optimize-docker-build-cache
Acerca de
Esta Skill de Claude ayuda a optimizar las construcciones de Docker mejorando el almacenamiento en caché de capas, implementando construcciones multi-etapa y aprovechando BuildKit para reducir los tiempos de construcción y los tamaños de imagen. Ofrece estrategias de caché específicas por lenguaje para optimizar pipelines de CI/CD. Úsela cuando las construcciones de Docker sean lentas, las imágenes sean innecesariamente grandes o necesite agilizar flujos de trabajo de contenedores.
Instalación rápida
Claude Code
Recomendadonpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/optimize-docker-build-cacheCopia y pega este comando en Claude Code para instalar esta habilidad
Documentación
name: optimize-docker-build-cache locale: es source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16 description: > Optimizar la caché de compilación de Docker para reducir tiempos de compilación y tamaños de imagen. Cubrir el orden de capas, compilaciones multi-etapa, BuildKit, y estrategias de caché para diferentes lenguajes. Usar cuando las compilaciones Docker son lentas, las imágenes son innecesariamente grandes, o cuando se necesita optimizar pipelines CI/CD. license: MIT allowed-tools: Read Write Edit Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: containerization complexity: intermediate language: multi tags: docker, build-cache, optimization, multi-stage, buildkit
Optimizar Caché de Compilación Docker
Optimizar las compilaciones Docker con estrategias de caché de capas, compilaciones multi-etapa y BuildKit.
Cuándo Usar
- Las compilaciones Docker son lentas (>5 minutos para cambios de código)
- Las imágenes Docker son innecesariamente grandes (>1GB)
- Los pipelines CI/CD gastan mucho tiempo en compilaciones Docker
- Recompilando dependencias sin cambios cada vez
- Necesitando optimizar costos de infraestructura CI/CD
Entradas
- Requerido: Dockerfile existente a optimizar
- Requerido: Conocimiento de los patrones de cambio del proyecto (qué cambia frecuentemente)
- Opcional: Infraestructura CI/CD utilizada (GitHub Actions, GitLab CI, etc.)
- Opcional: Registry de imágenes para caché remota
Procedimiento
Paso 1: Ordenar Capas por Frecuencia de Cambio
Organizar las instrucciones del Dockerfile de menos a más frecuentemente cambiadas.
# CORRECTO: Dependencias antes del código
FROM node:20-alpine
# 1. Dependencias del sistema (cambian raramente)
RUN apk add --no-cache python3 make g++
# 2. Archivos de dependencias (cambian ocasionalmente)
COPY package.json package-lock.json ./
RUN npm ci --production
# 3. Código fuente (cambia frecuentemente)
COPY . .
# 4. Compilación (depende del código)
RUN npm run build
# INCORRECTO: Todo junto (invalida caché en cada cambio)
FROM node:20-alpine
COPY . .
RUN npm ci && npm run build
Esperado: Las recompilaciones solo reejecutarán las capas afectadas por los cambios, no todas las capas.
En caso de fallo: Analizar qué archivos cambian frecuentemente con git log --stat, reestructurar COPY para separar archivos estables de los que cambian.
Paso 2: Usar Compilaciones Multi-Etapa
Separar las dependencias de compilación de la imagen final.
# Etapa de compilación
FROM golang:1.21 AS builder
WORKDIR /app
COPY go.mod go.sum ./
RUN go mod download
COPY . .
RUN CGO_ENABLED=0 go build -o server .
# Etapa de producción
FROM alpine:3.18
RUN apk add --no-cache ca-certificates
COPY --from=builder /app/server /usr/local/bin/server
CMD ["server"]
Esperado: La imagen final contiene solo el binario y dependencias de runtime, reduciendo significativamente el tamaño.
En caso de fallo: Verificar que todos los archivos necesarios se copian desde la etapa de compilación, probar la imagen final exhaustivamente.
Paso 3: Habilitar BuildKit
Usar BuildKit para caché avanzada y compilaciones paralelas.
# Habilitar BuildKit
export DOCKER_BUILDKIT=1
# O en docker compose
COMPOSE_DOCKER_CLI_BUILD=1 DOCKER_BUILDKIT=1 docker compose build
# Compilar con caché de montaje (para gestores de paquetes)
# syntax=docker/dockerfile:1
FROM python:3.11-slim
# Caché de pip con montaje
RUN --mount=type=cache,target=/root/.cache/pip \
pip install -r requirements.txt
Esperado: BuildKit habilitado, las compilaciones usan caché de montaje para gestores de paquetes, compilaciones paralelas cuando es posible.
