
截至 2026 年 8 月,Docker 生态最近几个月的变化非常密集。Docker Desktop、Docker Engine、Docker Hardened Images、Docker Model Runner、Gordon AI Agent、Docker Offload 都在持续更新。
如果用一句话概括 Docker 当前的方向:Docker 正在从“容器开发工具”升级为面向 AI 原生应用、供应链安全和企业开发环境的一体化平台。
1. Docker Desktop 4.84 发布:继续强化桌面端开发体验
根据 Docker 官方文档,Docker Desktop 最新版本已更新到4.84.0,发布时间为2026 年 7 月 27 日。
这一版本主要更新包括:
Docker Agent v1.111.0 Docker Hardened Images CLI dhictlv0.0.7Docker Desktop CLI v0.4.3 Kubernetes 组件更新,包括 cri-dockerdv0.4.4修复无效 ~/.docker/config.json导致 Docker Desktop 高 CPU / 高内存占用并卡住的问题
在此前的 4.83.0 和 4.80.0 中,Docker Desktop 还更新了 Docker Engine、Docker Compose、Docker Model Runner、Docker Offload、Buildx、containerd、runc 以及内置 Kubernetes 版本。
这说明 Docker Desktop 已经不只是一个本地容器 GUI,它正在成为 Docker AI、模型运行、Kubernetes、本地构建、安全扫描和企业策略控制的统一入口。
2. Docker Engine 29.6.2:重点修复安全漏洞
Docker Engine 最新 29.x 分支中,29.6.2 于 2026 年 7 月 16 日发布。这个版本的重点是安全修复。
官方发布说明中列出了多项安全漏洞修复,包括:
Git source checkout 相关命令注入风险 构建前端参数导致 panic 的问题 LLB 文件操作可能误删 /tmp内容的问题上传本地 source 时目录校验绕过问题 Windows 容器缓存挂载中 NTFS junction 解析问题
此外,Docker Engine 29.6.2 还更新了:
containerd 静态二进制到 v2.2.6 Go runtime 到 1.26.5 RootlessKit 到 v3.0.2
对生产环境来说,这类版本非常值得关注。它不是“功能炫技型更新”,而是直接关系到构建链路、镜像处理、Windows 容器和 rootless 场景的安全性。
建议企业用户优先评估升级,尤其是 CI/CD 构建节点、共享构建平台和多租户容器环境。
3. Docker Hardened Images:安全镜像正在成为默认起点
过去一年,Docker 在安全镜像方向投入明显加速。Docker Hardened Images(DHI)已经成为 Docker 生态中最重要的新产品线之一。
Docker 官方在 2026 年多篇文章中持续强调 DHI 的定位:它不是简单的 slim 镜像,而是面向生产环境的安全基础镜像,特点包括:
更小攻击面 持续修复 CVE SBOM 软件物料清单 SLSA Build Level 3 provenance OpenVEX 数据 加密签名 基于 Alpine 和 Debian 等常见发行版 Community 版本免费开放,Apache 2.0 许可
Docker 官方还表示,DHI Catalog 已经扩展到数千个镜像、MCP server、Helm chart 和 ELS 镜像,并且日拉取量已经达到较高规模。
对开发者来说,最直接的变化是:以后选择基础镜像时,不应只看体积小不小,还要看它是否可验证、是否持续维护、是否有 SBOM 和签名。
换句话说,FROM debian:slim 这类传统选择,未来可能会逐步被更安全的 hardened image 替代。
4. Docker Model Runner:Docker 正在进入本地 AI 模型工作流
AI 是 Docker 近期最明显的产品方向之一。
Docker Model Runner 已经进入 GA 阶段,它允许开发者用熟悉的 Docker 工作流运行本地大模型。它支持:
从 Docker Hub 拉取 OCI 格式模型 从 Hugging Face 获取 GGUF 模型 使用 OpenAI 兼容 API 调用本地模型 在 Docker Desktop 和 CLI 中管理模型 支持本地 GPU 加速 与 Compose、MCP、AI 应用开发流程集成
这对开发者的意义很直接:以前本地跑模型往往需要安装 Python 环境、推理框架、驱动、模型管理工具;现在 Docker 希望把模型也变成一种“可分发、可运行、可管理”的制品。
