Vercel部署Flask API：Serverless函数因Scipy超50MB限制求解决方案

1. 手动裁剪Scipy包（最直接有效） #

Scipy无法通过pip单独安装子模块，但可以在Vercel构建流程中，先安装完整Scipy，再删除非必要模块缩小体积：

• 项目根目录创建build.sh脚本：

# 先安装所有依赖（包括Scipy）
pip install -r requirements.txt
# 替换python3.x为你实际使用的Python版本，比如python3.10
SCIPY_PATH="./venv/lib/python3.x/site-packages/scipy"
# 删除不需要的Scipy子模块
rm -rf $SCIPY_PATH/{cluster,constants,fft,fftpack,integrate,interpolate,io,linalg,ndimage,odr,optimize,signal,sparse,special,stats}
# 删除文档、测试文件进一步缩减体积
rm -rf $SCIPY_PATH/doc $SCIPY_PATH/tests

• 在vercel.json中配置构建命令，让Vercel执行该脚本：

{
  "functions": {
    "api/index.py": {
      "runtime": "@vercel/python@3.10"
    }
  },
  "buildCommand": "./build.sh"
}

裁剪后务必本地测试from scipy.spatial import KDTree是否能正常运行，避免误删依赖的底层文件。

2. 使用轻量替代依赖（备选） #

如果手动裁剪过于繁琐，可以尝试使用仅实现KDTree功能的轻量库，比如kdtree或pykdtree，这类库体积远小于完整Scipy。不过你可以先完成Scipy裁剪的尝试，再考虑是否切换。

3. Vercel构建排除配置（局限性较大） #

Vercel的vercel.json支持通过include/exclude字段指定函数包的文件范围，但对于Python的site-packages依赖，这种方式难以精准过滤Scipy的子模块，因此不推荐作为主要方案。

内容的提问来源于stack exchange，提问作者Akeel Medina