「Dockerfile 优化」是运维与平台工程师的高频任务。它的输入通常是Dockerfile，期望得到的是优化后的 Dockerfile 与对比。这类有固定流程、又需要一点判断力的工作，很适合封装成智能体 Skill。

一个人用得顺手的技能，推广到团队时会遇到新问题：放在哪、谁来改、怎么知道它变好了还是变坏了。下面以「Dockerfile 优化」为例给出落地做法。

1. 统一存放位置

  • 编码类工具：放在仓库中（如 .claude/skills/dockerfile-optimize/、.cursor/rules/），随代码评审
  • 业务平台（GPTs、扣子、百炼、飞书 aily 等）：指定一个管理员账号维护，避免多人各建一份
  • 在团队文档中登记：技能名、负责人、适用场景、当前版本

2. 版本与变更记录

在技能目录里放一个 CHANGELOG，每次修改写明改了什么、为什么改、测试结果。重大修改先在小范围试用一周。

3. 评审规则

修改技能和修改代码一样要评审，重点看：

  • 步骤是否仍覆盖：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
  • 约束是否仍包含「变更类命令先在测试环境演练，并准备好回滚」
  • 测试集是否全部通过

4. 培训与说明

给团队写一页使用说明：什么时候用、怎么触发、输出怎么复核、遇到问题找谁。附一个场景实录帮助理解。

5. 收集反馈

设一个固定渠道收集“用得不好”的案例，每两周集中处理一次，把典型问题补进测试集。不要依赖印象判断效果，以测试集与真实反馈为准。

6. 权限与合规

风险较低，但输出仍需快速过目再使用。团队共享时尤其要确认：技能能访问哪些数据、谁能修改技能、离职或转岗后权限是否回收。

推广节奏建议

阶段范围目标
试点2～3 人跑通流程，修正明显问题
扩大一个小组补齐测试集与使用说明
全员整个团队纳入日常流程，定期评审

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。