Claude Certified Architect – Foundations（CCA-F）是 Anthropic 于 2026 年 3 月 12 日随 Claude Partner Network 发布的第一项 Claude 技术认证， 由 Anthropic Academy（托管在 Skilljar LMS）提供，面向正在用 Claude 构建生产级应用的 solution architects。
它的目标不是测试"会不会用 Claude"，而是测试"能不能把 Claude 设计进一个能上线、能维护、 能扛住业务负载的应用系统"。
与一般 prompt 课程不同，CCA-F 强调的是：
官方说明强调：CCA-F 是面向"正在为生产环境设计 Claude 解决方案"的 architect 的 技术考试，重点不是 prompt 技巧，而是系统设计、可靠性、与 Claude Code 工作流的工程化。
以下表格严格区分三类来源，避免把社区结论伪装成官方信息。
| 项目 | 来源 | 可信度 | 说明 |
|---|---|---|---|
| 认证名称 = Claude Certified Architect, Foundations（CCA-F） | 官方 | 高 | 见 anthropic.com/news/claude-partner-network（2026-03-12 发布通稿） |
| Anthropic 第一项 Claude 技术认证 | 官方 | 高 | 官方原文："the first Claude technical certification, available today" |
| 面向 solution architects 构建生产应用 | 官方 | 高 | 官方原文："technical exam for solution architects building production applications with Claude" |
| 当前主要面向 Anthropic Partner | 官方 | 高 | 官方报名入口 = anthropic.skilljar.com/claude-certified-architect-foundations-access-request（需要申请） |
| 考试形式 = 多选 + scenario-based | 社区 | 中 | claudecertifications.com 整理；官方未直接披露考试形式细节 |
| 题量 = 4 of 6 scenarios | 社区 | 中 | claudecertifications.com 整理；官方未直接确认场景数与抽题机制 |
| 分数线 = 720 / 1000 | 社区 | 中 | 社区来源；官方未公布分数线 |
| 费用 = Free（对前 5,000 名 Partner 员工） | 社区 | 中 | 社区整理；Partner Network 免费加入是官方事实；考试本身对个人是否收费官方未明确 |
| 五大领域与权重 25/20/20/20/15 | 社区 | 中 | claudecertifications.com / skillcertpro 整理；官方仅披露领域划分，权重为社区推断 |
| 6 个 exam scenario 描述 | 社区 | 中 | 社区整理的题型描述；不能视作原题 |
| 个人报名通道 | 待官方确认 | 中-低 | 目前官方入口为 Partner 申请页面；个人报名开放程度需以 anthropic.skilljar.com 为准 |
| 2026 年内将推出更多认证（sellers / architects / developers） | 官方 | 高 | 官方原文："Additional certifications for sellers, architects, and developers later in 2026" |
下表领域划分来自 Anthropic 官方说明；权重百分比来自社区整理，仅供参考。
设计并实现 agentic system，覆盖 agentic loop、多 agent 编排、hooks、workflows、session 管理、任务分解。
stop_reason = tool_use / end_turn 的语义allowedTools 必须显式声明"用 Agent SDK 设计一个能自己决定工具调用次数和终止条件的 customer support agent。"
stop_reason 检查→ Lab 2 · 带工具调用的客户支持 agent · Lab 7 · 多 subagent research system
设计有效工具 + 集成 MCP servers：tool description 最佳实践、结构化错误响应、工具分发、MCP 配置、内置工具。
tools/list、tools/call 协议strict: true 工具 → schema 保证"让 Claude 调用的工具返回错误时，怎么写 tool_result 才能让 agent 决定 retry 还是 escalate？"
配置 Claude Code：CLAUDE.md 层级、custom commands/skills、plan mode、iterative refinement、CI/CD 集成、batch 处理。
