Claude Code × Amazon Bedrock 完整指南 | 在AWS上将Claude投入生产环境

“想在生产服务中使用Claude API，但担心API密钥管理问题”或”内部安全要求不允许数据离开AWS”——面对这些困境的工程师，Amazon Bedrock是最佳解决方案。

我在工作中将AI集成到ECS上的API服务器时，最初直接使用Anthropic的API。然而安全审查指出”外部服务API密钥管理存在问题”。切换到Bedrock后，仅通过IAM角色即可完成认证，从此告别了API密钥管理的烦恼。本文将从使用Claude Code实现Bedrock到生产运营全程进行详解。

---

Amazon Bedrock是什么？

Amazon Bedrock是AWS的托管AI模型服务。可通过统一的API调用多种模型——包括Claude (Anthropic)、Llama (Meta)、Titan (Amazon)等。

为什么使用Bedrock？

维度	Anthropic API	Amazon Bedrock
认证	API密钥	AWS IAM角色
计费	直接向Anthropic	集成到AWS账单
VPC支持	无	通过PrivateLink完全隔离
数据存储	Anthropic的策略	AWS的策略
合规认证	SOC2等	SOC2 / ISO27001 / HIPAA等

个人开发用Anthropic API很方便，但在企业、金融、医疗等领域，选择Bedrock的情况越来越多。

---

Step 1: 初始设置

申请模型访问权限

首先在AWS控制台申请访问Claude模型。

# 查看可用模型列表
aws bedrock list-foundation-models \
  --by-provider anthropic \
  --region us-east-1 \
  --query 'modelSummaries[].{id:modelId, name:modelName}'

# 输出示例
[
  {"id": "anthropic.claude-opus-4-5",     "name": "Claude Opus 4.5"},
  {"id": "anthropic.claude-sonnet-4-6",   "name": "Claude Sonnet 4.6"},
  {"id": "anthropic.claude-haiku-4-5-20251001", "name": "Claude Haiku 4.5"}
]

重要提示：主要可用Region为us-east-1（弗吉尼亚）和us-west-2（俄勒冈）。东京Region可通过Cross-region inference（跨区域推理）使用。

安装SDK

npm install @anthropic-ai/sdk @aws-sdk/client-bedrock-runtime

---

Step 2: 基本实现

使用Anthropic SDK内置的Bedrock支持（推荐）

官方Anthropic SDK内置了Bedrock支持。由于写法与普通Anthropic API几乎相同，从现有代码迁移的成本最小。

// src/lib/bedrock-client.ts
import Anthropic from "@anthropic-ai/sdk";

// 使用IAM角色（如Lambda/ECS）时无需凭证
const bedrock = new Anthropic.AnthropicBedrock({
  awsRegion: process.env.AWS_REGION ?? "us-east-1",
  // 本地开发时自动使用AWS CLI配置文件
});

export async function generateText(
  prompt: string,
  options: { model?: string; maxTokens?: number } = {}
): Promise<string> {
  const { model = "anthropic.claude-sonnet-4-6", maxTokens = 1024 } = options;

  const response = await bedrock.messages.create({
    model,
    max_tokens: maxTokens,
    messages: [{ role: "user", content: prompt }],
  });

  return response.content[0].type === "text" ? response.content[0].text : "";
}

Bedrock的模型ID与Anthropic API不同：

Anthropic API: claude-sonnet-4-6
Bedrock:       anthropic.claude-sonnet-4-6  （添加了前缀）

流式传输支持

长响应必须使用流式传输。

// src/lib/bedrock-stream.ts
export async function* streamText(
  prompt: string,
  model = "anthropic.claude-sonnet-4-6"
): AsyncGenerator<string> {
  const stream = await bedrock.messages.stream({
    model,
    max_tokens: 4096,
    messages: [{ role: "user", content: prompt }],
  });

  for await (const chunk of stream) {
    if (
      chunk.type === "content_block_delta" &&
      chunk.delta.type === "text_delta"
    ) {
      yield chunk.delta.text;
    }
  }
}

