我把 Docker 全删了，结果一切都变简单了

Docker 听起来很酷，Kubernetes 更酷。 但如果你只是做单体 Web + 数据库：一台服务器 + 一个定时任务就够了，不需要集群。别再跟着 YouTube 把 Todo App 部署上 EKS。别假装你的 Side Project 需要 Helm Chart。如果你不会手写 Nginx，你大概也用不着容器化。

你真的需要 Docker 吗？

等镜像第 17 次把“半个互联网”拉到本地，CI 流水线等 15 分钟，你就会开始怀疑人生。

以前每个提交、每个分支、每个小修复，都会经历：构建慢、报错玄学、镜像臃肿、本地环境神秘失灵。

为了啥？跑个 Node.js + Redis + PostgreSQL 的普通 Web 应用。

这又不是造火箭。

“最佳实践”说 Docker 能带来隔离、环境一致性、可扩展。我得到的却是：复杂度、YAML 疲劳、破碎的本地环境。

直到有一天，把 Docker 从工作流里连根拔掉。

世界没有崩塌。反而更顺了。

用什么替代了 Docker

大实话：大多数开发不需要 Docker。你真正需要的是可复现和好文档。

问自己：我到底用 Docker 干了什么？ 然后，一张镜像一张镜像地替换掉。

1) 本地开发环境 → asdf + direnv + Shell 脚本

我的项目是 monorepo：

• React 前端
• Node.js API
• PostgreSQL
• Redis

替代方案：

• asdf 管理每个项目的 Node/Postgres 版本
• direnv 自动加载环境变量
• 一个 **dev.sh**：brew 装 Postgres、brew services 启 Redis、npm start 拉起应用

结果：无容器开销、无上下文切换、飞快。

2) CI/CD 构建 → 原生 Runner + 朴素脚本

以前我的 GitHub Actions 被 Docker 镜像拖到 12 分钟。 现在：

• 用 GitHub 托管 Runner（Linux，自带 Node）
• Shell 脚本完成 npm ci、lint、test
• 不用 DinD、不推镜像、不玩缓存黑魔法

CI 固定 3 分钟。每一次都一样。

3) 部署 → Railway / Fly.io / Deno Deploy（无 Dockerfile）

曾给 Heroku/K8s 写 Dockerfile。现在：

• Fly.io：从源码构建，无需 Dockerfile
• Deno Deploy：边缘部署，根本没有 Docker 这回事
• 数据库用 Supabase/Neon：托管、零配置、很快

一句话：It Just Works。

“那开发/生产环境不一致怎么办？”

常听到这句：“Docker 保证环境一致性”。除非你在 Dockerfile 里死磕版本固定、每次都重建（你大概率不会），容器也会漂移：

• 基础镜像悄悄更新
• Alpine 包变了
• 某一层缓存抽风

切到源码构建 + 轻工具后，环境不一致的 Bug 反而更少。 因为：零碎部件更少、版本边界更清晰、本地环境更透明。

真正的问题不是 Docker，而是你不信任你的环境

Docker 成了一个拐杖，用来遮盖：

• 糟糕的文档
• 雪花般的环境
• 混乱的本地配置
• 折磨人的入职流程

把 Docker 炸掉后，被迫把这些做好：

• 写清楚如何安装/运行
• 版本管理干净
• 脚本可读、可维护

团队的入职更快、调试更轻松、部署更有底气。

自从不用 Docker 之后，我拿到的实打实收益

• 构建时间：12 分钟 → 3 分钟
• 新人入职：2 小时 → 15 分钟（运行脚本直接开工）
• 磁盘占用：20GB+ Docker 卷 → < 500MB
• 认知负担：我终于看懂自己栈里发生了什么，不再调“那个容器连不上这个容器”的谜题

你的 CRUD 应用，不需要 K8s

Docker 听起来很酷，Kubernetes 更酷。 但如果你只是做单体 Web + 数据库：一台服务器 + 一个定时任务就够了，不需要集群。

别再跟着 YouTube 把 Todo App 部署上 EKS。别假装你的 Side Project 需要 Helm Chart。如果你不会手写 Nginx，你大概也用不着容器化。

很多人把工具复杂度当成工程成熟度。复杂 ≠ 高级。简单解决真实问题才是本事。 Docker 不会让你的架构更“干净”，它常常只是让它更重。

什么时候 Docker 仍然有意义

这里不是说 Docker 是原罪。它在这些场景很棒：

• 操作系统级隔离（安全）
• 多语言混合（Go 后端 + Python ML）
• 基础设施团队需要生产副本/一致分发
• 史前依赖地狱
• Playwright 之类需要 headless 浏览器的工具

但如果你在做 Node / Rails / Django / Laravel 的普通 Web：从简单开始。

常见问题（FAQ）

Q：开发一定要用 Docker 吗？A：不。用 asdf / nvm / pyenv + Shell 脚本，可以覆盖 Docker 90% 的“环境可复现”价值，而且没有容器开销。

Q：团队协作是不是 Docker 更好？A：只有当你的文档很差时才是。把版本、工具、脚本写清楚，不上容器也能更快上手。

Q：能不用 Docker 部署吗？A：当然。Fly.io / Railway / Vercel / Deno Deploy 都支持源码部署。

Q：Docker 的替代是什么？A：

• 版本管理：asdf / nvm / pyenv
• 环境变量：direnv
• 可复现：Shell 脚本
• 服务依赖：系统包管理（brew / apt）
• 部署：源码构建平台

这几样工具，确实让我轻松了

• asdf：通用版本管理
• direnv：按目录自动加载 .env
• Fly.io：无 Dockerfile 的源码部署
• Railway.app：后端一键部署
• Supabase：托管 Postgres + Auth
• Neon：无服务器 Postgres，弹性强

结尾的重话

你不需要容器。 你需要清晰、克制，以及一个你真正理解的技术栈。

更重要的是： 别再为 DevOps 推特的炫技优化， 开始为速度、心智负担、交付优化。

AI大模型学习福利

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获

四、AI大模型商业化落地方案

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量