claude -p 非交互模式 + --output-format json + --json-schema"团队需要在 CI 里自动 review PR，怎么用 claude -p + structured output 替代人工？"
.claude/commands/ 和 .claude/skills/ 重复定义同一名字→ Lab 4 · Claude Code 项目配置包 · Lab 5 · Skills 工作流设计 · Lab 6 · Hook 确定性控制
显式 criteria、few-shot prompting、tool_use 用于结构化输出、JSON schema 设计、validation-retry 循环、多 pass 审查。
output_config.format = json_schemastrict: true 保证 schema 合规"从邮件正文抽取 name/email/plan/demo_requested 四个字段，怎么保证 100% 字段类型正确？"
progressive summarization 风险、context positioning、escalation 模式、error propagation、context degradation、人工 review、信息溯源。
"一个 research agent 跑了 50 轮 context 接近上限，结果开始胡说，怎么设计 degradation 防护？"
下面三条路线，内容深度一致，节奏不同。可根据自己的档期直接挑一条用。
output_config.format）。tool_choice、strict: true、tool_result 错误结构化。stop_reason、termination 条件、max iteration；实现最小 Agent SDK 循环。claude -p、plan mode、approval mode。stop_reason、最小 agent 循环、反模式。@import、.claude/rules/。-p、--output-format json、Message Batches API。tool_use + JSON schema。8 节可读教程，每节包含：一句话理解、适用场景、错误做法、正确做法、小练习。
一句话：agentic loop = Claude 调用工具 → 拿到 tool_result → 决定是否继续，直到 stop_reason = end_turn。
任何让 Claude 自主决策"要不要再调用一次"的场景：研究 agent、code refactor agent、customer support escalation agent。
stop_reason 和 schema 合规度，由代码判断。一句话：prompt 管"如何思考"，tool 管"能做什么"。动作性强、可结构化的，必须是 tool。
process_refund tool，输入 schema 强制 amount > 0。一句话：tool = 模型调用；resource = 应用主动注入；prompt = 用户显式选择。
file://...），把"搜索关键字"做成 tool。一句话：CLAUDE.md = 每 session 都读的"宪法"；Skills = 按需加载的工作流；Hooks = 确定性拦截；Subagents = 隔离上下文的专家。
| 组件 | 加载时机 | 典型用途 |
|---|---|---|
| CLAUDE.md | 每 session 启动 | 代码风格、build 命令、项目架构 |
| Skills | 用到时才加载 | /review-pr、/deploy-staging 等长流程 |
| Hooks | 事件触发（PreToolUse 等） | 拦截 rm -rf、记录审计日志 |
| Subagents | 显式 Task 派发 | research / code review / exploration |
一句话：用 output_config.format = json_schema 或 strict: true 工具，让 Claude"被"生成合法 JSON，不再靠 JSON.parse() 救火。
邮件抽取、表格生成、API 响应构造、CI 输出物、agent tool result。
"required": ["name","email"]；enum 字段保留 "other" + detail。一句话：context 是稀缺资源。少而精 > 多而杂，关键决策要放在 context 中后段（lost-in-the-middle 现象）。
/compact + 显式保留关键 facts一句话：同错误 2 次 → retry 带具体错误回填；2 次后仍失败 → escalate 人工；破坏性操作永远需要确认。
任何有副作用的工具调用：退款、删文件、发邮件、deploy。
{isError:true, errorCategory:"rate_limit", isRetryable:true, hint:"backoff 5s"}。errorCategory 枚举和 retry 策略矩阵。
一句话：把你已经跑通的 Hermes / OpenClaw / Codex 项目，按 5 个领域重新整理为"可被考试复用"的知识资产。
需要把零散经验转化为可解释的架构决策时（考试、面试、团队 onboarding）。