// 使用示例（Next.js App Router的情况）
export async function POST(req: Request) {
  const { prompt } = await req.json();
  const encoder = new TextEncoder();

  const stream = new ReadableStream({
    async start(controller) {
      for await (const text of streamText(prompt)) {
        controller.enqueue(encoder.encode(text));
      }
      controller.close();
    },
  });

  return new Response(stream, {
    headers: { "Content-Type": "text/event-stream" },
  });
}

---

Step 3: Lambda + Bedrock模式

提供Serverless AI功能最常用的架构。

claude -p "
在src/lambda/ai-handler.ts中实现以下Lambda函数：
- 从event中获取prompt和maxTokens
- 调用Bedrock (claude-sonnet-4-6)并返回结果
- 错误处理分支：ThrottlingException（重试）和ValidationException（400）
- 记录执行时间到日志
- 在容器外初始化客户端（冷启动优化）
"

// src/lambda/ai-handler.ts
import { Handler, APIGatewayProxyEvent, APIGatewayProxyResult } from "aws-lambda";
import Anthropic from "@anthropic-ai/sdk";

// 在模块作用域初始化（容器复用时被缓存）
const bedrock = new Anthropic.AnthropicBedrock({
  awsRegion: process.env.AWS_REGION,
});

export const handler: Handler<APIGatewayProxyEvent, APIGatewayProxyResult> = async (event) => {
  const startTime = Date.now();

  try {
    const { prompt, maxTokens = 512 } = JSON.parse(event.body ?? "{}");

    if (!prompt) {
      return { statusCode: 400, body: JSON.stringify({ error: "prompt is required" }) };
    }

    const response = await bedrock.messages.create({
      model: "anthropic.claude-sonnet-4-6",
      max_tokens: maxTokens,
      messages: [{ role: "user", content: prompt }],
    });

    const duration = Date.now() - startTime;
    console.log(JSON.stringify({
      level: "INFO",
      duration_ms: duration,
      input_tokens: response.usage.input_tokens,
      output_tokens: response.usage.output_tokens,
    }));

    return {
      statusCode: 200,
      body: JSON.stringify({
        text: response.content[0].type === "text" ? response.content[0].text : "",
        usage: response.usage,
      }),
    };
  } catch (error: any) {
    if (error.name === "ThrottlingException") {
      console.warn("Rate limited by Bedrock, client should retry");
      return { statusCode: 429, body: JSON.stringify({ error: "Rate limited, please retry" }) };
    }
    console.error("Bedrock error:", error);
    return { statusCode: 500, body: JSON.stringify({ error: "AI generation failed" }) };
  }
};

Lambda的IAM策略

// 使用CDK进行IAM配置
import * as iam from "aws-cdk-lib/aws-iam";

lambdaFunction.addToRolePolicy(new iam.PolicyStatement({
  effect: iam.Effect.ALLOW,
  actions: [
    "bedrock:InvokeModel",
    "bedrock:InvokeModelWithResponseStream",
  ],
  resources: [
    `arn:aws:bedrock:us-east-1::foundation-model/anthropic.claude-sonnet-4-6`,
    `arn:aws:bedrock:us-east-1::foundation-model/anthropic.claude-haiku-4-5-20251001`,
  ],
}));

---

Step 4: RAG（检索增强生成）实现

让Claude读取内部文档或产品信息进行回答的模式。

claude -p "
使用Bedrock Knowledge Base实现RAG系统。

架构：
- 将文档存储在S3
- 使用Bedrock Knowledge Base进行向量索引
- 根据用户问题检索文档
- 用Claude Sonnet生成回答

使用TypeScript + AWS SDK v3实现。
Knowledge Base ID从环境变量KNOWLEDGE_BASE_ID获取。
"

