用途：在执行 AWS Python 代码（尤其 SageMaker 部署与自动化）前，创建隔离、版本正确的 Python 环境，规避因 Python 版本、依赖解析或 SDK 过旧导致的失败。
主要能力与规则：不用系统 Python，始终在隔离环境中工作；固定 Python 版本（3.10/3.11/3.12），避免 3.13+（ML 库 wheel 滞后、依赖解析易出错）；安装各包最新版而不是防御性固定版本；用 importlib.metadata.version("package-name") 检查版本，而不用 module.version。捆绑脚本（deploy.py、deploy_async.py、teardown.py）直接用 boto3，从 AWS 发布的 Deep Learning Containers 目录读取镜像 URI；也可使用 SageMaker Python SDK（v3）。
使用方式：最快用捆绑脚本，跨平台同一 Python 命令： python3 scripts/setup_env.py（macOS/Linux） python scripts/setup_env.py（Windows） 脚本检测 uv 优先使用，否则回退 stdlib venv，创建 .venv/（默认 Python 3.12，可用 python3 setup_env.py .venv 3.11 覆盖），拒绝不支持的版本，按捆绑 requirements.txt 安装，且幂等。手动等价命令： uv venv --python 3.12 .venv uv pip install --python .venv/bin/python --upgrade boto3 awscli（Windows: .venv\Scripts\python.exe） 回退：python3.12 -m venv .venv .venv/bin/python -m pip install --upgrade pip boto3 awscli 设置后显式调用环境解释器而非激活：.venv/bin/python deploy.py（macOS/Linux）；.venv\Scripts\python.exe deploy.py（Windows）。验证：.venv/bin/python scripts/check_versions.py，可传包名。
适用场景：SageMaker 部署、AWS 自动化、需要 huggingface_hub、transformers 等部署扩展时按其需求添加到项目专属 requirements 文件并用环境 Python 安装。
限制与注意事项：SDK 有两个需留意的情况——生成式重排器（如 Qwen3-Reranker）会被 SDK 无条件路由到 TEI，需显式传容器；SSO 假定角色凭证下 v3 在 ModelTrainer/FrameworkProcessor 曾出现凭证解析回归，若 SDK 报凭证错误而 aws sts get-caller-identity 正常，应怀疑此问题。常见坑：pip 解析错误多因 Python 3.13+ 或污染的系统 Python，重建 3.12 环境；装了却报 module not found，是解释器不一致，需显式调用；PowerShell 内联 python -c 引号易出错，应写成 .py 文件；boto3 报 unknown parameter 说明版本过旧，应升级而非降级脚本；装了 sagemaker 不影响捆绑脚本，后者只需 boto3/awscli。资料未提供更多价格或平台细节。