Claude Platform on AWS 的四大亮点功能

同样是在 AWS 上跑 Claude，Claude Platform 和 Amazon Bedrock 其实是两套完全不同的东西。

Bedrock 是 AWS 托管的模型 API 市场，限制多、灵活性低；而 Claude Platform on AWS 是 Anthropic 原生能力的直通车------Web 搜索、网页抓取、文件执行、自动缓存，一个都不少。

我直接用代码跑了一遍，把最值得关注的 4 个能力整理在这里。

准备工作：安装依赖

调用 Claude Platform on AWS 推荐使用 Anthropic 官方 SDK，安装时带上 aws 可选依赖：

bash 复制代码

uv add anthropic[aws]

能力① Web Fetch：主动抓取任意网页

把 URL 丢给它，它自己去读，然后给你摘要。

python 复制代码

import os
from anthropic import AnthropicAWS

client = AnthropicAWS(workspace_id=os.environ["ANTHROPIC_AWS_WORKSPACE_ID"])

response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    tools=[
        {"type": "web_fetch_20260209", "name": "web_fetch"},
    ],
    cache_control={"type": "ephemeral"},
    messages=[
        {
            "role": "user",
            "content": "帮我总结这个网站的内容。https://aws.amazon.com/jp/blogs/machine-learning/introducing-claude-platform-on-aws-anthropics-native-platform-through-your-aws-account/",
        }
    ],
)

for content in response.content:
    print(content.type)
    if content.type == "text":
        print(content.text)

执行日志里能看到 web_fetch_tool_result 和 code_execution_tool_result 交替出现------Claude 不只是抓页面，它还会自动执行代码对内容做进一步分析。有意思的是，Web Fetch 在这次测试里跑了两轮，看起来它在自我验证结果。

执行结果片段：

复制代码

server_tool_use
server_tool_use
web_fetch_tool_result
code_execution_tool_result
server_tool_use
server_tool_use
web_fetch_tool_result
code_execution_tool_result
text
以下是文章内容的摘要...

💡 这是 Claude Platform on AWS 相比 Amazon Bedrock 的独特能力之一------Bedrock 不会主动上网，Claude Platform 会。

能力② Web Search：多轮搜索，自动汇总

不只能抓取页面，还能主动检索互联网。更关键的是，它会连续搜多轮，交叉验证后再给你答案。

python 复制代码

import os
from anthropic import AnthropicAWS

client = AnthropicAWS(workspace_id=os.environ["ANTHROPIC_AWS_WORKSPACE_ID"])

response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    tools=[
        {"type": "web_search_20260209", "name": "web_search"},
    ],
    cache_control={"type": "ephemeral"},
    messages=[
        {"role": "user", "content": "帮我查一下 moritalous 在 Qiita.com 最近发布了哪些文章"}
    ],
)

for content in response.content:
    print(content.type)
    if content.type == "text":
        print(content.text)

执行日志里可以数出 7 次 web_search_tool_result------它没有凑合，它在认真找。

执行结果片段：

复制代码

server_tool_use
web_search_tool_result
code_execution_tool_result
server_tool_use
web_search_tool_result
...（共 7 轮搜索）
text
以下是 moritalous 最近在 Qiita 上的文章汇总...

🔍 这种"搜索 → 分析 → 再搜索"的循环能力，让它在信息收集类任务上远超普通 LLM 调用。

能力③ 文件上传/下载 + 代码执行

传一个 CSV，让它用 matplotlib 画图，然后把图下载回来------全程不需要离开 API。

文件操作目前是 Beta 功能，使用 client.beta 开头的 API：

python 复制代码

import os
from anthropic import AnthropicAWS

client = AnthropicAWS(workspace_id=os.environ["ANTHROPIC_AWS_WORKSPACE_ID"])

# 上传文件
file_object = client.beta.files.upload(
    file=open("data.csv", "rb"),
)

response = client.beta.messages.create(
    model="claude-sonnet-4-6",
    betas=["files-api-2025-04-14"],
    max_tokens=4096,
    tools=[
        {"type": "code_execution_20260120", "name": "code_execution"},
    ],
    cache_control={"type": "ephemeral"},
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "分析 CSV 数据，用 matplotlib 可视化，保存为 output.png。",
                },
                {"type": "container_upload", "file_id": file_object.id},
            ],
        }
    ],
)

# 从响应中提取文件 ID
def extract_file_ids(response):
    file_ids = []
    for item in response.content:
        if item.type == "bash_code_execution_tool_result":
            content_item = item.content
            if content_item.type == "bash_code_execution_result":
                for file in content_item.content:
                    file_ids.append(file.file_id)
    return file_ids

# 下载文件
for file_id in extract_file_ids(response):
    file_metadata = client.beta.files.retrieve_metadata(file_id)
    file_content = client.beta.files.download(file_id)
    file_content.write_to_file(file_metadata.filename)
    print(f"Downloaded: {file_metadata.filename}")

最终拿到了 output.png，Claude 自动生成了一个 8 图数据仪表盘：

#	图表	内容
①	月度销售额堆积面积图	Hardware / Service / Software 各类别月度趋势
②	销售额热力图	地区 × 类别交叉统计
③	细分市场销售额 + 毛利率	Consumer / Enterprise / SMB 复合图
④	销售渠道订单量	Online / Direct / Partner 水平条形图
⑤	地区月度销售趋势	6 城市折线图
⑥	退货率甜甜圈图	各细分市场分布
⑦	客户评分分布	直方图 + 均值线
⑧	营销费用 vs 销售额散布图	按类别展示投入产出比

生成的可视化仪表盘（output.png）：

能力④ 自动提示词缓存：一行代码，全自动

提示词缓存的演进其实挺辛苦的：

版本	使用方式
第一代	在想缓存的位置精确标注缓存点，需要反复调试
第二代	统一写在消息末尾，位置固定但还是要手动加
第三代	顶层一行，全部自动搞定

如果你之前为了缓存调过一大堆参数，看到这里应该会有点想哭。

python 复制代码

import os
from anthropic import AnthropicAWS

client = AnthropicAWS(workspace_id=os.environ["ANTHROPIC_AWS_WORKSPACE_ID"])

response = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    cache_control={"type": "ephemeral"},  # 就这一行，其他什么都不用动
    messages=[
        {"role": "user", "content": "HELLO!!!"}
    ],
)

print(response.content[0].text)

🚀 这是目前 Claude Platform on AWS 相比 Amazon Bedrock 最明显的差距之一。 Bedrock 截至目前还不支持自动缓存，期待早日跟进。

总结

能力	Claude Platform on AWS	Amazon Bedrock
Web Fetch（抓取网页）	✅ 支持	❌ 不支持
Web Search（网页搜索）	✅ 支持	❌ 不支持
文件上传/下载 + 代码执行	✅ 支持（Beta）	❌ 不支持
自动提示词缓存	✅ 顶层一行搞定	❌ 暂无

这四个能力，任何一个单拿出来都值得折腾一下。组合起来，就是一套完整的"能上网、能处理文件、能执行代码、还会自动省钱"的 AI 基础设施。

Bedrock 的优势在于与 AWS 生态的深度集成和合规性；Claude Platform on AWS 的优势在于 Anthropic 原生能力的完整释放。两者不是替代关系，但如果你需要这 4 个能力，答案很清楚。