场景: [某客户支持 agent 设计] 决策: [用 subagent 隔离 query rewriting] 原因: [避免污染主对话的 escalation context] 结果: [escalation 准确率 +18%, 详见 Lab 2] 反思: [还可以把 tool 错误 schema 化]
8 个 Lab，覆盖 5 个领域。每个 Lab 都附验收标准与复盘问题。
目标：用 Claude API + JSON schema，从非结构化邮件抽取 4 个字段，0 解析错误。
需要用到的能力：structured outputs、output_config.format、validation-retry。
文件结构建议：
lab1/ ├── extract.py # 主调用脚本 ├── schema.py # Pydantic / dataclass schema ├── samples/ # 10 个测试邮件 └── eval.py # 字段级准确率评测
验收标准：
JSON.parse 异常复盘问题：哪些字段最容易丢？enum + "other" 是否必要？
目标：实现一个能在 5 轮内自行判断"能否解决 / 是否 escalate"的客户支持 agent。
需要用到的能力：Agent SDK、tool schema、escalation 模式、stop_reason。
文件结构建议：
lab2/ ├── agent.py # 主循环 ├── tools/ │ ├── lookup_order.py │ ├── request_refund.py │ └── escalate.py ├── tests/ │ └── scenarios.md # 5 个 customer 场景 └── audit.log # 审计日志
验收标准：
复盘问题：escalation 阈值放在哪里？system prompt 还是代码？
目标：用 Python MCP SDK 写一个暴露本地文档的 MCP server（同时含 tool / resource / prompt）。
需要用到的能力：MCP 三原语、Python SDK 装饰器、Server Inspector 调试。
文件结构建议：
lab3/ ├── server.py # MCP server 主体 ├── knowledge/ # Markdown 文档 └── README.md # 客户端接入说明
验收标准：
复盘问题：tool 与 resource 的边界画在哪里？
目标：为一个真实 repo 准备完整的 Claude Code 工程化配置（CLAUDE.md + 2 个 skills + 1 个 hook）。
需要用到的能力：CLAUDE.md 层级、SKILL.md frontmatter、PreToolUse hook。
文件结构建议：
lab4/ ├── CLAUDE.md ├── .claude/ │ ├── settings.json │ ├── hooks/ │ │ └── block-dangerous-rm.sh │ └── skills/ │ ├── review-pr/SKILL.md │ └── run-tests/SKILL.md └── test/ # 触发 hook 的反例脚本
验收标准：
rm -rf / 被 hook 拦下并给出 reason复盘问题：CLAUDE.md 控制在多少行以内？
目标：把团队里"每次都要重复说"的 3 段流程，封装为 3 个 SKILL.md。
需要用到的能力：SKILL.md frontmatter、dynamic context injection（`` !`git diff` ``）。
验收标准：
复盘问题：哪些逻辑必须放在 skill 里，哪些留在 CLAUDE.md？
目标：用 PreToolUse + PostToolUse hook 实现"自动格式化 + 拦截危险命令 + 审计日志"。
验收标准：
rm -rf、git push --force 被 deny复盘问题：hook 失败时 Claude Code 行为是什么？是否要 graceful fallback？
目标：Coordinator + 3 subagents（search / fetch / summarize），并行研究一个主题并汇总。
验收标准：
复盘问题：context 怎么传递？subagent 之间要不要通信？
目标：故意制造一个 30+ 轮的长对话，观察 Claude 的"中间遗忘"和 hallucination，并加入 mitigation。
验收标准：
复盘问题：什么时候该 /compact？什么时候该 fork session？
可按"类型 / 领域"筛选。优先级：⭐⭐⭐ 必看 · ⭐⭐ 推荐 · ⭐ 选看。
| 资源名称 | 类型 | 领域 | 优先级 | 学习用途 | 链接 |
|---|---|---|---|---|---|
| Anthropic Partner Network 发布通稿 | 官方 | 通用 | ⭐⭐⭐ | 了解 CCA-F 来源、定位、Partner 计划 | anthropic.com |
| Services Track & Partner Hub 通稿 | 官方 | 通用 | ⭐⭐⭐ | 了解 Partner Network 后续服务认证体系 | anthropic.com |
