运维与平台工程师经常要做「Dockerfile 优化」这类事：缩小镜像体积、利用缓存并减少安全隐患。每次都从头写提示词，结果时好时坏；把它做成智能体 Skill，就能让智能体每次按同一套步骤执行，输出结构也更稳定。

项目说明
技能Dockerfile 优化（dockerfile-optimize）
作用缩小镜像体积、利用缓存并减少安全隐患
输入Dockerfile
输出优化后的 Dockerfile 与对比
形态带脚本
风险低
适用人群运维与平台工程师

1. 「Dockerfile 优化」技能和直接写提示词有什么区别？

技能把步骤、格式和约束固定下来，由平台在相关时自动加载；提示词需要每次手动提供，效果依赖当次写法。

2. 需要会编程吗？

不需要。不过这个技能带脚本，脚本部分需要有人能维护。

3. 哪个平台最适合？

取决于你在哪里工作：写代码的团队适合 Claude Code、Cursor 等编码工具；业务团队适合 GPTs、扣子、百炼、飞书 aily 等平台。可以先读介绍。

4. 输出可以直接用吗？

不建议。风险较低，但输出仍需快速过目再使用。

5. 缺资料时会怎样？

如果技能里写了“信息不足先提问”，智能体会先列出缺失项；没写的话可能自行补全，这正是要避免的。

6. 能处理很长的材料吗？

取决于模型上下文长度。材料过长时，建议在技能中要求分段处理并说明处理范围。

7. 数据安全怎么保证？

测试时使用脱敏样例，按最小权限配置工具，并确认平台的数据政策。详见安全审查。

8. 效果不好怎么办？

按故障排查对照症状，一次只改一处并重跑测试。

交付物结构示例

建议把优化后的 Dockerfile 与对比固定成下面的结构（示意），方便复核与归档：

## 结论
一句话说明最重要的发现或结果

## 主要内容
- 分析层结构：……
- 合并与排序指令：……
- 采用多阶段构建：……
- 用非 root 用户运行：……

## 依据
- 引用输入中的具体位置或数据

## 需人工确认
- ……（没有则写“无”）

结构固定之后，复核的人只要先看“结论”和“需人工确认”两部分，就能快速判断结果能否使用。

平台选择建议

同一个「Dockerfile 优化」技能可以落在不同平台上，选择时主要看你在哪里工作、要不要执行代码、要不要接外部系统：

  • Cursor Rules：Cursor 用项目规则（Project Rules）给智能体注入长期指令。详见Cursor Rules 版
  • Windsurf Rules：Windsurf 的规则用于约束 Cascade 智能体的行为。详见Windsurf Rules 版
  • Dify 工作流：Dify 是开源的大模型应用开发平台。详见Dify 工作流 版

这个技能需要运行本地脚本（解析文件、调用命令行工具等），要求运行环境允许执行代码，可据此排除不支持相应能力的平台。

智能体与人的分工

技能不是把工作全部交出去，而是把重复、机械的部分交给智能体，人把住判断和责任：

步骤智能体负责人负责
分析层结构按指令完成并给出依据抽查关键处，确认无误
合并与排序指令按指令完成并给出依据抽查关键处，确认无误
采用多阶段构建按指令完成并给出依据抽查关键处，确认无误
用非 root 用户运行按指令完成并给出依据抽查关键处，确认无误
最终交付整理优化后的 Dockerfile 与对比决定是否采用、是否对外

风险较低，但输出仍需快速过目再使用。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。