Optivise
01
智能体架构与编排
在 Claude API 上设计与运行智能体系统 —— 智能体循环、编排模式、护栏,以及 Claude Agent SDK。
- 智能体循环:收集→执行→校验
- 编排:编排者—工作者 / 路由 / 链式
- 子智能体与并行化
- Claude Agent SDK
- 护栏、权限与人类介入
- 状态、记忆与长时运行
Claude 认证架构师
权威备考指南
掌握通过 Claude Certified Architect(Foundations)认证所需的核心知识 —— 智能体架构、工具与 MCP、Claude Code、提示工程与上下文管理。五大领域拆解、考试概览、四步备考路径,中英双语,由 Optivise AI 学院整理。
独立备考指南 —— 与 Anthropic 无隶属、认可或赞助关系。内容基于 Anthropic 官方文档与公开考试大纲整理。
2025
版本 · Foundations
5
考试领域
8→4
考试情境 · 随机抽取
720/1000
通过分数 · 四选一
15–20h
建议备考时长
考试蓝图
五大考试领域
考试围绕五个技术领域展开,权重从高到低如下。逐一攻克,即可覆盖全部考点。
02
Claude Code 配置与工作流
为真实开发配置 Claude Code —— 设置、hooks、权限、子智能体与 CI/CD 集成。
- 项目记忆与 CLAUDE.md
- 设置与权限 / 允许清单
- Hooks(PreToolUse / PostToolUse)
- 斜杠命令与自定义子智能体
- Claude Code 内的 MCP 服务端
- 无头模式与 CI/CD 自动化
03
提示工程与结构化输出
为生产环境的 Claude 应用编写可靠的提示词与结构化输出。
- 清晰直接的提示与系统提示
- 少样本示例与 XML 标签
- 扩展思考与思维链
- 结构化 / JSON / 强制工具输出
- 预填充与停止序列
- 提示词评估与迭代
04
工具设计与 MCP 集成
设计高质量的工具 schema,构建 MCP 服务端与客户端,把外部服务接入 Claude 应用。
- 工具 schema 与 JSON Schema 设计
- 编写清晰的工具描述
- 工具调用 / 函数调用机制
- MCP:服务端、客户端、传输
- 接入外部 API 与服务
05
上下文管理与可靠性
管理上下文窗口、缓存与长对话,构建可靠的生产系统。
- 上下文窗口与 token 预算
- 提示词缓存策略
- 长对话、摘要与压缩
- 流式输出与延迟
- 重试、幂等与监控
- 成本与性能优化
考试情境
八大考试情境
真实考试每次从 8 个行业情境中随机抽取 4 个来命题。题目都是场景化的判断题 —— 熟悉这些情境,就能预判考点。
01
客服智能体
用 Agent SDK 与 MCP 工具处理退货、账单与账户问题,追求高首次解决率与恰当的人工升级。
02
Claude Code 代码生成
用自定义斜杠命令与 CLAUDE.md 加速生成、重构、调试与文档,并判断何时该用规划模式。
03
多智能体研究系统
编排者把任务分派给检索、文档分析、综合与成文等子智能体,产出带引用的完整报告。
04
开发者效率工具
智能体借内置工具(Read/Write/Bash/Grep/Glob)与 MCP 服务端探索陌生代码库、生成样板、自动化日常。
05
Claude Code 持续集成
接入 CI/CD 做自动评审、测试生成与 PR 反馈;提示需精心设计以最小化误报。
06
结构化数据抽取
从非结构化文档抽取信息,用 JSON schema 校验,保持高准确率并正确处理边界情形。
07
对话式 AI 架构
多轮系统的上下文窗口管理、指令留存、记忆策略、安全工具设计,以及歧义与冲突输入的处理。
08
智能体化 AI 工具
面向智能体的进阶工具与执行模式 —— 考试新增的情境,考点仍在完善中。
核心速查
考点速查卡
把最常考的技术要点压缩成六张速查卡 —— 从智能体循环到上下文与可靠性。
智能体循环与 SDK
stop_reason驱动循环:tool_use→ 执行工具并继续,end_turn→ 结束。- 唯一可靠的完成信号是
end_turn—— 别解析文本或设固定迭代上限。 - 编排者—工作者:子智能体上下文隔离,不继承父历史,必须在 prompt 里显式传入。
AgentDefinition:name / description / system_prompt / allowed_tools(最小权限)。- 用
Task工具派生子智能体,可在一轮内并行调用。
工具与结构化输出
- 工具描述是选择的首要机制;描述重叠会导致误选。
tool_choice:auto(自行判断)/ any(必调工具)/ tool(强制指定)。- 用
tool_use+ JSON Schema 得到语法合法的结构化输出。 - Schema 消除语法错误,但不保证语义正确 —— 值仍可能错。
- 可空字段([string,null])让模型返回 null 而非编造;枚举加 other / unclear。
MCP
