企业官网建设流程全解析

在实际的 AWS 上使用 Claude 做开发，远不止“打开一个网页对话”这么简单。开发者需要同时处理两条技术线：一条是 Claude 的模型访问能力，包括账号、API Key、模型 ID、配额和限流；另一条是 AWS 的云资源管理，包括 EC2、安全组、IAM、Lambda 和账单。两条线如果只搞定其中一条，项目都很难从本地原型走到真正落地。这篇文章围绕“在 AWS 上用 Claude 从开发到落地”整理了一条可复现的完整链路：先在 EC2 上准备开发环境，再安装配置 Claude Code 作为 AI 编码助手，用它辅助开发一个调用 Claude 模型的文本摘要接口，随后把应用部署回 AWS，并补充验证、排错和成本控制方法。

文章不会假设你已经熟悉全部服务。每个环节会先说明目的，再给命令，最后给检查点。读者可以按顺序操作，也可以在遇到报错时直接跳到对应排查章节。

1. 先想清楚“在 AWS 上用 Claude”的三种形态

1.1 三种形态的区别与选型

很多文章把“使用 Claude”混为一谈，但实际工作中至少存在三种差别很大的形态：

形态一：Claude Code 作为开发工具。Claude Code 是 Anthropic 提供的命令行 AI 编码工具，运行在终端里，可以帮你读代码、改 Bug、写测试、做代码审查。在这种形态里，Claude 不参与生产流量，只提升研发效率。它应该被安装到开发机上，最常见的就是开发人员自己的电脑或一台 AWS EC2 实例。

形态二：应用代码直接调用 Claude API。你的业务服务在运行时把用户请求转发给 Anthropic 的接口，拿回模型结果后再返回给用户。这种形态需要考虑 API Key 管理、超时、限流和错误处理。

形态三：通过 Amazon Bedrock 调用 Claude 模型。Bedrock 是 AWS 托管的模型服务，Claude 系列模型可以通过 Bedrock 的接口调用。相比直接调用 Anthropic API，这种方式的身份体系由 AWS IAM 管理，计费也走 AWS 账单，适合已经有 AWS 账号体系、需要在同一个云环境里做权限管控的生产项目。

三种形态并不互斥。一个完整项目里，完全可以先安装 Claude Code 辅助开发，业务代码里再通过 Bedrock 调用 Claude，部署在 AWS Lambda 上运行。

1.2 为什么选择“EC2 开发 + API/Bedrock 接入 + AWS 部署”作为主线

AWS 上可用的开发环境很多，Cloud9、CodeBuild、EC2、Lambda 都能写代码，但 EC2 仍然是最适合做这套教程的环境。原因有两个：

Claude Code 安装后是一个命令行工具，依赖 Node.js。EC2 上可以干净地安装 Node.js、Python、Git 等工具，环境之间不会互相污染。

同一台 EC2 既可以用作开发机，也可以作为后续部署测试的临时服务器。如果文章只讲 Lambda，不少读者会卡在本地没有 CLI 环境的问题上；如果只讲 EC2，又缺少更省成本的落地形态。所以本文先把开发放在 EC2 上，最后再给出 Lambda 的改造思路。

1.3 本文要实现的最小闭环

整个项目的流程可以概括为下面这条链路：

1. 创建一台 Ubuntu EC2 实例，配置安全组和 SSH。
2. 在 EC2 上安装 Node.js、npm 和 Claude Code。
3. 配置 Claude Code 的认证信息，确认命令行工具能正常启动。
4. 用 Flask 写一个文本摘要 HTTP API，应用通过 Anthropic API 或 Bedrock 调用 Claude。
5. 本地跑通后，把应用部署到 EC2 或改造成 Lambda 函数。
6. 用 curl 验证接口，检查返回结果和日志。
7. 最后看账单和资源占用，避免遗留资源扣费。

这样既覆盖了“开发”，也覆盖了“落地”，中间涉及的报错和排查点也可以集中讲清楚。

2. 准备 AWS 环境：账号、主机、网络和权限

2.1 创建 EC2 实例的关键参数

登录 AWS 控制台后，进入 EC2 页面，点击“启动实例”。初学者建议按下面的参数选择：

这里要特别提醒：t3.micro 在免费套餐有效期内可能包含一定免费额度，但免费套餐资格与账号注册时间、地域有关。如果账号已经没有免费额度，实例会按小时计费。创建实例前先把区域选好，比如亚太地区某个可用区，然后持续在同一个区域操作，否则后续找资源和排查账单都会混乱。