| Anthropic Skilljar 主页 | 官方 | 通用 | ⭐⭐⭐ | CCA-F 报名入口、课程导航 | anthropic.skilljar.com |
| CCA-F Access Request 页 | 官方 | 通用 | ⭐⭐⭐ | CCA-F 官方申请入口（Partner 优先） | anthropic.skilljar.com |
| Building with the Claude API | 官方课程 | D4 / D2 | ⭐⭐⭐ | API、prompt、tool、structured output 入门到精通 | Skilljar |
| Claude Code 101 | 官方课程 | D3 | ⭐⭐⭐ | CLAUDE.md / Skills / Hooks / Subagents 系统课 | Skilljar |
| Introduction to Model Context Protocol | 官方课程 | D2 | ⭐⭐⭐ | MCP 三原语 + Python SDK server/client 实战 | Skilljar |
| Claude Code Overview（官方文档） | 官方文档 | D3 | ⭐⭐⭐ | CLI / IDE / Desktop / Web / CI 集成 | docs.anthropic.com |
| How Claude Remembers Your Project | 官方文档 | D3 / D5 | ⭐⭐⭐ | CLAUDE.md / Memory 完整机制 | docs.anthropic.com |
| Skills（官方文档） | 官方文档 | D3 | ⭐⭐⭐ | SKILL.md 规范、bundled skills、动态上下文注入 | docs.anthropic.com |
| Hooks Reference（官方文档） | 官方文档 | D3 / D1 | ⭐⭐⭐ | 完整 hook 事件、matcher、JSON IO、HTTP hook | docs.anthropic.com |
| Subagents（官方文档） | 官方文档 | D1 | ⭐⭐⭐ | Built-in subagents、自定义 subagent 写法 | docs.anthropic.com |
| Agent SDK Overview | 官方文档 | D1 | ⭐⭐⭐ | Python / TypeScript SDK、Hooks、MCP、Subagents | docs.anthropic.com |
| Tool use with Claude | 官方文档 | D2 | ⭐⭐⭐ | tool schema、strict、tool_choice |
platform.claude.com |
| Structured Outputs | 官方文档 | D4 | ⭐⭐⭐ | JSON outputs + strict tool use | platform.claude.com |
| Prompt Engineering Overview | 官方文档 | D4 | ⭐⭐ | 何时该做 prompt engineering、何时该换模型 | platform.claude.com |
| What is MCP（官方协议站） | 官方文档 | D2 | ⭐⭐⭐ | MCP 概念、生态、build server/client | modelcontextprotocol.io |
| MCP Tools Spec（2025-06-18） | 官方规范 | D2 | ⭐⭐⭐ | tools/list、tools/call、tool schema 字段 | modelcontextprotocol.io |
| Claude Certifications – Exam Guide（社区） | 社区 | 通用 | ⭐⭐ | 社区整理的考试形式、6 scenarios 描述 | claudecertifications.com |
| Claude Certifications – Domains | 社区 | 通用 | ⭐⭐ | 5 领域详细拆解（社区推断权重） | claudecertifications.com |
| Claude Certifications – 12-Week Study Guide | 社区 | 通用 | ⭐⭐ | 社区整理的 12 周计划 | claudecertifications.com |
| paullarionov / claude-certified-architect（GitHub） | 社区 | 通用 | ⭐ | 社区整理的开源 study notes | github.com |
| Tutorials Dojo – CCA-F Study Guide | 社区 | 通用 | ⭐ | 第三方培训机构整理 | tutorialsdojo.com |
Bash(rm ...) 时绝对不能删除 / 下的东西。下列哪种方案最合适？A. 在 system prompt 里写"严禁 rm -rf /"
B. 用 PostToolUse hook 拦截并 undo
