身為一個寫 Python 腳本的工程師，大家應該都有這種經驗：
你在本地端 pip install requests 跑得好好的，拍胸脯說穩了。結果程式丟到 AWS Lambda 一跑，馬上冒出一個 import error，瞬間彷彿聽到老天爺在笑你：「哼，太天真了吧。」

在 Lambda 裡面要用 Python 套件，規矩超嚴格：程式碼 + 相依套件，全部乖乖打包成一顆 ZIP，才能上台表演。更刺激的是，這包 ZIP 檔案體重還不能超過 250MB，否則 Lambda 會直接跟你說「抱歉，本場不收超重行李」。

更慘的還在後頭：你只是改了兩行小程式，結果還是得重新打包、壓縮、上傳，搞到最後，你的日常不是在跟 Bug 打仗，而是變成「壓縮大師」。一天工作八小時，有六小時都在等壓縮條跑完，人生徹底走偏。

就在你懷疑自己是不是轉職去物流業比較快時，AWS Lambda Layer 帶著聖光降臨了。它就像 Uber Eats 外送員一樣，把套件乾乾淨淨打包好，直接送到 Lambda 手上。從此以後，你不用每天揹著整家便利商店去上班，終於可以專心寫程式，而不是扛套件。

為什麼要用 Layer？（工程師的理智救星）

不想用 Layer 的理由可以千奇百怪：懶得學、嫌麻煩、覺得 zip 打包是修行的一部分……但說真的，Layer 至少有幾個好處，讓人用過就回不去。

1. 減少重複打包
   你有十個 Lambda function，都要 requests。結果你乖乖打包了十次，硬碟爆哭、打包的空間也跟著掉眼淚，你的 CI/CD pipeline 更是一路塞車到環狀線。Layer 出來之後，直接一次打包，全場共享，乾淨俐落，工程師的背痛指數瞬間下降。
2. 統一版本控管
   團隊裡總有一位考古學家，還堅守在 Python 2.7 的遺跡裡。用了 Layer，大家只能乖乖用同一個版本，再也沒人能拿「我本地跑得好好的啊！」這句經典台詞來搪塞。
3. 部署速度快
   有了 Layer，你只需要更新程式，不用每次都把整個套件包進去。CI/CD pipeline 從原本 20 分鐘的「咖啡跑完還能去拉個筋」，直接縮短成 2 分鐘「剛打開 IG 還沒滑完第一張貓咪照」。老闆還可能誤以為你升級成了 10 倍速工程師(但連兩倍的薪水都絕對不會發)。
4. 程式與套件分工清楚
   程式碼就寫邏輯，套件就乖乖放 Layer。從此檔案結構乾淨到可以拿去當房仲廣告：「這個專案乾淨到像新成屋」。不會再出現「我到底要從 2000 行程式碼裡挑哪一行才是我的業務邏輯」的絕望場景。

Layer 怎麼運作？（AWS 背後的小魔法）

說穿了，Layer 就是一個「額外的資料夾」，AWS Lambda 執行時會自動幫你把這個資料夾加到 PYTHONPATH 裡。

換句話說，只要你乖乖把套件丟進正確的資料夾（名字還要乖乖叫 python/），Lambda 執行的時候就會像在本地端一樣輕鬆 import。

一句話總結：Layer 就是共用的外掛倉庫。

動手建立一個 Python Layer

在開始之前，先來一個小提醒：AWS Lambda 的執行環境其實是 Linux。意思就是——如果你在 Windows 或 Mac 上面直接亂包，八成會遇到「本地跑得好好的，丟到 Lambda 就不能用」的經典災情。要避免這種「異地相依套件水土不服症候群」，乖乖找一個 Linux 環境才是王道。

問題來了：手邊有 Linux 的人少之又少（工程師筆電 80% 都是 Mac，剩下的 Windows，多半是公司發的）。那怎麼辦？方法大概有三：

1. AWS 開一台 Linux EC2：簡單粗暴，但荷包會哭。
2. 自己搞台 Linux 機器：不常見，除非你是開發順便當 NAS 管家的怪人。
3. Docker：本地直接模擬環境，不用真的切系統，裝好就能用。

以正常人（懶人）的角度來看，Docker 幾乎是最方便的選擇。唯一的麻煩就是：你得先安裝 Docker。對，這件事對某些人來說比學 Kubernetes 還難。

好啦，這邊用 Docker 來示範(安裝的部分就不在我們這次的主題內了請自行處理)。

步驟 1：建立目錄 & requirements.txt

先在本機建立一個目錄來放 Layer：

mkdir -p C:\docker_spaces\docker-layer\my-layer

然後在裡面建一個 requirements.txt，內容假設我們只要 pillow，requirements.txt的內容就如下：

pillow

目錄結構長這樣：

└─my-layer
        requirements.txt

步驟 2：用 Docker 打包

接著開啟 Windows 的 CMD，cd 到這個目錄：

cd C:\docker_spaces\docker-layer\my-layer

然後執行 Docker 指令，模擬一個跟 Lambda 一樣的 Python 環境來安裝套件。
檔案路徑： C:\docker_spaces\docker-layer\my-layer
Python： 3.13 (這裡要跟 Lambda 的 Runtime 版本一致)

docker run -v C:\docker_spaces\docker-layer\my-layer:/var/task "public.ecr.aws/sam/build-python3.13" /bin/sh -c "pip install -r requirements.txt -t python/lib/python3.13/site-packages/; zip -r layer.zip python; exit"