2.2 安全组、SSH 和密钥连接

实例创建完成后，SSH 连接前需要给密钥文件设置正确权限，否则 SSH 会拒绝使用：

chmod 400 your-key.pem ssh -i your-key.pem ubuntu@你的实例公网IP

Ubuntu 的默认用户名是ubuntu，公网 IP 可以在 EC2 控制台实例列表里找到。

连接成功后先更新系统：

sudo apt update sudo apt upgrade -y

这一步是为了让后续安装 Node.js、pip 时不会遇到旧的软件源问题。如果 SSH 连接超时，优先检查安全组的入站规则里是否只允许了 22 端口，以及来源 IP 是否填写正确。很多“实例无法连接”的问题并不是系统坏了，而是安全组没有放行。

2.3 为模型访问准备密钥或 IAM 权限

在进入 Claude Code 安装前，先确认你准备用哪种方式访问 Claude，因为后续配置不同。

如果直接使用 Anthropic API，需要先在 Anthropic 控制台创建 API Key。API Key 是一个以sk-ant-开头的字符串，创建后只显示一次，要立即保存。注意不要把 API Key 提交到 Git 仓库或写在公共代码里。

如果使用 Amazon Bedrock，则需要做两件事：

1. 在 Bedrock 控制台“模型访问”页面里，勾选需要用到的 Claude 模型并申请开通。
2. 为当前使用的用户或角色配置 IAM 权限，至少包括bedrock:InvokeModel权限。

两种方式的区别可以整理成下面的表格：

如果两个账号都没有，也可以先注册 Anthropic 账号创建 API Key。某些地区或新用户账号可能受服务开放范围限制，落地前以官方支持情况为准。

2.4 环境检查清单

在安装任何工具之前，先确认当前机器已经具备以下环境：

• Ubuntu 22.04 或相近的 Linux 发行版
• Python 3.10 或更高版本
• Node.js 18 或更高版本
• npm 9 或更高版本
• Git
• AWS CLI（如果后续要用 Bedrock 或部署 Lambda）

用一段命令集中检查：

python3 --version node --version npm --version git --version aws --version

3. 在 AWS EC2 上安装 Claude Code

3.1 安装 Node.js 和 npm

Claude Code 基于 Node.js 运行，直接使用 apt 安装的 Node.js 版本往往偏旧，推荐用 nvm 安装 LTS 版本：

curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash export NVM_DIR="$HOME/.nvm" [ -s "$NVM_DIR/nvm.sh" ] && \. "$NVM_DIR/nvm.sh" nvm install --lts node -v npm -v

如果重新登录 session 后发现node命令不存在，检查.bashrc或.zshrc里是否加载了 nvm 环境：

alias nvm command -v nvm

注意：安装工具的报错有 80% 来自环境变量没有生效。重新打开终端，或者手动执行source ~/.bashrc，通常能解决“命令找不到”的问题。

3.2 全局安装 Claude Code

安装 Claude Code 的命令是：

npm install -g @anthropic-ai/claude-code claude --version

如果全局安装成功，claude命令应该可以直接执行。如果执行后提示找不到命令，先确认 npm 的全局安装目录是否在 PATH 中：

npm config get prefix

如果 prefix 指向的是/usr/local，通常没有路径问题。如果 prefix 指向~/.npm-global，需要在环境变量中加入对应目录。

3.3 登录或配置 API Key

Claude Code 启动后有几种认证方式。最简单的方式是直接运行：

claude

首次启动会引导你登录 Anthropic 账号，完成浏览器授权后即可进入对话界面。

如果你更希望用 API Key 控制调用，也可以设置环境变量：

export ANTHROPIC_API_KEY="sk-ant-你的key" claude

为了让配置在重启后依然生效，可以把环境变量写入用户配置：

echo 'export ANTHROPIC_API_KEY="sk-ant-你的key"' >> ~/.bashrc source ~/.bashrc

这种方式的优点是脚本化更稳定，缺点是 API Key 会以明文形式存在服务器上，生产环境建议使用 AWS Secrets Manager 或系统密钥管理工具保存。

3.4 备选安装路径：VS Code 扩展与桌面版

如果你不想在纯终端里工作，也可以走两条备选路径：

在 VS Code 中搜索 Claude Code 扩展，安装后通过图形界面调用。这种方式适合熟悉 IDE 的开发者，但扩展仍依赖同一个命令行工具，如果基础安装有问题，扩展一样会报错。