En caso de fallo: Verificar versión de Docker (BuildKit requiere 18.09+), agregar # syntax=docker/dockerfile:1 al inicio del Dockerfile.
Paso 4: Configurar Caché Remota para CI/CD
Usar caché de registry para persistir la caché entre compilaciones CI.
# Compilar con caché en registry
docker buildx build \
--cache-from type=registry,ref=myregistry.com/myapp:cache \
--cache-to type=registry,ref=myregistry.com/myapp:cache,mode=max \
-t myapp:latest .
# GitHub Actions
- name: Build and push
uses: docker/build-push-action@v5
with:
cache-from: type=gha
cache-to: type=gha,mode=max
Esperado: La caché persiste entre ejecuciones CI/CD, las compilaciones subsecuentes son significativamente más rápidas.
En caso de fallo: Verificar permisos del registry, comprobar que la caché se descarga correctamente, monitorizar el tamaño de la caché.
Validación
- Las compilaciones con cambios solo de código no reinstalan dependencias
- Las compilaciones multi-etapa producen imágenes significativamente más pequeñas
- BuildKit está habilitado y la caché de montaje funciona
- La caché CI/CD reduce los tiempos de compilación en >50%
- Las imágenes de producción no contienen herramientas de compilación
Errores Comunes
- COPY . . antes de dependencias: Invalida la caché de dependencias en cada cambio de código. Siempre copiar archivos de bloqueo primero.
- No usar .dockerignore: Archivos innecesarios (node_modules, .git) invalidan la caché. Crear .dockerignore apropiado.
- Caché no persiste en CI: Las compilaciones CI comienzan limpias. Usar caché de registry o caché específica del CI.
- Imagen final demasiado grande: Olvidar la compilación multi-etapa. Nunca instalar compiladores en la imagen final.
- Capas RUN separadas innecesarias: Combinar comandos relacionados con
&¶ reducir capas.
Habilidades Relacionadas
create-dockerfile- Crear Dockerfiles generales con mejores prácticascreate-r-dockerfile- Optimización específica para proyectos Rbuild-ci-cd-pipeline- Integrar compilaciones Docker optimizadas en CI/CDcreate-multistage-dockerfile- Patrones avanzados de compilación multi-etapa
Repositorio GitHub
Habilidades relacionadas
content-collections
MetaEsta habilidad proporciona una configuración probada en producción para Content Collections, una herramienta centrada en TypeScript que transforma archivos Markdown/MDX en colecciones de datos con tipado seguro mediante validación Zod. Úsala al construir blogs, sitios de documentación o aplicaciones Vite + React con mucho contenido para garantizar seguridad de tipos y validación automática de contenido. Abarca todo, desde la configuración del plugin de Vite y compilación MDX hasta la optimización de despliegue y validación de esquemas.
polymarket
MetaEsta habilidad permite a los desarrolladores crear aplicaciones con la plataforma de mercados de predicción Polymarket, incluyendo la integración de API para operaciones y datos de mercado. También proporciona transmisión de datos en tiempo real a través de WebSocket para monitorear operaciones en vivo y actividad del mercado. Úsela para implementar estrategias de trading o crear herramientas que procesen actualizaciones de mercado en tiempo real.
creating-opencode-plugins
MetaEsta habilidad ayuda a los desarrolladores a crear complementos de OpenCode que se conectan a más de 25 tipos de eventos, como comandos, archivos y operaciones LSP. Proporciona la estructura del complemento, las especificaciones de la API de eventos y los patrones de implementación para módulos en JavaScript/TypeScript. Úsala cuando necesites interceptar, monitorear o extender el ciclo de vida del asistente de IA de OpenCode con lógica personalizada basada en eventos.
sglang
MetaSGLang es un framework de alto rendimiento para el servicio de LLM que se especializa en generación rápida y estructurada para JSON, expresiones regulares y flujos de trabajo de agentes utilizando su caché de prefijos RadixAttention. Ofrece una inferencia significativamente más rápida, especialmente para tareas con prefijos repetidos, lo que lo hace ideal para salidas complejas y estructuradas, y conversaciones multiturno. Elige SGLang sobre alternativas como vLLM cuando necesites decodificación restringida o estés construyendo aplicaciones con uso extensivo de prefijos compartidos.