容器镜像解决了应用分发问题,OCI Artifact 正在进一步承载模型分发问题。
5. Gordon GA:Docker 的 AI Agent 已进入正式可用阶段
Docker 的 AI AgentGordon也已经 GA。
Gordon 的定位不是通用聊天机器人,而是理解 Docker 工作流的 AI 助手。它可以在 Docker Desktop 和 CLI 中使用,帮助开发者处理:
容器启动失败 镜像构建报错 Compose 服务连接问题 Dockerfile 优化 本地环境排查 容器化建议 部署前检查
它的关键点是:Gordon 可以读取当前 Docker 环境上下文,并在用户批准后执行操作。
这和普通 AI 编程助手不同。普通助手可以解释错误,但未必知道你当前有哪些容器、镜像、网络、volume、Compose 项目。Gordon 的优势就是贴近 Docker 实际运行环境。
6. Docker Offload GA:本地跑不动,也能用 Docker
Docker Offload 已于 2026 年 4 月进入 GA。
这个功能主要解决一个企业开发痛点:很多开发者处在 VDI、托管桌面、低配置电脑或受限环境中,本地无法完整运行 Docker Desktop 或大型构建任务。
Docker Offload 的思路是:保留本地 Docker 开发体验,但把重负载放到远程资源上执行。
这对企业团队很有价值,尤其是:
远程办公团队 外包和受控终端环境 低配置开发机 需要更快构建资源的团队 安全策略限制本地虚拟化的公司
Docker 的方向很明确:开发者仍然使用熟悉的 Docker 命令,但计算资源不一定必须在本机。
7. 对国内开发者和企业的建议
结合 Docker 近期动态,建议关注几个实践方向。
第一,尽快升级 Docker Engine 和 Docker Desktop,尤其是涉及构建平台、安全扫描、共享开发环境的场景。
第二,评估 Docker Hardened Images。基础镜像安全已经不只是安全团队的问题,它会直接影响每一个业务镜像的漏洞数量和修复成本。
第三,AI 应用开发者可以关注 Docker Model Runner。对于本地调试 AI 应用、验证 OpenAI 兼容接口、测试模型服务,它正在变成一个低门槛入口。
第四,仍在维护复杂 Compose 项目的团队,可以关注 Docker AI、Gordon、Model Runner、MCP Toolkit 之间的组合能力。Docker 正在把容器、模型、工具调用和 AI Agent 串成一个开发闭环。
第五,企业环境可以关注 Docker Offload。未来“本地 Docker 体验 + 云端/远端执行资源”可能会成为企业开发环境的新常态。
结语
2026 年的 Docker,已经不只是我们熟悉的 docker run 和 docker build。
它正在围绕三个方向重新组织产品能力:
AI 原生开发:Model Runner、Gordon、MCP Toolkit 供应链安全:Docker Hardened Images、SBOM、签名、VEX、SLSA provenance 企业级开发体验:Docker Desktop、Docker Offload、统一 CLI 和远程执行能力
对开发者来说,Docker 仍然是那个最熟悉的容器工具;但对平台团队和企业来说,Docker 正在成为连接本地开发、AI 模型、安全镜像和生产交付的重要基础设施。
参考来源:
Docker Desktop Release Notes: https://docs.docker.com/desktop/release-notes/ Docker Engine 29 Release Notes: https://docs.docker.com/engine/release-notes/29/ Docker Hardened Images: https://www.docker.com/products/hardened-images/ Docker Model Runner: https://www.docker.com/products/model-runner/ Gordon: https://www.docker.com/products/gordon/ Docker Offload GA: https://www.docker.com/blog/docker-offload-now-generally-available-the-full-power-of-docker-for-every-developer-everywhere/
免责声明:本文部分内容来源于网络,所载内容仅供参考。转载仅为学习和交流之目的,如无意中侵犯您的合法权益,请及时联系Docker中文社区!


发表评论