Claude Code 也有桌面客户端形态。桌面版适合本机日常使用，但在远程 EC2 上使用命令行版本更轻量，也更容易配合 CI/CD 脚本。实际项目的选择标准是：看代码、改代码、查日志时，终端工具通常够用；需要可视化查看 diff 时，IDE 扩展更直观。

4. Claude Code 安装报错和启动问题排查

4.1 “claude 不是内部或外部命令”或“无法将 claude 识别为 cmdlet”怎么处理

这是搜索引擎里出现频率最高的两个报错，分别出现在 Windows 环境和中文字符环境下。本质原因只有一个：claude可执行文件不在当前终端的命令查找路径 PATH 中。

在 Linux 上先检查全局安装是否成功：

npm list -g @anthropic-ai/claude-code npm bin -g

如果包已经安装，但命令不在/usr/local/bin或~/.npm-global/bin，手动添加路径：

export PATH="$PATH:$(npm bin -g)"

在 Windows 的 PowerShell 或 CMD 下，出现“不是内部或外部命令”时，先查看 npm 全局包路径：

npm config get prefix

然后把这个路径下的目录加入系统环境变量 PATH。另一种快速解法是不依赖全局安装，直接用 npx 启动：

npx @anthropic-ai/claude-code

这样可以绕过 PATH 配置问题，缺点是每次调用会先检查包版本，启动稍慢。

4.2 PowerShell 执行策略或权限问题

Windows 下即使 PATH 正确，PowerShell 也可能因为执行策略限制而拒绝运行脚本。报错通常会包含“无法加载文件，因为在此系统上禁止运行脚本”等关键字。

常见处理方式是修改当前用户的执行策略：

Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

修改后重新打开 PowerShell。如果公司环境不允许调整执行策略，就不要纠结全局命令，直接使用 npx 方式：

npx @anthropic-ai/claude-code

4.3 账号与订阅相关提示

启动 Claude Code 或使用 Claude 过程中，可能出现两类账号提示：

一类是“Claude is not available to new users right now”或“Your organization has disabled Claude subscription access for Claude Code”。这类提示意味着当前账号没有 Claude Code 的使用权限，或者组织策略禁止成员使用订阅功能。处理顺序是：

1. 确认账号是否完成 Claude 登录。
2. 确认是否持有 Claude 订阅或 API 可用额度。
3. 确认组织后台是否关闭了 Claude Code 功能。
4. 如果以上都没有问题，改用 ANTHROPIC_API_KEY 认证方式再试。
5. 如果使用 Bedrock 通道，则需要检查 IAM 角色的权限是否包含 Bedrock 模型调用。

注意：不要反复重装软件来尝试解决账号权限问题。这类提示通常和账号状态相关，而不是安装文件损坏。

4.4 网络超时和请求失败

Claude Code 启动后需要和模型服务端通信。如果你看到超时、连接失败或长时间无响应，先检查网络环境：

curl -I https://api.anthropic.com

在 AWS EC2 上还需要检查安全组的出站规则。大部分情况出站是默认允许的，但如果企业账号启用了出站白名单，就需要确认目标域名和端口是否被放行。

调试时可以用带超时的请求定位问题：

curl --max-time 10 -I https://api.anthropic.com

如果 curl 正常但 Claude Code 仍然超时，再看环境变量是否正确配置，模型 ID 是否有效，以及是否触发了限流。限流通常表现为 HTTP 429 或模型返回“rate limit”相关错误。

5. 用 Claude Code 开发一个最小 AI 应用

5.1 需求与功能设计

为了让教程形成完整闭环，这里实现一个“文本摘要 API”。外部请求向服务发送一段文本，服务调用 Claude 模型后返回三句话摘要。

功能拆解后有三部分：

1. HTTP 接口层：接收 POST 请求和 JSON 参数。
2. 模型调用层：支持 Anthropic API 和 Bedrock 两种通道。
3. 异常处理层：文本为空时返回 400，调用失败时返回 500 并记录日志。

为什么选择文本摘要而不是聊天机器人？因为摘要功能对输入输出边界清晰，适合演示接口设计；而聊天机器人涉及会话状态管理、上下文记忆、流式输出，环节更多，容易模糊主线。

