Zurück zu Fähigkeiten

create-dockerfile

pjt222
Aktualisiert Yesterday
5 Ansichten
17
2
17
Auf GitHub ansehen
Metaaidesign

Über

Diese Claude-Fähigkeit erstellt produktionsreife Dockerfiles für Node.js-, Python-, Go-, Rust- und Java-Anwendungen. Sie behandelt Kernaspekte wie Basis-Images, Abhängigkeiten, Berechtigungen und Entrypoint-Konfiguration. Nutzen Sie sie bei der erstmaligen Containerisierung eines Projekts oder bei der Vorbereitung einer App für konsistente Bereitstellung in Cloud- oder Docker-Compose-Umgebungen.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add pjt222/agent-almanac -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativ
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/create-dockerfile

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

Dokumentation

造 Dockerfile

為通用應用項目寫可投產之 Dockerfile。

適用時機

  • 容器化 Node.js、Python、Go、Rust、Java 應用
  • 造一致之建構/執行環境
  • 備應用以供雲部署或 Docker Compose
  • 項目中無既存 Dockerfile

輸入

  • 必要:項目語言與入口(如 npm startpython app.py
  • 必要:依賴清單(package.json、requirements.txt、go.mod、Cargo.toml、pom.xml)
  • 選擇性:目標環境(開發或生產)
  • 選擇性:暴露之埠

步驟

步驟一:擇基礎映像

語言開發映像生產映像大小
Node.jsnode:22-bookwormnode:22-bookworm-slim~200MB
Pythonpython:3.12-bookwormpython:3.12-slim-bookworm~150MB
Gogolang:1.23-bookwormgcr.io/distroless/static~2MB
Rustrust:1.82-bookwormdebian:bookworm-slim~80MB
Javaeclipse-temurin:21-jdkeclipse-temurin:21-jre~200MB

預期: 生產映像擇 slim/distroless 變體。

步驟二:寫 Dockerfile(按語言)

Node.js

FROM node:22-bookworm-slim

RUN groupadd -r appuser && useradd -r -g appuser -m appuser

WORKDIR /app

COPY package.json package-lock.json ./
RUN npm ci --omit=dev

COPY . .

USER appuser
EXPOSE 3000
CMD ["node", "src/index.js"]

Python

FROM python:3.12-slim-bookworm

RUN groupadd -r appuser && useradd -r -g appuser -m appuser

WORKDIR /app

COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

USER appuser
EXPOSE 8000
CMD ["python", "app.py"]

Go

FROM golang:1.23-bookworm AS builder

WORKDIR /src
COPY go.mod go.sum ./
RUN go mod download
COPY . .
RUN CGO_ENABLED=0 go build -o /app/server ./cmd/server

FROM gcr.io/distroless/static
COPY --from=builder /app/server /server
EXPOSE 8080
ENTRYPOINT ["/server"]

Rust

FROM rust:1.82-bookworm AS builder

WORKDIR /src
COPY Cargo.toml Cargo.lock ./
RUN mkdir src && echo "fn main() {}" > src/main.rs && cargo build --release && rm -rf src

COPY . .
RUN touch src/main.rs && cargo build --release

FROM debian:bookworm-slim
RUN apt-get update && apt-get install -y ca-certificates && rm -rf /var/lib/apt/lists/*
COPY --from=builder /src/target/release/myapp /usr/local/bin/myapp
EXPOSE 8080
ENTRYPOINT ["myapp"]

Java (Maven)

FROM eclipse-temurin:21-jdk AS builder

WORKDIR /src
COPY pom.xml .
RUN mvn dependency:go-offline -B
COPY src ./src
RUN mvn package -DskipTests

FROM eclipse-temurin:21-jre
COPY --from=builder /src/target/*.jar /app/app.jar
EXPOSE 8080
ENTRYPOINT ["java", "-jar", "/app/app.jar"]

預期: docker build -t myapp . 完而無誤。

失敗時: 察基礎映像可得性與依賴裝命令。

步驟三:ENTRYPOINT 與 CMD

指令目的覆寫
ENTRYPOINT固定執行檔--entrypoint
CMD預設引數以尾引數覆
並用ENTRYPOINT + CMD 所提之預設引數引數僅覆 CMD

編譯二進制且單一目的用 ENTRYPOINT。直譯語言宜用 CMD——或欲 docker run myapp bash

步驟四:造 .dockerignore

.git
.gitignore
node_modules
__pycache__
*.pyc
target/
.env
.env.*
*.md
!README.md
.vscode
.idea
Dockerfile
docker-compose*.yml