執行過程,大概就像以下這樣:

c:\docker_spaces\docker-layer\my-layer>docker run -v C:\docker_spaces\docker-layer\my-layer:/var/task "public.ecr.aws/sam/build-python3.13" /bin/sh -c "pip install -r requirements.txt -t python/lib/python3.13/site-packages/; zip -r layer.zip python; exit"
Collecting pillow (from -r requirements.txt (line 1))
  Downloading pillow-11.3.0-cp313-cp313-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl.metadata (9.0 kB)
Downloading pillow-11.3.0-cp313-cp313-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl (6.6 MB)
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 6.6/6.6 MB 17.6 MB/s eta 0:00:00
Installing collected packages: pillow
Successfully installed pillow-11.3.0
WARNING: Running pip as the 'root' user can result in broken permissions and conflicting behaviour with the system package manager, possibly rendering your system unusable. It is recommended to use a virtual environment instead: https://pip.pypa.io/warnings/venv. Use the --root-user-action option if you know what you are doing and want to suppress this warning.

[notice] A new release of pip is available: 25.1.1 -> 25.2
[notice] To update, run: pip install --upgrade pip
  adding: python/ (stored 0%)
  adding: python/lib/ (stored 0%)
  adding: python/lib/python3.13/ (stored 0%)
  adding: python/lib/python3.13/site-packages/ (stored 0%)
  adding: python/lib/python3.13/site-packages/PIL/ (stored 0%)
  adding: python/lib/python3.13/site-packages/PIL/AvifImagePlugin.py (deflated 68%)
  adding: python/lib/python3.13/site-packages/PIL/BdfFontFile.py (deflated 59%)
  adding: python/lib/python3.13/site-packages/PIL/BlpImagePlugin.py (deflated 76%)
  ....
  ....
  ....
c:\docker_spaces\docker-layer\my-layer>

跑完之後，如果沒有紅字 error，你會在目錄下看到一個 layer.zip。如果你想換檔名，只要在上面指令改掉 layer.zip 就行。

步驟 3：確認檔案結構

別急著喝咖啡，先解開 ZIP 看看裡面的結構有沒有長對：

└─python
    └─lib
        └─python3.13
            └─site-packages
                ├─PIL
                │  └─__pycache__
                ├─pillow-11.3.0.dist-info
                │  └─licenses
                └─pillow.libs

如果跟上面差不多，恭喜你，Layer 已經打包成功。

上傳 Layer 到 Lambda

接下來就要把剛剛的成果獻祭給 AWS Lambda。

進 Lambda Console → 點 Layers → Create Layer。

相關資訊的補充

1. 幫 Layer 取名字，建議加上 Python 版本跟套件名稱，例如 py313-pillow。注意：名稱裡不能有 .，UI 會兇你。
2. 選擇upload zip file，點選 Choose file 上傳剛剛的 layer.zip。
3. Compatible architectures → 選 x86_64（除非你真的在玩 ARM）。
4. Compatible Runtimes → 勾上 python3.13。這兩項資訊的填入,有助於我們之後在選擇套件時,可以更快速地找到可用的套件。
5. 最後按下右下角的 Create。
   

完成後你會看到 Layer 的資訊，包含名稱、版本、支援架構跟 runtime，這就代表你正式成功了。

到這裡就整個完成了一個layer的建立，有成功的建立嗎？因為下一篇教學會用到哦！如果不成功的話，多試幾次就成功了。

使用 Layer 的小眉角

最後補幾個「過來人血淚」：

• 版本控管：每次更新 Layer 都是新版本 → Lambda function 必須重新指定，否則還會繼續吃舊的。
• 大小限制：單一 Layer 不能超過 250MB。千萬不要腦衝把整個 node_modules 丟進 Python Layer，AWS 會直接打槍。
• 分工合作：建議一個 Layer 放一類套件（像 ML 套件 / Web 套件），比較好管理，也不會變成一坨肥 Layer。

參考資料：

• 使用層管理 Lambda 相依項
• How do I use an Amazon ECR image and Docker to create a Lambda layer?
• 每個 Lambda 執行時間的層路徑