5.2 项目结构

在 EC2 上创建项目目录：

mkdir claude-demo cd claude-demo

项目结构建议保持最小：

claude-demo/ ├── app.py ├── requirements.txt └── README.md

如果后续要部署到 Lambda，可以再把模型调用函数拆到claude_client.py中，方便 Lambda 入口直接引用。

5.3 依赖和代码

创建requirements.txt：

flask==3.0.0 anthropic==0.25.4 boto3==1.34.0

版本号只是示例，落地前以官方最新版本为准。boto3只在采用 Bedrock 通道时需要。

创建app.py：

import json import os import anthropic import boto3 from flask import Flask, request, jsonify app = Flask(__name__) provider = os.getenv("CLAUDE_PROVIDER", "anthropic").lower() if provider == "bedrock": bedrock_runtime = boto3.client( "bedrock-runtime", region_name=os.getenv("AWS_REGION", "us-east-1") ) BEDROCK_MODEL_ID = os.getenv( "BEDROCK_MODEL_ID", "anthropic.claude-3-5-sonnet-20241022-v2:0" ) else: anthropic_client = anthropic.Anthropic() ANTHROPIC_MODEL_ID = os.getenv( "ANTHROPIC_MODEL_ID", "claude-3-5-sonnet-20241022" ) def summarize(text: str) -> str: if provider == "bedrock": body = { "anthropic_version": "bedrock-2023-05-31", "max_tokens": 1024, "messages": [ { "role": "user", "content": f"请用三句话总结下面内容：\n\n{text}", } ], } response = bedrock_runtime.invoke_model( modelId=BEDROCK_MODEL_ID, contentType="application/json", accept="application/json", body=json.dumps(body), ) result = json.loads(response["body"].read()) return "".join( block.get("text", "") for block in result.get("content", []) ) message = anthropic_client.messages.create( model=ANTHROPIC_MODEL_ID, max_tokens=1024, messages=[ { "role": "user", "content": f"请用三句话总结下面内容：\n\n{text}", } ], ) return "".join(block.text for block in message.content) @app.post("/summarize") def summarize_handler(): data = request.get_json(silent=True) if not data or not data.get("text"): return jsonify({"error": "text is required"}), 400 try: summary = summarize(data["text"]) return jsonify({"summary": summary}) except Exception as exc: app.logger.exception("summarize failed") return jsonify({"error": str(exc)}), 500 if __name__ == "__main__": app.run(host="0.0.0.0", port=8000)

这段代码看起来很长，但逻辑只有三层。CLAUDE_PROVIDER环境变量决定走 Anthropic API 还是 Bedrock；summarize函数完成模型调用；HTTP 层负责解析请求和返回错误。模型 ID 在示例中写的是 Claude 3.5 Sonnet，实际使用时以 Anthropic 或 Bedrock 控制台展示的最新模型 ID 为准。

5.4 用 Claude Code 辅助编码和审查

代码写完后，在项目目录里启动 Claude Code：

cd claude-demo claude

在对话界面中，可以输入如下指令：

请检查 app.py 的错误处理逻辑，指出可能的问题并给出修改建议。

Claude Code 会读取项目文件，返回审查意见。这里的关键不是让它直接生成一版你能用的完整代码，而是要学会验证它给出的建议。

建议按三个步骤使用：

1. 先让它列出问题清单。
2. 逐个确认问题是否真实存在。
3. 确认后再让它给出修改后的代码片段。

例如，代码中的request.get_json(silent=True)在收到非 JSON 请求时不会抛异常，这是刻意设计的。但如果 Claude 建议你去掉silent=True，你就需要判断：你是想返回 400 还是想直接让 Flask 框架返回 HTML 错误页？带着这个判断去接受建议，Claude Code 才会成为可靠的辅助工具。

5.5 本地启动和验证

先创建虚拟环境并安装依赖：

python3 -m venv .venv source .venv/bin/activate pip install -r requirements.txt

如果用 Anthropic API，设置密钥后启动：

export CLAUDE_PROVIDER=anthropic export ANTHROPIC_API_KEY="sk-ant-你的key" python app.py

服务会监听 8000 端口。打开另一个 SSH 终端，执行：

curl -X POST http://127.0.0.1:8000/summarize \ -H "Content-Type: application/json" \ -d '{"text": "AWS 提供了计算、存储、数据库、机器学习等丰富的云服务，用户可以根据需要灵活地选择和组合这些服务，从而降低运维成本并加快业务迭代速度。"}'

