结合Golang（用于高性能API服务）和PyTorch（用于AI模型推理）的AI推理镜像Dockerfile模板，这份模板严格遵循AI镜像开发的核心原则——分层构建、轻量化、GPU适配、健康检查，同时兼顾Golang编译效率和PyTorch运行环境的完整性。
设计思路
Golang负责提供高性能的HTTP/gRPC推理接口（优势是低内存、高并发），Python/PyTorch负责模型推理计算，通过进程间通信（或直接调用Python子进程）实现协同。模板采用多阶段构建：
- Golang构建阶段：编译Go代码为静态二进制文件（无依赖）；
- Python环境构建阶段：预装PyTorch及推理依赖；
- 运行阶段：整合编译后的Go二进制文件和Python环境，实现轻量化运行。
完整Dockerfile模板（支持GPU/CPU双版本）
# ======================== 阶段1：Golang编译阶段 ======================== # 使用官方Golang镜像编译Go代码（API服务） FROM golang:1.22-alpine AS go-builder # 设置工作目录 WORKDIR /app # 安装go mod依赖（先复制go.mod/go.sum，利用缓存） COPY go.mod go.sum ./ RUN go mod download # 复制Go源码（假设推理API的Go代码在./go_api目录） COPY go_api/ ./go_api/ # 编译Go代码为静态二进制文件（无系统依赖） RUN CGO_ENABLED=0 GOOS=linux go build -a -installsuffix cgo -o ai-inference-api ./go_api/main.go # ======================== 阶段2：Python
