Anthropic 官方认证

Claude Certified Architect

Certified Architect Foundations（CCA-F）备考资源与考试指南

● 什么是 CCA-F

Claude Certified Architect Foundations（CCA-F）是 Anthropic 官方推出的架构师认证。它不考你会不会写 Prompt，而是考你能否在真实工程场景下权衡取舍，用 Claude 设计并交付生产级应用。题目全部基于真实客户用例，要求的不只是概念理解，而是架构、配置与生产部署的实战判断力。

考试覆盖 Claude Code、Claude Agent SDK、Claude API、Model Context Protocol (MCP) 四大核心技术，贯穿客户支持、代码生成、多 Agent 研究、开发者效率、CI 集成与结构化数据抽取六大场景。通过 CCA-F 意味着你具备从需求拆解到上线运维的完整 Agent 工程能力。

题型单选题四选一

题量 60 道限时完成

场景 6 抽 4 生产场景

及格线 720 分满分 1000

● 备考资源

📚

官方课程

Anthropic Academy

官方免费课程，含完成证书，从零系统学习 Claude 能力边界与 Agent 设计。

Partner Network

Skilljar 官方门户，CCA-F 认证的报名与考试交付平台。

社区题库

100% 免费刷题站，150+ 道模拟题，覆盖考纲，含诊断性测试与解析。

开源演练库

开源代码库，对照演练多 Agent 协作、异常捕获与生产级架构。

开源代码

查看 GitHub →

● 5 大知识域与考核要点

权重决定题量占比，备考时间按权重分配；点击展开各域考核任务

Agentic Architecture & Orchestration 27%

Agent 循环、多 Agent 编排、子 Agent 委派与会话状态管理

1.1 设计自主执行的 Agentic 循环

1.2 编排协调者-子 Agent 多 Agent 系统

1.3 配置子 Agent 调用、上下文传递与派生

1.4 实现带强制与交接的多步工作流

1.5 用 Agent SDK hooks 拦截工具调用并规范化数据

1.6 复杂工作流的任务分解策略

1.7 管理会话状态、恢复与分叉

Tool Design & MCP Integration 18%

工具接口设计、MCP 集成、内置工具选用与错误处理

2.1 设计清晰描述与边界的工具接口

2.2 为 MCP 工具实现结构化错误响应

2.3 跨 Agent 合理分配工具并配置权限

2.4 将 MCP server 集成进 Claude Code 与 Agent 工作流

2.5 选用内置工具（Read/Write/Edit/Bash/Grep/Glob）

Claude Code Configuration & Workflows 20%

CLAUDE.md 层级配置、自定义命令、路径规则与 CI/CD 集成

3.1 配置 CLAUDE.md 层级、作用域与覆盖

3.2 创建自定义斜杠命令与 Skills

3.3 用 glob 模式应用路径条件规则

3.4 判断何时用 plan mode 还是直接执行

3.5 迭代精炼的渐进式优化技术

3.6 将 Claude Code 集成进 CI/CD 流水线

Prompt Engineering & Structured Output 20%

提示工程、Few-shot、结构化输出与批量处理

4.1 设计带明确评判标准的 Prompt 提升精确度

4.2 用 Few-shot 提升输出一致性

4.3 用 tool_use 与 JSON Schema 强制结构化输出

4.4 实现抽取的验证-重试-反馈循环

4.5 设计高效批量处理策略

4.6 设计多实例、多轮评审架构

Context Management & Reliability 15%

上下文管理、错误传播、人工评审与不确定性处理

5.1 管理对话上下文保留关键信息

5.2 设计升级与歧义消解模式

5.3 跨多 Agent 系统的错误传播策略

5.4 大型代码库探索的上下文管理

5.5 设计人工评审工作流与置信度校准

5.6 保留信息溯源并处理不确定性

● 6 大考试场景

考试场景题，每次从 6 个中随机抽取 4 个

🎧

客户支持解决 Agent

Customer Support Resolution

用 Agent SDK 构建处理高歧义客户问题的支持 Agent

⚙️

Claude Code 代码生成

Code Generation with Claude Code

配置 Claude Code 团队工作流与代码生成规范

🔬

多 Agent 研究系统

Multi-Agent Research System

设计协调者-子 Agent 的研究流水线

🛠️

开发者效率工具

Developer Productivity

构建提升开发效率的 Claude 集成工具

🔄

CI 持续集成

Claude Code for CI

将 Claude Code 集成进 CI/CD 代码审查流水线

📊

结构化数据抽取

Structured Data Extraction

从非结构化文档抽取结构化数据

● 8 大应试核心原则

贯穿全部场景，是判断正确选项的根本依据

1 用确定性工具补全 Agent 上下文，而非让模型凭记忆推理

2 高风险动作（退款、删除、外发）必须 Human-in-the-loop 确认

3 工具描述写清「何时用」和「何时不用」，而非仅功能

4 上下文不是越多越好，无关信息会稀释关键线索

5 Agent 失败应优雅降级（重试 / 回退 / 接管），而非崩溃

6 用最小权限约束工具能力，禁止 Agent 越权操作

7 评估用真实业务数据，而非合成用例

8 成本与延迟是架构约束，不是事后优化项

● 官方备考建议

来自 Exam Guide 的 7 条动手实践建议，每条对应一个或多个知识域

用 Agent SDK 构建 Agent：实现完整的 Agentic 循环、工具调用、错误处理与会话管理，练习派生子 Agent 并传递上下文

为真实项目配置 Claude Code：搭建 CLAUDE.md 层级、.claude/rules/ 路径规则、自定义 Skills，集成至少一个 MCP server

设计并测试 MCP 工具：写清区分相似工具的描述，实现带错误类别和可重试标志的结构化错误响应

构建结构化数据抽取流水线：用 tool_use + JSON Schema，实现验证-重试循环，用 Message Batches API 批量处理

练习提示工程：为歧义场景写 Few-shot，定义明确评审标准降低误报，设计多轮代码评审架构

研究上下文管理模式：从冗长工具输出抽取结构化事实，用 scratchpad 文件管理长会话，设计子 Agent 委派管理上下文限制

复习升级与 Human-in-the-loop 模式：理解何时升级（策略缺口、客户请求、无法推进）vs 自主解决

● 官方备考资源

Anthropic 官方完整备考路径

● 推荐学习路径

完成官方课程

系统学习 5 大知识域，建立生产级 Agent 设计认知

诊断性刷题

用社区题库定位薄弱知识点并针对性复习

代码实战

对照开源库跑通多 Agent 协作与异常处理

报名考试

在 Partner Network 完成 60 题考试，720 分及格

资源链接指向外部站点，考试结构以官方最新公告为准 · 资源整理 by itech001