技能介绍

它要解决的问题

用 shell 脚本和专有 YAML 描述 CI/CD 流水线时，真正的难点不是“能不能跑通”，而是能不能重复跑通：某次构建依赖了开发者本机的工具版本，换个环境就得到不同结果；语法检查通过不代表脚本逻辑正确，异常路径往往要等 CI 红了才发现；缓存是否命中像黑盒，执行链一长，定位一次失败构建可能要翻多个日志。Dagger 的做法是把流水线本身变成可编译、可测试的代码，而不是一堆需要人工维护的配置。

核心能力与工作方式

用真实代码替换脚本：通过 Go、Python、TypeScript、PHP、Java、.NET、Elixir、Rust 共 8 种语言的 SDK 编写自动化任务。SDK 从 API 模式生成，写流水线时能拿到完整的类型检查和编辑器支持；shell 片段不再是隐式约定，而是被类型化调用替代。
沙盒容器中的可重复执行：每个任务都在容器内运行，由沙盒函数编排，主机依赖必须显式声明并经过类型检查，中间产物按需构建。相同的代码在笔记本、AI 沙盒、CI 服务器或专用云基础设施上行为一致，前提是环境里有 Linux 容器运行时。
缓存与增量执行：每个操作的输入决定其执行结果。改一个文件后，只有受影响的操作会重新运行；缓存按内容寻址，并在本地运行与 CI 之间自动生效，不必再为两边分别调优缓存策略。
可观测性：内置 OpenTelemetry 追踪，任务执行链路有统一的遥测数据可查，减少在多个构建日志之间人工拼接线索的工作量。

适用边界与注意点

这个引擎适合能被容器化和代码化表达的构建、测试、部署流程；需要直接操作宿主机、绕过容器运行时的任务不在它的默认模型内。团队需要接受用编程语言而非 YAML 写流水线，这意味着流水线代码要像普通代码一样进入版本控制、评审和测试流程。迁移时要注意，已有的 shell 脚本和专有 YAML 不会自动变成可类型检查的流水线，首次接入需要重写成 SDK 调用；缓存的行为依赖输入与输出被正确声明，声明不当会削弱增量执行带来的收益。另外，本地与 CI 一致性的前提是容器运行时可用，排查问题时也要同时看流水线代码与追踪数据。