优化 run 指令链的核心目标是减少镜像层数、降低层间冗余、提升缓存命中率，从而减轻 overlayfs 的存储与挂载开销；应合并操作至单层、前置稳定操作、用 shell 逻辑替代多层判断、启用 buildkit 缓存挂载。
优化 RUN 指令链的核心目标是减少镜像层数、降低层间冗余、提升缓存命中率，从而直接减轻联合文件系统（如 OverlayFS）在存储、加载和挂载时的物理开销。
合并同类操作，避免中间层残留文件
RUN 指令每执行一次，Docker 就会创建一个新只读层。若多个 RUN 分别安装软件、清理缓存、删除临时文件，这些“写入→删除”动作会在不同层中留下痕迹：上层删了文件，但下层仍保留原始数据，导致镜像体积虚高，也增加联合挂载时的路径查找与 whiteout 解析开销。
- ❌ 不推荐：
RUN apt-get update<br>RUN apt-get install -y curl<br>RUN apt-get clean && rm -rf /var/lib/apt/lists/*
- ✅ 推荐（单层完成）：
RUN apt-get update && \apt-get install -y curl && \apt-get clean && \rm -rf /var/lib/apt/lists/*
这样所有变更（安装+清理）压缩在一个层内，既无冗余文件残留，又避免多层叠加带来的元数据膨胀。
前置不可变操作，后置易变操作
联合文件系统的缓存失效是“自上而下”的：一旦某层内容变化，其后所有层缓存全部作废。把稳定、低频更新的操作（如系统包安装、工具编译）放在前面，能大幅提升后续构建的复用率，减少重复拉取、解压、写入等物理 I/O。
Codex Bridge
下载
一款AI工具，主要用于将编码任务调度到本地 OpenAI Codex CLI，支持后台执行、状态轮询以及可交互式回答的澄清问题。适用于 OpenClaw 需要……，适合需要提升相关任务效率的用户。
- 先安装 Node.js 运行时和全局 CLI 工具（极少变动）
- 再复制
package.json并yarn install（依赖变更频率中等） - 最后 COPY 源码（高频变动，放最末）
这样即使每天改代码，前几层仍可复用，跳过耗时的 apt/yarn 步骤，显著缩短构建链路中的实际磁盘写入量。
用 shell 逻辑控制替代多层判断
避免为条件分支单独写 RUN 指令（如 RUN if [ "$ENV" = "prod" ]; then ... fi），因为无论条件真假，该层都会生成。更优方式是在单个 RUN 中用 shell 脚本组织逻辑，并确保输出结果确定、无副作用。
- 用
set -eux确保失败即停，不留下半截状态层 - 用
printf或重定向生成配置文件，而非依赖外部模板工具引入额外二进制和依赖层 - 避免在 RUN 中使用
curl | bash类动态下载执行，它破坏可重现性且极易污染层
启用 BuildKit 并配合语法优化
BuildKit 默认启用更精细的缓存粒度（如按指令内容哈希，而非仅按顺序），并支持 RUN --mount=type=cache 将 npm/yarn 缓存挂载为外部卷，完全绕过镜像层存储。
- 在 Dockerfile 开头加
# syntax=docker/dockerfile:1 - 改写依赖安装为：
RUN --mount=type=cache,id=yarn-cache,sharing=locked,target=/usr/local/share/.cache/yarn \yarn install --frozen-lockfile - 该缓存不进入镜像层，不参与联合挂载，从物理层面消除这部分 I/O 和元数据压力
