把「Dockerfile 优化」交给智能体，难点不在模型能力，而在流程是否说清楚：输入是什么（Dockerfile），按什么顺序处理，交付什么（优化后的 Dockerfile 与对比），哪些事不能做。Skill 就是把这些写下来的载体。

一句话说明

「Dockerfile 优化」技能让智能体缩小镜像体积、利用缓存并减少安全隐患。你提供Dockerfile，它按固定步骤处理，交付优化后的 Dockerfile 与对比。

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

它解决什么问题

没有技能时，运维与平台工程师每次都要重新描述要求，智能体的输出时详时略、格式不一，关键的检查步骤也经常被跳过。把流程写成技能后：

  • 每次都按同样的顺序执行：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
  • 输出结构固定，便于复核和归档
  • 领域规矩（如「变更类命令先在测试环境演练，并准备好回滚」）写在技能里，不靠临时提醒

适合与不适合

适合：经常处理Dockerfile、希望结果格式统一、愿意花十分钟把流程写清楚的运维与平台工程师。

不适合：一次性的临时任务；需要大量现场判断、无法写成步骤的工作；以及没有人复核就要直接对外使用的场景。

可以在哪些平台实现

同一个技能的思路可以落在不同平台上，常见选择有：

  • GPTs：GPTs 是在 ChatGPT 中创建的定制版助手
  • Cursor Rules：Cursor 用项目规则（Project Rules）给智能体注入长期指令
  • GitHub Copilot 指令与提示文件：GitHub Copilot 支持仓库级自定义指令文件 .github/copilot-instructions.md
  • MCP 服务：MCP（模型上下文协议）是一个开放协议

怎么开始

建议先用纯提示词版本在日常对话助手里试几次，确认步骤合理；再按SKILL.md 写法封装成技能；最后用测试用例验收。

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；风险较低，但输出仍需快速过目再使用。

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。