Claude Certified Architect — Foundations (CCA-F)：它是什么以及它考什么

大多数 AI 认证测试的是你是否能描述机器学习。而 Claude Certified Architect — Foundations (CCA-F) 则测试更实际和前沿的能力：你是否能使用 Claude 构建一个真正的智能体系统——一个能使用 tools、管理 context 并在生产环境中可靠运行的系统。这是 CertLabPro 上首个来自 AI 模型提供商而非云提供商的认证，它反映了 2026 年许多工程工作的实际重心：设计 agents，而不仅仅是调用一个 model。

以下是该认证的具体内容、涵盖范围、考题类型以及如何准备。

CCA-F 是什么

CCA-F 是一项基础级别认证，侧重于 Claude 应用和 agents 的架构与工程。这里的“基础”并非指琐碎知识——它指的是每个 Claude 开发者在专业化之前所需的核心能力：如何构建 agent loop，如何设计 tools，如何编写能产生可靠 structured output 的 prompts，如何使用 Claude Code，以及如何保持长期运行的 agents 稳定。

如果你一直在使用 Claude 进行开发——连接 tool use、Model Context Protocol (MCP)、多智能体设置或 Claude Code 工作流——这项认证将验证你的这些知识。如果你是新手，下面的蓝图很好地描绘了在实践中“了解 Claude”的实际含义。

考试形式

代码	CCA-F
提供商	Anthropic
类别	AI
级别	Foundational
题目数 (考试)	60
时长	120 minutes
及格分数	720 / 1000 (≈72%)
CertLabPro 上的练习题	255

题目是基于场景的，而非定义性的。你很少会被问到“X 是什么”——更多的是被问到“给定这种情况，哪种设计是正确的”，这就是为什么练习题库（255 道题）比记忆术语更重要。

五个领域

考试权重分布在五个领域。这是你需要针对性学习的部分：

#	领域	权重
1	智能体架构与编排	27%
2	Claude Code 配置与工作流	20%
3	提示工程与结构化输出	20%
4	工具设计与 MCP 集成	18%
5	上下文管理与可靠性	15%

1. 智能体架构与编排 (27%)

最重要的领域。如何构建 agents：reason-act-observe (ReAct) loop，何时使用单个 agent 与多个 agent，orchestrator 如何委托给 sub-agents，以及安全边界的设置。预计会有关于为任务选择正确模式以及赋予 orchestrator 无限制 tool access 风险的问题。

2. Claude Code 配置与工作流 (20%)

将 Claude Code 作为 agentic 编码环境使用——如何配置和驱动它，以及使其高效的工作流模式（skills、hooks、sub-agents 和 structured task execution）。

3. 提示工程与结构化输出 (20%)

让 Claude 产生可靠的、机器可用的 output：system prompts，何时以及如何将 output 约束到 schema，以及提高下游自动化一致性的 prompting techniques。

4. 工具设计与 MCP 集成 (18%)

设计 agent 能够很好地使用的 tools——清晰的名称和描述、正确的粒度，并通过 Model Context Protocol (MCP) 连接功能。良好的 tool design 是 agent building 中最具杠杆作用的技能之一，考试也以这种方式对待它。

5. 上下文管理与可靠性 (15%)

保持长期运行和多轮 agents 稳定：管理对话 history 和 context、persistent memory，以及可靠性 guardrails，例如 maximum-iteration limits 和当 agent 卡住时的 graceful fallbacks。

考题实际是什么样的

CCA-F 题库围绕真实的工程决策构建。以下是一些有代表性的例子（意译）：

• 一个 agent 必须研究一个主题、编写 code、运行 tests，并迭代直到通过——哪种 agentic 模式适合？ (答案：一个带有 tool use 和基于 observation 的 iteration 的 ReAct loop。)
• 一个客户支持 agent 需要查询订单、处理 refunds、escalate 给人工，并保持 multi-turn context——哪种 architecture 是正确的？ (答案：一个带有每个 capability 对应一个 tool 的 agentic loop、conversation-history management 和定义 role 及 escalation rules 的 system prompt——而不是 stateless function，不是 fine-tuning，也不是单独的 RAG。)
• 一个 orchestrator 委托给 specialized sub-agents——赋予它无限制的 tool access 有什么风险？ (答案：它可能会绕过 sub-agents 并直接行动，破坏 separation of concerns 和 safety boundaries。)
• 一个 agentic 编码助手在 tests 持续失败时有时会永远循环——最佳 mitigation 是什么？ (答案：一个 maximum-iteration count 加上一个请求用户指导的 fallback。)

注意这种模式：每个问题都是一个 design trade-off。仅仅了解 concepts (ReAct, MCP, structured output, context windows) 是不够的——你需要知道在给定场景中应该选择哪一个，以及为什么其他替代方案是错误的。

谁应该参加

• 使用 Claude 进行开发的开发者——包括 agents、tool use、MCP servers 或 Claude Code——他们希望获得与其现有工作相符的 credential。
• 从通用软件或云角色转向 agentic AI 的工程师，他们希望通过结构化的方式学习这些模式，而不是临时摸索。
• 以 Claude 为标准化的团队，希望在 agent design 中对“优秀设计是怎样的”有一个共同的基准。

它与像 AWS AI Practitioner (AIF-C01) 或 Azure AI Fundamentals (AI-900) 这样的云 AI 基础认证自然结合：这些认证涵盖了广泛的 AI/ML 领域，而 CCA-F 则深入探讨了那些认证未涉及的 building-with-an-agentic-model 技能。

如何在 CertLabPro 上准备

CertLabPro 为 CCA-F 提供了 255 道练习题，这些题目反映了考试的五个领域和基于场景的风格，并提供与其他所有认证相同的学习模式——练习、考试模拟、闪卡、薄弱环节、SRS 等——这样你就可以针对薄弱领域进行训练，并在真实考试前在限时、60 道题的条件下进行排练。Anthropic 学习路径还提供 hands-on lab，如果你想通过实践而非仅仅回答问题来学习。

总结

CCA-F 是一个专注于 agentic 时代的实用 credential：它证明你能够架构和操作基于 Claude 的 agents，而不仅仅是谈论 AI。五个领域——agentic architecture、Claude Code、prompting 和 structured output、tool/MCP design 以及 context/reliability——是成功交付可用 agents 背后的实际技能集。如果这是你工作发展的方向，那么这项 credential 值得拥有，而最快获得它的方法就是反复演练场景，直到正确的设计方案显而易见。