容器化已成为企业软件交付的主流方式，但用于构建容器镜像的 Dockerfile 常常包含安全配置错误和结构性技术债务。该问题在企业内部源（inner-source）环境中尤其缺乏研究，因为专有上下文和孤立的治理机制使得开源社区的发现难以直接适用。本文提出了一种自动化六阶段流水线：(1) 爬取企业 GitLab 实例；(2) 使用静态安全与质量工具（Hadolint、ShellCheck、Trivy）以及生命周期数据对每个 Dockerfile 进行增强标注；(3) 利用 LLM 生成的语义描述和 HDBSCAN 聚类，将功能相同的工作负载分组；(4) 量化各集群内部参考实现之间的优化差距。作者对一家大型工业公司 6200 多个仓库中的 11,470 个 Dockerfile 进行了实证分析，发现系统性问题：99% 的文件至少包含一个安全配置错误，80.8% 违反 Dockerfile 最佳实践，并且中位数工件已有 838 天未修订。尽管如此，83% 的功能集群中已经存在高质量参考实现。采用这些内部标准可以在无需开发新模板的情况下，将平均安全态势评分提升 60.4%。这些发现植根于单一组织的内部源生态系统，为未来面向企业供应链安全的自动化、上下文感知推荐系统提供了数据驱动的基础；但技术债务分布和优化差距能否推广到其他企业，仍有待多组织研究验证。