- 三种资源:tools(可执行)/ resources(可读上下文)/ prompts(模板)。
- 服务端暴露能力,客户端(宿主)连接;连上即自动发现全部工具。
- 项目级
.mcp.json(团队,入 VCS) vs 用户级~/.claude.json(个人)。 - 用环境变量注入密钥(如 GITHUB_TOKEN),绝不提交明文。
- 错误返回
isError+errorCategory+isRetryable,别用笼统的 Operation failed。
Claude Code 配置
CLAUDE.md三级:用户 / 项目 / 目录级;用户级不随 VCS 分发。@path导入拆分标准(最多 5 层);.claude/rules/用 paths 按 glob 条件加载。- Skills(SKILL.md):
context: fork隔离、allowed-tools限权、argument-hint。 - 规划模式(只探查出方案) vs 直接执行;大改动 / 架构决策用规划。
- CI 用
-p无头模式 +--output-format json --json-schema;--resume/fork_session管理会话。
提示工程
- 明确判据胜过模糊指令(如「仅当注释与代码矛盾才标记」)。
- 少样本(2–4 例)统一格式、示范歧义处理、降低抽取幻觉。
- 提示链把复杂任务拆成聚焦步骤,避免注意力稀释。
- 「面试」模式:动手前先就非显性设计点提问澄清。
- 校验 → 带反馈重试:把具体错误回传引导纠正;信息缺失时重试无效。
上下文与可靠性
- 中间遗失(lost-in-the-middle):关键信息放开头 / 结尾,并加小标题。
- 把关键事实抽到独立块;裁剪工具结果只留相关字段。
- 提示缓存复用稳定前缀;
/compact压缩历史;scratchpad 落盘关键发现。 - 错误分类:transient / validation / business / permission,各有不同处置。
- Message Batches:省 50%、最长 24h、不支持多轮工具、用
custom_id关联。
⚠ 最容易踩的三个坑
- 01有财务 / 合规 / 安全后果的规则,用
hook(确定性,100%)强制执行,而不是写进提示(概率性,>90% 但非 100%)。 - 02升级人工的可靠信号是显式请求 / 政策空白 / 无法推进;客户情绪与模型自评置信度都不可靠(模型会自信地错)。
- 03任务完成只认
stop_reason == end_turn;解析助手文本里的「完成」或用固定迭代上限都是反模式。
备考路径
四步通关路径
从诊断到动手实践 —— 一条清晰、可执行的备考路线。
01
诊断测评
先做一次诊断测评,快速定位五大领域中最薄弱的部分。
02
分领域学习
按领域系统学习,把 30 条任务陈述逐条吃透。
03
模拟考试
用完整模拟考还原真实考试环境,检验薄弱环节。
04
动手实践
通过动手构建练习巩固模式,把知识变成能力。
模拟考试
动手模拟考试
按真实考试的加权规则计分,覆盖五大领域。交卷后立即看到分数、各领域表现与逐题解析。
常见问题
关于这场认证
Claude Certified Architect(Foundations)是什么?+
这是 Anthropic 面向使用 Claude 构建应用的开发者推出的官方认证。考试覆盖五大领域:智能体架构、工具与 MCP、Claude Code 配置、提示工程,以及上下文管理。满分 1000,达到 720 分即为通过。
如何准备这场考试?+
先做诊断测评,找出薄弱领域;再按五大领域系统学习;用完整模拟考还原真实环境;最后通过动手构建练习巩固。诊断测评能帮你把时间投入到最需要提升的领域。
备考大概需要多长时间?+
有 Claude 使用经验的开发者通常需要 15–20 小时;如果刚接触 Claude,建议预留 30–40 小时。诊断测评能帮你聚焦最需要投入的领域,提高效率。
这份指南与 Anthropic 有关联吗?+
没有。这是由 Optivise AI 学院整理的独立学习资源,与 Anthropic 无隶属、认可或赞助关系。内容基于 Anthropic 官方文档与公开发布的考试大纲。
考试是什么形式?+
四选一单选题(每题只有一个正确答案),采用 100–1000 分制,720 分通过,且没有猜测扣分 —— 所以每题都要作答。每次考试会从 8 个行业情境中随机抽取 4 个来命题,题目都是场景化的判断题。
需要什么基础?+
面向解决方案架构师 —— 设计并交付基于 Claude 的生产应用的人。建议至少有 6 个月的动手经验,涵盖 Claude Agent SDK(多智能体编排、子智能体、工具集成、生命周期 hooks)、Claude Code、模型上下文协议(MCP),以及提示工程与结构化输出。
Optivise AI 能提供什么帮助?+
Optivise AI 学院为个人与团队提供实战型 AI 培训与落地陪跑 —— 从提示工程、智能体与 MCP,到把 Claude 用于真实业务流程。想为团队做系统化备考或 AI 上手培训,欢迎与我们联系。