Core本地部署自动化脚本：一键更新模型与清理缓存指南

当Core本地推理服务出现模型版本滞后或磁盘空间不足时，通常源于两个核心症结：本地模型文件未与上游仓库同步，或缓存目录积累了过多历史数据，从而拖慢响应速度甚至引发加载错误。遵循以下步骤，可系统性地解决这些问题。

一、执行一键模型更新脚本

最高效的方案是调用项目内置的更新脚本。该脚本通过智能比对远程模型仓库的哈希值与本地文件的“指纹”，仅拉取发生变动的增量更新包，并执行热替换操作。这种设计既避免了全量下载的带宽与时间消耗，也确保了推理服务的连续性。

操作流程如下：

1. 进入Core部署的根目录，确认其中存在名为 update-model.sh 的脚本文件。

2. 为其赋予可执行权限：chmod +x update-model.sh。

3. 运行更新命令，并指定目标模型，例如：./update-model.sh --model glm-4-flash --force-reload。

4. 等待终端输出 [SUCCESS] Model reload completed, inference service restarted 提示，即表示模型更新与服务重启已完成。

二、触发缓存自动清理流程

长期运行的服务会在缓存目录（通常为 /cache/llm/）中残留过期文件，例如未被访问的临时权重、中间层激活缓存及旧日志快照。这些数据会持续侵占磁盘空间。

Core内置的清理工具可安全扫描并移除这些过期资源：

1. 执行指令：core-cli cleanup --scope cache --ttl 7d --dry-run false。参数 --ttl 7d 定义了清理超过7天的缓存，您可根据实际需求调整此时长。

2. 执行后，关注输出信息。若出现类似 327 items scheduled for deletion 的标记及预估可释放的空间大小，则表明扫描已生效。

3. 此清理过程是安全的。系统会自动跳过被当前推理进程锁定的活跃缓存块，仅处理已完全闲置的资源。

三、手动强制刷新模型元数据缓存

若您通过外部工具直接修改了模型的配置文件（如 config.json 或 tokenizer.json），Core服务可能仍在内存中持有旧的元数据索引，导致修改未能即时生效。

此时，需手动介入以强制刷新元数据：

1. 首先，定位到您的模型加载路径，例如：/models/glm-4-plus/。

2. 找到并删除元数据缓存文件：rm -f .metadata_cache.bin。请注意，此文件为隐藏文件，名称以点号开头。

3. 最后，向正在运行的Core服务进程发送重载信号：kill -SIGUSR2 $(pgrep -f "core-server")。此操作将触发服务重新读取最新的配置文件，而无需完整重启服务进程。