// src/lib/rag.ts
import {
  BedrockAgentRuntimeClient,
  RetrieveAndGenerateCommand,
} from "@aws-sdk/client-bedrock-agent-runtime";

const agentClient = new BedrockAgentRuntimeClient({ region: "us-east-1" });

export async function ragQuery(question: string): Promise<{
  answer: string;
  citations: string[];
}> {
  const response = await agentClient.send(
    new RetrieveAndGenerateCommand({
      input: { text: question },
      retrieveAndGenerateConfiguration: {
        type: "KNOWLEDGE_BASE",
        knowledgeBaseConfiguration: {
          knowledgeBaseId: process.env.KNOWLEDGE_BASE_ID!,
          modelArn: `arn:aws:bedrock:us-east-1::foundation-model/anthropic.claude-sonnet-4-6`,
          retrievalConfiguration: {
            vectorSearchConfiguration: { numberOfResults: 5 },
          },
        },
      },
    })
  );

  const answer = response.output?.text ?? "";
  const citations = (response.citations ?? [])
    .flatMap((c) => c.retrievedReferences ?? [])
    .map((r) => r.location?.s3Location?.uri ?? "")
    .filter(Boolean);

  return { answer, citations };
}

---

Step 5: 成本优化

// 模型选择工具函数
type TaskType = "classify" | "extract" | "summarize" | "generate" | "complex";

const MODEL_MAP: Record<TaskType, string> = {
  classify: "anthropic.claude-haiku-4-5-20251001",  // $0.80/1M输入token
  extract:  "anthropic.claude-haiku-4-5-20251001",
  summarize: "anthropic.claude-sonnet-4-6",          // $3.00/1M输入token
  generate: "anthropic.claude-sonnet-4-6",
  complex:  "anthropic.claude-opus-4-5",             // $15.00/1M输入token
};

export function selectModel(task: TaskType): string {
  return MODEL_MAP[task];
}

通过Prompt缓存降低输入成本

// Bedrock中也可以使用Prompt缓存
const response = await bedrock.messages.create({
  model: "anthropic.claude-sonnet-4-6",
  max_tokens: 1024,
  system: [
    {
      type: "text",
      text: longSystemPrompt,
      cache_control: { type: "ephemeral" },  // 缓存5分钟
    },
  ],
  messages: [{ role: "user", content: userQuery }],
});

---

5个常见陷阱

1. Region不支持

Claude on Bedrock并非在所有Region均可使用。截至2026年，us-east-1和us-west-2是主力Region。从东京使用时，需启用Cross-region inference（跨区域推理）。

// 使用跨区域推理的模型ARN
const crossRegionModelArn = 
  "arn:aws:bedrock:us-east-1::foundation-model/anthropic.claude-sonnet-4-6";

2. 忘记申请模型访问权限

在Bedrock中，每个想要使用的模型都需要申请”Model access”。未申请直接调用会报AccessDeniedException错误。在使用Claude Code编码前务必先申请。

3. Lambda超时时间过短

Claude的响应可能需要1030秒。Lambda默认的3秒必然超时。**最少设置30秒，长内容生成则设置60300秒**。

4. 将Bedrock的模型ID与Anthropic API的ID混淆

❌ 直接使用Anthropic API的ID："claude-sonnet-4-6"
✅ Bedrock的ID："anthropic.claude-sonnet-4-6"

5. 未考虑Cross-region inference的延迟

从东京调用us-east-1的模型会增加约100~200ms的往返网络延迟。对实时性要求较高的应用，请使用流式传输来减轻感知延迟。

---

总结

任务	Claude Code的贡献
基本实现	生成AnthropicBedrock客户端和函数
Lambda集成	一键生成Handler和IAM策略
RAG实现	自动生成Knowledge Base集成代码
成本优化	根据任务类型设计模型选择逻辑
故障排查	从错误日志中找出原因并提供修复方案

用Claude Code开发，用Bedrock进行生产运营——这个组合同时满足安全性、成本和可扩展性的所有要求。先从Bedrock免费试用开始，正式投入生产时只需配置IAM角色即可完成迁移。

相关文章

• Claude Code × AWS Lambda 完整指南
• Claude Code × AWS IAM 完整指南
• 将Claude Code API成本降低90%的完整指南

参考资料

• Amazon Bedrock官方文档
• Anthropic SDK Bedrock支持
• Bedrock模型ID列表