 Git，在重复的构建产物。

第二步是看有哪些 worktree：

git worktree list

正常输出是一行一个工作区，带路径、提交和分支。如果有十几行、路径在 .claude/worktrees/ 下面，那就是了。

第三步是看对象库有没有异常膨胀：

git count-objects -vH

对照前面那张字段表。重点看两个：garbage 和 size-garbage 应该接近 0；prune-packable 有点数是正常的。如果 size（松散对象）很大，说明很久没做过垃圾回收。

六、安全清理的顺序

按这个顺序做，每一步都可以先看再做。

第 1 步，先看，再决定删哪个：

git worktree list

第 2 步，目录已经手动删掉的，用 prune 清记录。先 dry-run：

git worktree prune -n -v     # -n 是 dry-run，只看会删什么
git worktree prune -v        # 确认后再真删

这一步值得单独说，因为它对应一个很常见的状态。我实测过：直接 rm -rf 掉 worktree 目录之后，git worktree list 仍然会列出它，并且标注 prunable：

/opt/data/hugo-blog  4a2097c [master]
/tmp/wt-demo         4a2097c [worktree-demo] prunable

prune -n 会告诉你它准备删什么：

Removing worktrees/wt-demo: gitdir file points to non-existent location

也就是说：手删目录之后 Git 不知道，那些元数据会一直留着，让 git worktree list 的输出越来越长，你也越来越看不清哪个是活的。

第 3 步，正常的删除方式（推荐）：

git worktree remove <路径>

如果它报错说 worktree 被锁了（无人值守的 AI 会话留下的锁），先解锁：

git worktree unlock <路径>
git worktree remove <路径>

第 4 步，清完之后做一次垃圾回收：

git gc

第 5 步，关于 git clean，必须加一句警告。它会删掉未跟踪的文件，而 node_modules、.env、你还没提交的新文件全都属于「未跟踪」。所以永远先跑 dry-run：

git clean -nd    # -n = dry run，只列出会被删的东西
git clean -fd    # 确认清单没问题之后再执行

git clean -fdx 里的 -x 更狠，连 .gitignore 里忽略的文件也一起删。它是清 node_modules 最快的办法，也是误删本地配置最快的办法。

第 6 步，顺手做一件预防的事。按官方提示，把 AI 的 worktree 目录加进 .gitignore：

echo ".claude/worktrees/" >> .gitignore

这样它们至少不会污染 git status。

七、为什么这件事本来不该发生

最后说一个判断，因为我觉得它比上面所有命令都重要。

在 Git 的模型里，工作区是可以随时重建的。第一节那张表里第三行 git checkout 就是这件事：从仓库里重新生成文件。这个设计前提意味着，重建一个工作区的成本应该很低，低到「用完就扔」是自然的做法。

而 AI 把「建」变得极便宜：一条命令。但它没有把「清」变得更便宜，因为清理需要知道这个工作区里有没有还没提交的东西，那是需要判断的，不能自动化。于是建和清的成本出现了不对称，结果就是只增不减。

所以新手真正需要跨过的那道坎，在于知道那条分界线在哪：哪些目录是 Git 管的，哪些是你自己装出来的。命令本身不重要。

这条线就是 .gitignore 的边界。线的里面，删了能从仓库重建，随便删；线的外面（node_modules、构建产物、.env），删了要重新装、重新配，Git 帮不了你。50G 全部来自线的外面。 而 du -sh * | sort -hr | head 这条命令，就是把这条线画出来的工具。

从这个角度回头看第一节那张三个区域的表，你会发现它不只是为了应付面试。它决定了你面对一个陌生的项目目录时，能不能在三秒内说出「这一半是代码，那一半是产物」。

写在最后

这篇的起点是一个很具体的麻烦，但落点是一条分界线。Git 的基础知识之所以值得学，不是因为你得手敲命令（AI 可以替你敲），而是因为没有它，你就没有能力验收 AI 做的事。AI 建了 50 个 worktree 不删，这个行为本身在 Git 的模型里是合理的，不合理的是没人能判断出该删哪些。

如果只想记一件事，就记这条：出问题先跑 du -sh * | sort -hr | head，看最大的那几个是不是构建产物。 是的话，问题跟 Git 无关，跟没人清理有关。

最后交代证据边界：文中 Claude Code 和 Git 的行为描述来自两边官方文档；磁盘数字和 prunable 那个状态是我在一个真实的网站仓库上实测的，命令和输出都贴在正文里，可以自己复现。

新手入门 on AI博士 万戈