步骤1：创建一个名为template.yaml的文件，在其中定义每个“资源”及其属性。例如：

Resources:
  FirstFunction:
    Type: AWS::Serverless::Function
    Properties:
      FunctionName: FirstFunction
      CodeUri: ./first/
      Handler: app.lambda_handler
      Runtime: python3.8
      MemorySize: 128
      Timeout: 60
      Role: !GetAtt SampleRole.Arn

  SecondFunction:
    Type: AWS::Serverless::Function
    Properties:
      FunctionName: SecondFunction
      CodeUri: ./second/
      Handler: app.lambda_handler
      Runtime: python3.8
      MemorySize: 256
      Timeout: 120
      Role: !GetAtt SampleRole.Arn

步骤2：对每个资源分别创建一个文件夹，并在其中分别定义功能代码文件和其他配置文件。

在以上示例中，我们创建了两个函数资源：FirstFunction 和 SecondFunction。因此，在当前目录下，我们将创建一个名为first的目录，并在其中包含此函数的Python代码。我们还将在每个目录中创建其他配置文件，例如首个函数的配置文件。

目录结构如下：

/
├── first/
│   ├── app.py
│   ├── requirements.txt
│   └── config.yml
├── second/
│   ├── app.py
│   ├── requirements.txt
│   └── config.yml
└── template.yaml

步骤3：在template.yaml文件中将资源更改为以下内容：

Resources:
  FirstFunction:
    Type: AWS::Serverless::Function
    Properties:
      FunctionName: FirstFunction
      CodeUri: ./first/
      Handler: app.lambda_handler
      Runtime: python3.8
      MemorySize: 128
      Timeout: 60
      Role: !GetAtt SampleRole.Arn

  SecondFunction:
    Type: AWS::Serverless::Function
    Properties:
      FunctionName: SecondFunction
      CodeUri: ./second/
      Handler: app.lambda_handler
      Runtime: python3.8
      MemorySize: 256
      Timeout: 120
      Role: !GetAtt SampleRole.Arn

  FirstFunctionBucket:
    Type: AWS::S3::Bucket
    Properties:
      BucketName: first-function-bucket

  SecondFunctionBucket:
    Type: AWS::S3::Bucket
    Properties:
      BucketName: second-function-bucket

通过这些步骤，您已实现AWS SAM 模板的拆分，从而大大减少了代码管理的复杂性。