研究笔记

整文件查重看不到的 Codex 会话内重复图片

我们检查了一台日常在用的 Mac 上的 1,467 个 Codex 会话文件。按整个文件查重，一个重复都没有，因为没有两个文件完全相同。可一看文件内部，解码后的图片字节里有 76.9% 是前面出现过的图片的副本。

我们测了什么

2026 年 9 月，我们读取了一台日常在用的 Mac 上全部的 Codex 会话文件，一共 1,467 个，合计 16.509 GB。整个过程只读，没有改写、移动或删除任何文件。

Codex 会把截图等图片编码成文本，直接存进会话文件里。我们把能识别出的图片内容都找出来，解码后对图片字节计算 SHA-256。哈希一样就是同一张图，不管它在哪个文件里。

这些文件里，图片一共出现了 62,014 次，但不同的哈希只有 12,104 个。解码后的图片合计 5.987 GB。每张图只保留第一次出现，后面的都算副本，副本加起来有 4.605 GB，占解码后图片数据的 76.9%。

重复文件查找工具比较的是整个文件，放在这台 Mac 上会报告“没有重复”。重复藏在对话内部。至于每个副本为什么会被写进去，这次没有去追，那需要另做研究。

样本只有一台 Mac 和它的使用习惯，换一台机器，这个比例可能高很多，也可能低很多。认不出是图片的内容，没有算进图片统计。这是一项文件内容研究，和 Mint 清理得准不准没有关系。

76.9% 的分母只是解码后的图片字节。会话文件里还有文本，磁盘占用又是另一种算法，所以请别把它当成能腾出多少空间的估算。

同一张图出现两次，不等于可以放心改写对话。别的对话可能是在这段对话的基础上接着来的，你也可能还想留着这些截图，而且 Codex 只支持对自己的文件做特定的改动。先想清楚这些，再看哈希。

在 Mint 里，Codex 对话在“硬盘”页有单独的一组。“优化”会把对话里的截图换成小预览，音频和视频换成占位内容，文字原样保留；“永久删除”会通过 Codex 把整段对话删掉。两种操作都不能撤销。如果有别的对话是在某段对话的基础上接着来的，优化时会跳过那段对话。

不是。这个数字是这份样本里解码后图片字节的占比。会话文件里还有文本，这次研究也没有估算能回收多少空间。

这类工具比较的是整个文件，而这 1,467 个会话文件没有两个完全相同。重复的图片分散在不同文件的内部。

没有。这是在单台 Mac 上做的内容研究。要衡量准确率，得在更多机器和应用版本上准备标注样本。

开始 Mint 试用，打开“硬盘”页，先看看 AI 工具在磁盘上存了哪些东西，再决定要不要动它们。