很多用户兴致勃勃地尝试在本地部署Manus AI，却在最后关头遭遇报错卡住——常见提示包括“connection refused”或“model load timeout”。不少人逐一排查网络、反复检查配置，忙碌半天依然毫无头绪。其实，问题的真实原因往往很简单：磁盘空间已被耗尽。

在部署过程中，Manus AI会自动下载大模型权重文件、缓存向量索引、保存运行日志以及临时推理中间件，单次完整部署可能瞬间占用15GB到40GB的存储空间。一旦系统盘剩余容量低于8GB，Docker拉取镜像或ChromaDB初始化时就会直接报错，而错误提示常常被误报为网络超时或连接拒绝，核心问题其实是磁盘写入失败。

Manus AI部署时磁盘空间不足的直接原因

本地部署时，Manus AI会自动触发一系列资源下载与缓存操作：大模型权重文件、向量数据库索引、容器日志、推理中间件等都会堆积在系统盘上。单次完整部署的瞬时磁盘占用可达15～40GB。若系统盘剩余空间不足8GB，Docker在拉取镜像或ChromaDB在初始化时就会直接失败，错误信息往往被伪装成“connection refused”或“model load timeout”，但根本原因就是磁盘写入失败。

立即释放空间的三步操作

遇到报错不要慌张，按照以下三步操作，可以快速回收大量存储空间：

第一步：强制清理Docker未使用资源
打开终端，执行：
docker system prune -a --volumes
这条命令会删除所有已停止的容器、无标签镜像、悬空构建缓存以及关联的卷。【务必确认当前没有正在运行的AI服务容器，否则将丢失全部持久化数据】。

第二步：清空Manus AI项目目录下的临时产出
进入Manus AI部署根目录（例如 ~/manus-ai），执行：
rm -rf .cache/ logs/ vector_db/
这三个文件夹是运行时高频生成垃圾的源头：.cache存放模型分片缓存，vector_db是ChromaDB默认存储路径，logs每小时可能产生200MB以上的调试日志。

第三步：卸载已失效的Python依赖包
运行
pip list --outdated | grep -E "(langchain|llama-cpp|chromadb)" | awk '{print $1}' | xargs pip uninstall -y
旧版本langchain与llama-cpp存在重复的模型缓存逻辑，残留包会静默占用3～7GB空间，而且未必会出现在pip list常规列表中。

规避后续部署失败的关键设置

清理空间只是权宜之计，要想一劳永逸，需要在部署前做好以下三项配置：

方法一：禁用Docker默认存储驱动overlay2的自动快照
编辑 /etc/docker/daemon.json，添加：
{"storage-driver": "overlay2","storage-opts": ["overlay2.override_kernel_check=true","overlay2.size=5G"]}
这样限制单个镜像层的最大体积为5GB，防止某次拉取时空间失控膨胀。

方法二：重定向Manus AI向量库路径至大容量分区
启动服务前，设置环境变量：
export CHROMA_DB_IMPL="duckdb+parquet"
export CHROMA_PERSIST_DIRECTORY="/data/manus-vector-store"
【/data必须是挂载的大容量独立分区，且确保该路径已存在并赋予755权限】。

方法三：关闭Manus AI的自动模型缓存机制
修改 config.yaml 中的 model_cache_enabled: false，并将 model_path 直接指向已手动下载好的GGUF文件绝对路径（例如 /models/llama3-8b.Q5_K_M.gguf），跳过在线校验与二次解压流程，既能节省空间，也能加速启动。