正常响应类似：

{ "summary": "AWS 提供多样云服务。用户可按需组合。这能降低运维成本并加速迭代。" }

如果返回 500，先看终端日志。常见原因是 API Key 无效、模型 ID 不存在、没有开通 Bedrock 模型访问权限，或者当前账号地区不支持该模型。

6. 部署到 AWS：从 EC2 到 Lambda

6.1 方案选型

应用在本地跑通后，需要决定部署形态。这里比较多的是 EC2 常驻服务和 Lambda 按量函数。

如果只是给内部团队演示，选 EC2 更直观；如果接口调用本来就是低频的，直接改造成 Lambda 更省钱。

6.2 部署到 EC2 的步骤

假设你已经通过 SSH 登录到 EC2 实例并安装了项目文件。下面用 systemd 管理 Flask 服务。

先创建服务文件：

sudo tee /etc/systemd/system/claude-demo.service > /dev/null <<'EOF' [Unit] Description=Claude Demo Flask Service After=network.target [Service] User=ubuntu WorkingDirectory=/home/ubuntu/claude-demo Environment=CLAUDE_PROVIDER=anthropic Environment=ANTHROPIC_API_KEY=sk-ant-你的key ExecStart=/home/ubuntu/claude-demo/.venv/bin/python app.py Restart=always RestartSec=3 [Install] WantedBy=multi-user.target EOF

然后执行：

sudo systemctl daemon-reload sudo systemctl enable claude-demo sudo systemctl start claude-demo sudo systemctl status claude-demo

如果服务启动失败，用下面命令查看详细日志：

sudo journalctl -u claude-demo -f

确认服务状态为active (running)后，再用 curl 验证本机接口。如果希望从公网访问，需要在 EC2 安全组中放行 8000 端口，但来源 IP 建议限制为可访问者所在网络的 IP，不要直接对全世界开放。

6.3 改造成 Lambda 函数的思路

Lambda 的运行环境不适合直接运行 Flask 服务，但我们可以复用核心的summarize函数。

创建lambda_function.py：

import json import os def lambda_handler(event, context): body = json.loads(event.get("body", "{}")) text = body.get("text", "") if not text: return { "statusCode": 400, "body": json.dumps({"error": "text is required"}), } try: summary = summarize(text) return { "statusCode": 200, "body": json.dumps({"summary": summary}), } except Exception as exc: return { "statusCode": 500, "body": json.dumps({"error": str(exc)}), }

需要把app.py里的summarize函数复制到lambda_function.py，或者把模型调用逻辑抽到claude_client.py再统一 import。Lambda 的依赖需要打包成层或把依赖安装到同目录上传。建议使用容器镜像方式打包，这样依赖版本更可控。

Lambda 的环境变量配置如下：

• CLAUDE_PROVIDER=anthropic或bedrock
• ANTHROPIC_API_KEY=sk-ant-你的key
• AWS_REGION=us-east-1
• BEDROCK_MODEL_ID=对应模型 ID

如果走 Bedrock 通道，Lambda 的执行角色必须附带允许 Bedrock 调用权限的策略，否则运行时会报AccessDeniedException。

6.4 验证发布结果

不管部署到 EC2 还是 Lambda，验证方式都是发一个真实请求。

如果是 EC2，执行：

curl -X POST http://你的实例公网IP:8000/summarize \ -H "Content-Type: application/json" \ -d '{"text": "AWS Lambda 允许用户运行代码而无需管理服务器，只需要配置触发器、代码和运行角色即可。"}'

如果是 Lambda 函数 URL，从控制台复制 URL 后同样用 curl 调用。

验证通过后，还要检查日志。EC2 下使用journalctl -u claude-demo，Lambda 下前往 CloudWatch Logs 查看LogStream。日志里应该能看到完整请求记录、异常堆栈和耗时信息。如果发现模型响应偏慢，考虑设置更长超时时间，并在接口层加入合理的超时重试策略。

7. 常见坑、扣费问题和成本控制

7.1 AWS 上最容易踩到的 5 个坑

实际项目中，问题往往不是模型不行，而是云资源配置和代码集成之间的细节没有对齐。

7.2 ASG desired 设为 0 后为什么还会扣费

很多人在关闭 Auto Scaling Group（ASG）时，会把 desired 数量设为 0，认为这样实例就释放了，不会产生费用。这个理解不完整。

ASG 本身的配置是免费的，但 ASG 通常关联其他资源。常见扣费来源包括：

• 仍存在的 Application Load Balancer，即使没有流量也按时计费。
• NAT Gateway，按创建时长和流量计费，价格并不低。
• 实例释放后遗留的 EBS 快照，按存储容量收费。
• Elastic IP，未绑定到运行中实例时仍会收费。
• S3 存储桶中的测试文件，按存储量计费。
• CloudWatch Logs 日志组，日志会持续累积并产生存储费用。

