本番デプロイの最初のステップは何ですか？アプリケーションが準備完了かどうかをどのように評価しますか？
5つの次元での自己評価：セキュリティ（APIキーがenv varsに、異なる環境に異なるキー）；信頼性（リトライロジック、タイムアウト、フォールバック）；コスト管理（コンテキストウィンドウの制限、プロンプトキャッシング）；Observability（キーメトリクスのログ、費用アラート）；スケーラビリティ（レート制限処理）。
Batch APIを使用してバッチ処理タスクのコストを大幅に削減するには？
AnthropicのBatch APIは標準APIの50%安いですが、即時応答は保証されません（通常24時間以内）。即時応答を必要としないバッチタスクに理想的です。
使用方法：複数のリクエストをJSONLにパッケージ化；batch_idのために送信；完了したら結果をダウンロード。
費用見積もり：Batch APIは標準の50%のコスト。Prompt Cachingと組み合わせると、総コストを標準リアルタイムAPIの10〜15%まで削減できます。
ストリーミングの正しい実装とそれが必要な場合は？
ストリーミングにより、Claudeは生成するたびにいくつかのトークンをアプリケーションにプッシュします。
使用する場合：ユーザーが待機するシナリオ（チャットインターフェース、長いコンテンツ生成）；長いコンテンツの生成（200〜300語以上）。
使用しない場合：バックグラウンドバッチ処理；非常に短いアウトプット；処理前に完全なアウトプットが必要な場合。
Python SDKのwith client.messages.stream()コンテキストマネージャーが最もクリーンな実装方法です。
Claude APIアプリケーションのテスト戦略はどのように設計しますか？
AIアプリケーションのテストはより複雑です。LLMのアウトプットは非決定論的——正確なアウトプットマッチングは使えません。
機能テスト：アウトプットが要件を満たすかテスト——範囲内の長さ、必要な構造の存在、禁止コンテンツなし。
回帰テスト：期待されるアウトプット方向を持つゴールデンテストセットを維持します。
コストとパフォーマンステスト：各シナリオの平均トークン消費量、P95レイテンシ、エラーレートをベースラインとして測定します。
APIの例を動かすことと本番環境で安定して動かすことは全く別のことです。多くの開発者がlocalhostでスムーズにテストし、本番環境で予期しない問題に遭遇します。
APIキーをコードに書かないでください。環境変数またはクラウドのシークレット管理サービスを使用します。
429エラー時は即座にリトライしないでください。指数バックオフとジッターを使用します。
会話履歴の最大保持制限を設定します。各コールのusageフィールドからトークン数をログに記録します。
System Promptが1,024トークンを超える場合、cache_control: {type: ephemeral}を追加してコストを90%削減します。
429：指数バックオフリトライ。500/529：一度リトライしてからフレンドリーなエラーメッセージを返す。400：リトライせず詳細ログを記録。
各APIコールをログに記録します：タイムスタンプ、モデル、トークン数、レイテンシ、エラータイプ、ユーザーID。監視メトリクスを構築し、アラートを設定します。