C. 用 PreToolUse hook + matcher "Bash" + if 条件判断命令内容，命中则 permissionDecision: "deny"
D. 让 Claude 每次执行前先问用户
rm -rf"示例就是这个模式。PreToolUse 可以在工具执行前 deny，且是确定性的；
PostToolUse 只能事后处理；system prompt 是概率性的；"每次问用户"既不高效也容易疲劳。
A. 全部塞 CLAUDE.md（每个 session 都加载）
B. 做成一个 /review-pr skill，需要时调用
C. 写在 system prompt
D. 写成 Bash 脚本手动跑
A. 在主对话里直接 Read 每个文件
B. 派一个 Explore subagent（read-only），让它只回 summary
C. 用 /compact 多压缩几次
D. 把所有文件复制到 CLAUDE.md
A. tool（model-controlled）
B. resource（app-controlled）
C. prompt（user-controlled）
D. 都不合适，直接用 Read 工具
A. 在 system prompt 让 Claude"返回 JSON"
B. 用 output_config.format = json_schema + strict tool
C. 后处理自然语言回复，正则抽取
D. 让 Claude 输出 XML 再解析
A. 一直 retry，直到成功
B. 在 tool_result 里返回结构化 {isRetryable:true, hint:"backoff 5s"}，由 agent 决定 retry 策略；retry 2 次仍失败则 escalate
C. 直接抛异常给上游
D. 让 Claude 自由决定
A. 把关键 fact 放在 context 中后段（recency boost）
B. 把关键 fact 标 source pointer
C. 全部重发一遍早期 message
D. 适当 /compact + summary with sources
A. Claude 一定不会调用该工具
B. Claude 调用但传错参数，或漏调用
C. 工具报错
D. 工具被自动禁用
tools 参数里的 description 是模型决策的依据；模糊 description 是考试中"常见错误答案"。
A. 让 Claude 自己决定
B. 默认永远拒绝
C. PreToolUse hook + matcher 命中时弹人工确认；或要求 tool input 显式 confirm:true，由 hook 校验
D. 改成只读工具
A. 凭感觉改 prompt，再跑一次
B. 写一组代表样本 → 跑 baseline → 改 prompt → 跑同组样本 → 比较
C. 改 10 个不同版本，让 Claude 自己挑最好的
D. 让 Claude 一次输出 100 个变体
A. 继续跑，相信 Claude 会自我修正
B. 让每个结论必须带可追溯 source pointer；source 缺失则拒绝结论
C. 加大 temperature
D. 切换到 Haiku
A. 跑一个长对话 session 复用
B. 用 claude -p + --output-format json + 独立 session，generator 与 reviewer 分开
C. 用 Anthropic SDK 直接循环调用
D. 让 Claude 自己启动 Web UI
-p + --output-format json；session 隔离避免 generator/reviewer 互相污染。
A. 全部给所有工具，自己把控
B. 在每个 subagent 的 tools 白名单里只列 Read / Glob / Grep
C. 用一个全局 deny list
D. 让 Claude 自动决定
A. 把 CLAUDE.md 缩成 bullet list
B. 把多步骤流程拆成 SKILL.md；topic-specific 规则放进 .claude/rules/ 路径作用域
C. 增加 system prompt 强调
D. 重启 Claude Code
A. 继续 retry 到成功
B. 切换到 fallback 工具
C. escalate 到人工，并把失败上下文（含 tool_result、retry 次数）一并交付
D. 静默失败
tool_choice: {"type": "any"} 的含义是？A. Claude 不能调用任何工具
B. Claude 必须调用至少一个工具
C. Claude 可以选任意工具
D. Claude 必须按特定工具调用
any 强制至少一次工具调用；auto 让模型自由决定；tool 强制特定工具。
A. 在 CLAUDE.md 里写"记得跑测试"
B. 用 PostToolUse hook 监听 Edit/Write → 触发 npm test
C. 让 Claude 自由决定
D. 在 push 之前手动跑
A. 看一次结果，凭感觉打分
B. 跑 N 个样本，计算字段级 precision/recall/F1，与 baseline 对比
C. 让 Claude 自评
D. 用人工 review
system prompt 是概率性的，关键规则应当用 hook 或 subagent 工具白名单来实现。