正确做法是在确认不再需要测试环境时，进入 EC2 Auto Scaling 控制台，把Min、Max、Desired全部设为 0，然后单独检查 ELB、NAT、EIP、快照和日志组是否还需要保留。

7.3 降低模型成本和省 token 的使用方法

Claude Code 和 Claude API 都会消耗 token，成本控制可以从以下几个方向做：

使用 Claude Code 时，对话上下文越长，消耗越大。不要让它反复读取整个项目。如果需要切换任务，使用/clear清理上下文，再重新描述问题。

把大任务拆成小任务。比如“先审查这个函数的错误处理”比“帮我把整个项目重构一遍”更容易控制输出长度，也更容易产生准确结果。

明确限制输出长度。在调用 API 时设置合理的max_tokens，避免模型生成超长回答。摘要功能只需要三句话，max_tokens设为 1024 已经足够。

对于辅助性、非核心的编码任务，有些人会通过 cc-switch 等工具在不同模型服务商之间切换，甚至使用本地 Ollama 模型来减少 token 消耗。这种方式适合做草稿、命名、简单文本转换，但生产环境仍建议回到官方 Claude API 或 Bedrock，因为模型对复杂项目的理解能力和输出稳定性更可靠。

7.4 AWS 成本排查清单

定期检查下面这些资源，能减少大部分“无厘头扣费”：

• 是否有未绑定实例的 Elastic IP。
• 是否有不再使用但仍在运行的 EC2 实例。
• 是否有残留的 EBS 快照。
• 是否有闲置的 NAT Gateway。
• 是否有不再访问的 S3 存储桶和 CloudWatch 日志组。
• 是否在多个区域重复创建了同样用途的资源。

AWS 账单控制台可以从“按服务”“按区域”两个维度看费用分布。扣费异常时先从这两张维度表切入，通常很快就能定位到具体资源。

8. 从开发到落地的完整检查清单

8.1 开发前检查清单

• 确定使用 Anthropic API 还是 Amazon Bedrock，并准备好 API Key 或 IAM 权限。
• 确认 EC2 实例操作系统、实例类型和区域。
• 安装 Node.js、npm、Python、Git、AWS CLI。
• 创建项目目录并初始化虚拟环境。
• 确认模型 ID 有效，先调用一次最小模型请求，验证密钥和网络通。

8.2 发布前检查清单

• 将 API Key 从代码中移除，改放到环境变量或密钥管理服务。
• 设置服务超时时间，避免模型卡住导致 HTTP 请求长期挂起。
• 配置日志记录，确保异常堆栈能完整输出。
• 安全组只放行必要端口，来源 IP 范围尽量收敛。
• 在生产环境使用 Bedrock 时，检查 IAM 权限是最小权限。
• 记录当前使用的模型 ID 和依赖版本，方便回滚。

8.3 运行中检查清单

• 关注 CloudWatch 指标，包括错误率、响应时间和调用次数。
• 设置预算告警，费用超过阈值时第一时间收到通知。
• 定期删除测试环境的快照、日志组和弹性 IP。
• 更新 Claude Code 或模型版本时，先在小流量环境验证，再全量发布。

这篇文章走通的路径并不复杂，但覆盖了从开发到落地最容易被忽略的环节：开发环境怎么搭建，Claude Code 报错从哪里排查，模型接口怎么设计，部署形态怎么选，账单异常怎么定位。把这套链路跑熟之后，你会发现真正的效率提升来自两部分：Claude 帮你处理重复编码和审查任务，而你把 AWS 的资源生命周期管理清楚，不让基础设施反过来成为项目的负担。下一步可以继续扩展的方向包括：把 Flask 应用改成流式输出、在 Lambda 中接入 API Gateway 与自定义域名、用 AWS Secrets Manager 托管 API Key，以及把 Claude Code 接入 CI 流程自动做代码审查。按顺序逐个实验，就能把“在 AWS 上使用 Claude”从一次实践变成一套稳定的工程能力。