多阶段构建通过环境隔离、按需裁剪和流程解耦解决体积膨胀、依赖冲突与构建低效问题；它分阶段处理编译与运行环境，复用依赖缓存，并支持按模块切分依赖及目录映射精准打包。
多阶段构建通过环境隔离、按需裁剪和流程解耦，直接应对依赖过大带来的体积膨胀、冲突频发和构建低效问题。它不试图“减少依赖数量”，而是让每个依赖只在真正需要它的阶段出现、只保留必要部分、只影响最小范围。
分离构建与运行环境，剔除冗余依赖
编译型或前端项目常需大量开发工具（如 TypeScript 编译器、Webpack、测试框架），但这些在运行时完全不需要。多阶段构建用独立阶段完成编译，再仅把产出的二进制或静态文件复制到精简的运行镜像中，彻底排除 devDependencies 和构建工具链。
- 例如 Node.js 项目：第一阶段用完整 npm 环境编译 + 构建；第二阶段基于 alpine 镜像，只 COPY dist/ 和 runtime-stage/node_modules/，不安装任何构建依赖
- Docker 中常用 FROM ... AS build 定义构建阶段，再用 COPY --from=build 拷贝指定路径，避免整个 node_modules 被打包进最终镜像
分层复用缓存，避免重复拉取和安装
依赖安装（尤其是 pip install 或 npm install）是构建中最耗时、最易失败的环节。多阶段构建允许将基础依赖层固化为中间镜像，只要 requirements.txt 或 package.json 不变，该层就可被缓存复用。
- 把系统库安装、Python/pip 升级、基础依赖 pip install --no-cache-dir -r requirements.txt 放在独立 base 阶段
- 后续项目只需基于此 base 阶段 COPY 代码并 RUN python app.py，跳过所有底层依赖重装
- 配合 BuildKit 启用 cache-from，CI 中还能跨分支共享依赖层缓存
按模块/能力切分阶段，实现依赖粒度控制
对多模态 Agent 或微服务聚合类项目，不同模块依赖差异极大（如视觉模块要 CUDA + OpenCV，NLP 模块要 torch + transformers）。与其强塞进一个大镜像，不如拆成多个构建阶段，各自管理专属依赖：
- stage-cv：基于 nvidia/cuda 镜像，安装 opencv-python-headless、torchvision
- stage-nlp：基于 python:3.11-slim，安装 transformers、sentence-transformers
- final-stage：合并各模块导出的 wheel 或 so 文件，仅保留 runtime 所需的最小 Python 环境
用目录映射替代全量打包，精准控制产物内容
fpm 等打包工具虽无原生多阶段命令，但借助 dir 类型 + source=destination 映射，也能模拟类似效果：先在干净目录中组织好运行所需文件（过滤掉 .ts、.pyc、test/、docs/），再用 fpm -s dir -t deb 映射进目标路径。这比直接打包整个项目根目录，更能规避隐藏依赖污染。
- 关键操作：用 --exclude 排除 node_modules/.bin、__pycache__、*.md 等非运行必需项
- 推荐组合：npm install --production → rsync -av --delete --exclude='node_modules/.bin' dist/ runtime-root/ → fpm -s dir -t rpm runtime-root/=/opt/myapp