CLAUDE.md 应当每 session 都加载，多步骤流程应该拆为 SKILL.md（按需加载）。
"千万不要 rm -rf" 在 prompt 里是软约束；PreToolUse hook 是硬约束。
自由字符串错误无法被结构化处理；用 {isError, errorCategory, isRetryable}。
过度切分导致 context 反复序列化、loss 与 cost 暴涨；通常 2-4 个 subagent 已足够。
subagent 起步没有 source pointer 和明确目标，summary 会失真。
没有 eval 的 prompt 改进 = 盲改；至少要 N 个样本 + 字段级指标。
MCP 三原语边界不清晰，会让 Claude 错把 resource 当 tool 调用，或反之。
删除 / 退款 / deploy 永远要 hook 拦截 + 人工确认。
CCA-F 是架构认证，单纯记忆题库过不了；必须靠真实跑通 + 复盘。
结合已有 OpenClaw / Hermes / Codex / Skills / Wiki / GitHub Pages 项目经验，把它们整理为 CCA-F casebook。
8 个中文提示词模板，覆盖学习 / Lab 复盘 / 架构 review / MCP 设计等场景。
你是 CCA-F 备考教练。我要学习 Domain {N}：{领域名}。
请按以下顺序给我讲：
1) 核心概念与官方定义（必须标明 Anthropic 官方 / 社区推断）
2) 必懂子主题
3) 1 个反模式 + 为什么错
4) 1 个实战 mini-Lab（30 分钟内可完成）
5) 给 3 道原创判断题 + 答案 + 原因
要求：所有引用必须标明来源类型。语言：中文。
我刚完成了 Lab {N}：{Lab 标题}。请帮我做 Lab 审查：
1) 我做完的部分达到了什么效果
2) 哪个反模式我可能踩了
3) 哪个官方最佳实践我没用上
4) 如果只能重写一段，应该改哪里
5) 帮我生成 3 道"如果面试官追问这个 Lab，他会问什么"的问题并回答
要求：基于 Anthropic 官方文档与 MCP spec 来评分。
请按 CCA-F 风格出 1 道原创判断题： 1) 必须是 scenario-based，不考死记硬背 2) 必须基于公开的 Anthropic 文档 / MCP spec 3) 给出 A/B/C/D 4 个选项，其中 1 个正确、3 个是真实会有人选的典型错误答案 4) 答案部分必须解释每个错误选项错在哪里 5) 标注本题对应哪个 Domain 要求：不得声称是真题。
我做了这个架构决策：{决策描述}。
请帮我做架构复盘：
1) 我为什么选这个（决策依据）
2) 备选方案有哪些
3) 这个决策在 production 可能出什么问题（context degradation / retry storm / escalation overflow 等）
4) Anthropic 官方文档是否支持 / 反对这个决策（引用 URL）
5) 给一个改进建议
请帮我为这个仓库生成一份 Claude Code 工程化配置： - CLAUDE.md（≤ 200 行） - 2 个 SKILL.md - 1 个 PreToolUse hook（拦截危险命令） - 1 个 Subagent（read-only review） 输出格式：每个文件给出完整 frontmatter + body。 要求：SKILL.md 必须用 dynamic context injection（!`git diff` 等）。
请帮我设计一个 MCP server：
1) 暴露 1 个 tool + 1 个 resource + 1 个 prompt
2) 用 Python SDK 装饰器写法
3) tool description 必须包含 input/output schema + 1 个 example
4) resource 用 templated URI
5) prompt 是用户显式触发的
6) 工具错误必须返回结构化 {isError, errorCategory, isRetryable}
7) 包含人类确认路径（PreToolUse hook）
要求：符合 MCP 2025-06-18 spec。
我跑了一个 agent session（{轮数} 轮），附件是 transcript。
请做 context reliability 检查：
1) 哪几轮开始出现 fact recall 衰减
2) 哪些结论没有 source pointer
3) 哪些 retry 模式不合理
4) 哪些破坏性操作缺人工确认
5) 给一个具体的 mitigation 清单（5 条以内）
要求：基于 Anthropic 官方 reliability 建议。
请帮我设计一个 CCA-F 备考评测系统： 1) 每领域至少 N 道原创题（标注 Domain） 2) 每题给出 official / community 来源标注 3) 题型比例：scenario-based 80% / 概念 20% 4) 包含 retry vs escalate / hook vs prompt / subagent vs main 等高频考点 5) 输出为 JSON schema，方便我做评测 要求：不得声称是真题。
进度：0%