起因

以前使用wagoodman/dive分析镜像优化空间，每次生成镜像之后自己执行命令过于麻烦，后来就diving-rs可以通过 webhook 的形式触发分析，再记录到数据库中定期分析。

但用着用着发现两件事：

1 、需要人工参与的工作一直都会滞后，甚于变成了形式工程（只记录无人分析） 2 、每个人对标准不一致，也没有统一的数据作为指标，最终也无法保证规则得到有效执行

刚好赶上小米开放百万亿 token 的免费额度，懒人福音。把"人盯报告"换成"AI 盯报告"：每次新 push ，把这次的 diving 报告 + 上次成功的 LLM 结论一起喂给模型，让它做对比分析。

系统 prompt 写得比较简单（后续提供自定义），核心几条：

• 表现良好的指标（体积减小、浪费率 0%、非 root ）禁止提及，不要废话
• 体积劣化必须穿透到具体 Layer + 具体文件，精确到 MB
• OverlayFS 穿透判定：基础镜像的固化冗余禁止建议跨层 RUN rm -rf（那只会让镜像更大），只建议换基底
• 新增 COPY/ADD 文件 owner 是否与 USER 倒挂

加上"无异常就回一句健康通过；有异常就只说问题 + 改哪几行"的硬约束，输出基本没什么水分。

流程

Docker Hub Webhook --> ai-diving (入队 + dedupe) --> cron 每分钟抢一批 WAITING diving-rs (拉镜像 / 出 markdown) + 上次成功的 LLM --> 优化建议 markdown --> 企业微信机器人 / Resend 邮件

输出长啥样

完成后大概是这样的报告（示例）：

🚨 核心异常与劣化痛点

• COPY 指令引入的 static-serve、entrypoint.sh、httpstat 文件所有权 (Owner 0:0 即 root) 与镜像运行时用户 (ubuntu) 存在权限倒挂，违反最小权限原则。

🛠️ 必须执行的修复代码

• 在 USER ubuntu 指令前增加以下指令以修正文件所有权：

RUN chown ubuntu:ubuntu /usr/local/bin/static-serve /usr/local/bin/httpstat /entrypoint.sh

• 或在 COPY 指令时直接指定所有者（推荐）：

COPY --chown=ubuntu:ubuntu /static/target/release/static-serve /usr/local/bin/static-serve
COPY --chown=ubuntu:ubuntu /static/entrypoint.sh /entrypoint.sh
COPY --chown=ubuntu:ubuntu /usr/local/bin/httpstat /usr/local/bin/httpstat

下次镜像稳定了再 push ，LLM 自己会回"与上次结论一致"，静默不打扰。

在线 demo / 仓库

• 直接试： https://ai-diving.npmtrend.com （共享 token + 共享配额，仅演示）
• 仓库： https://github.com/vicanso/ai-diving （ README 里自托管 5 步走齐了）
• diving-rs 单独使用： https://github.com/vicanso/diving-rs

求拍砖、提 issue 、提建议。如果你也有"不依赖 docker daemon 的镜像分析"需求，diving-rs 拎出来单用也行。