預期: 建構脈絡排開發遺物。

步驟五:加非 root 用戶

生產中恒以非 root 執:

RUN groupadd -r appuser && useradd -r -g appuser -m appuser
USER appuser

distroless 映像用內建 nonroot 用戶:

FROM gcr.io/distroless/static:nonroot
USER nonroot

步驟六:建構與驗證

docker build -t myapp:latest .
docker run --rm myapp:latest
docker image inspect myapp:latest --format '{{.Size}}'

預期: 容器啟、於所期之埠應答、以非 root 執。

失敗時:docker logs 察日誌。驗 WORKDIR、COPY 路、暴露之埠。

驗證

  • docker build 完而無誤
  • 容器啟且應用應答
  • .dockerignore 排非必要檔
  • 應用以非 root 用戶執
  • 依賴於源程式前複(快取效率)
  • 無機密或 .env 檔烘入映像

常見陷阱

  • 依賴裝前 COPY:每改程式皆失依賴快取。恒先複清單檔
  • 以 root 執:Docker 預設用 root。生產恒加非 root 用戶
  • 缺 .dockerignore:送 node_modules.git 入建構脈絡耗時與空間
  • 基礎映像用 latest:釘至具體版本(如 node:22.11.0)以便重現
  • --no-cache-dir:Python pip 預設快取套件,膨脹映像
  • ADD 與 COPY:用 COPY,除非需 URL 下載或 tar 解壓(ADD 自動解壓)

相關技能

  • create-r-dockerfile - R 專屬之 Dockerfile,用 rocker 映像
  • create-multistage-dockerfile - 多階段模式,以造最小之生產映像
  • optimize-docker-build-cache - 進階快取策略
  • setup-compose-stack - 容器化應用與他服務之編排

GitHub Repository

pjt222/agent-almanac
Pfad: i18n/wenyan-lite/skills/create-dockerfile
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Verwandte Skills

content-collections

Meta

Diese Skill bietet eine produktionsgetestete Einrichtung für Content Collections – ein TypeScript-first-Tool, das Markdown/MDX-Dateien in typsichere Datensammlungen mit Zod-Validierung umwandelt. Verwenden Sie ihn beim Erstellen von Blogs, Dokumentationsseiten oder inhaltsstarken Vite + React-Anwendungen, um Typsicherheit und automatische Inhaltsvalidierung zu gewährleisten. Er behandelt alles von der Vite-Plugin-Konfiguration und MDX-Kompilierung bis hin zur Deployment-Optimierung und Schema-Validierung.

Skill ansehen

polymarket

Meta

Diese Fähigkeit ermöglicht es Entwicklern, Anwendungen mit der Polymarket-Prognosemärkte-Plattform zu erstellen, einschließlich API-Integration für Handel und Marktdaten. Sie bietet außerdem Echtzeit-Datenstreaming über WebSocket, um Live-Trades und Marktaktivitäten zu überwachen. Nutzen Sie sie zur Implementierung von Handelsstrategien oder zur Erstellung von Tools, die Live-Marktaktualisierungen verarbeiten.

Skill ansehen

creating-opencode-plugins

Meta

Diese Fähigkeit unterstützt Entwickler dabei, OpenCode-Plugins zu erstellen, die in über 25 Ereignistypen wie Befehle, Dateien und LSP-Operationen eingreifen. Sie bietet die Plugin-Struktur, Event-API-Spezifikationen und Implementierungsmuster für JavaScript/TypeScript-Module. Nutzen Sie sie, wenn Sie den Lebenszyklus des OpenCode KI-Assistenten mit benutzerdefinierter ereignisgesteuerter Logik abfangen, überwachen oder erweitern müssen.

Skill ansehen

sglang

Meta

SGLang ist ein hochperformantes LLM-Serving-Framework, das sich auf schnelle, strukturierte Generierung für JSON, Regex und agentenbasierte Workflows unter Verwendung seines RadixAttention-Prefix-Cachings spezialisiert. Es bietet deutlich schnellere Inferenz, insbesondere für Aufgaben mit wiederholten Präfixen, was es ideal für komplexe, strukturierte Ausgaben und Mehrfachdialoge macht. Wählen Sie SGLang gegenüber Alternativen wie vLLM, wenn Sie constrained decoding benötigen oder Anwendungen mit umfangreicher Präfix-Weitergabe entwickeln.

Skill ansehen