把 Anthropic 的 CCA 考试当作 agentic 工程的野外指南——Frank Coyle

• 讲者 Frank Coyle 教了三十多年计算机，现在在 UC Berkeley。他做这件事的起点很实在——"计算机科学已经不再是通往一份工作的那条魔法通道了"，学生撞上 AI 这堵墙，他得给他们找个抓手。→ 详细
• 他的类比是 1990 年代初伴随面向对象编程兴起的 design patterns（设计模式）运动：那时候人们不光总结"该怎么写对象"，也总结 anti-pattern（反模式，被反复验证过的错误做法）。他的原话是——"反模式是理解「什么不该做」的关键，而搞清楚什么不该做，恰恰是通向「该怎么做」的钥匙"。agent 这一波，模式已经有人在写了，反模式那半本还空着。→ 详细
• 所以整场演讲是固定套路：每个生产场景先甩反模式，再给正解。他直说这也是答题技巧——"解决问题的方式有很多种，但很关键的一点是「什么不能做」，这往往就是答对这些题的钥匙"。→ 详细
• 贯穿全场的个人理念来自 Corita Kent 修女的一句话："没有什么是错误，没有赢也没有输，只有去做。" 配上 Edison 那句"我没有失败，我只是找到了一万种行不通的办法"。落点是：别只读，要做。→ 详细

▲ 图注：五个考纲领域按权重从高到低：Agentic 架构与编排、Claude Code 配置与工作流、Prompt 工程与结构化输出、工具设计与 MCP 集成、上下文管理与可靠性。权重排序本身就是一张优先级表——架构与编排的分量最重，上下文管理垫底。（图为 360p 截帧，具体百分比数字请以原片为准。）

• 他只报了两个明确配比：agentic 架构 27%、Claude Code（怎么配置这套系统和工作流）20%。→ 详细
• 其余只念了名字、没报分值：prompt engineering 与输出结构化（"到处用 JSON"）、tool 设计、MCP（Model Context Protocol，让模型接外部工具和数据源的标准协议）集成、context 管理与可靠性。（口播里这几项并没有严整对齐成"五个桶"，此处照他念的顺序保留。）→ 详细
• 他的建议：不考也该弄懂这几块——"它能帮你为 agentic 世界扔给你的各种状况做好准备"。→ 详细

▲ 图注：六个生产场景一览：客服问题解决 agent、用 Claude Code 做代码生成、多 agent 研究系统、开发者生产力、Claude Code 进 CI/CD、结构化数据抽取。最后一个「结构化数据抽取」讲者预告了但时间到了没讲——本报告因此只覆盖前五个。

• 考试给 六个生产场景，系统 随机抽四个，所有题目围绕抽中的这四个出。→ 详细
• 预告的清单：① 客服问题解决 agent；② 代码生成；③ 多 agent 研究系统；④ 用代码提升开发者生产力；⑤ Claude Code 用于持续集成；⑥ 结构化数据抽取的模式。→ 详细
• 实际只走完前五个——第六个（结构化数据抽取）开头预告过，但 19 分钟讲完时间到了，没讲。→ 详细

• 现在人人谈 loop（循环）：Boris Cherny 说他不写代码，他的工作是写 loop；Peter Steinberger（转写作 OpenClaw 的作者）说"我已经不写代码了，我只设计那些驱动 agent 的 loop"。→ 详细
• 讲者的回应是"其实并不是什么新东西"：1966 年 Böhm 和 Jacopini 证明，一门语言要图灵完备（能算出计算机原理上能算的一切）只需要三样东西——顺序执行、if-then 条件分支、loop。→ 详细
• 他不是泼冷水，是在定位：过去的 LLM 用法基本停在"顺序 + 偶尔分支"，补上 loop 这一样，agent 才拿到完整的计算能力——"这才是力量的来源"。→ 详细

▲ 图注：场景一的正解代码：while True 里按 stop_reason 分支。要点是模型自己不执行工具——它只把工具请求递出来，真正执行的是你的代码，执行完再把结果回灌继续循环。

• 反模式：直接让 agent 跑一趟，把返回的响应拿来就用。→ 详细
• 正解：写一个 while true 循环，每轮按 stop reason（停止原因，即模型这一轮为什么把控制权交回给你） 分支。循环第一块调用模型，把 messages（context window 里那一串 prompt 的序列）连同 prompt、context、tool 一起传进去。→ 详细
• 最容易被误解的一条：LLM 自己不执行 tool。讲者说得很直白——"它只是一个概率性的下一个词预测器……它除了跟你说话什么都做不了"。它能做的是把参数配好；真正执行工具的是你的代码。→ 详细
• 分支怎么走：stop reason 若是 tool use（模型想用工具），就去执行那个工具、把结果回灌，继续循环；模型看到"跑成功了"、不再要工具，循环结束。→ 详细
• 出口必须挂两个东西：① human in the loop（人在环里）——拿到答案先检查置信度，靠谱就留，不靠谱就升级给人处理；② token 耗尽也是一种 stop reason——这种情况模型照样返回一个响应，但那是被迫中断时基于不完整内容给出的，不看 stop reason 就会把半截答案当完整答案用。→ 详细

▲ 图注：场景二的一句话原则：「CLAUDE.md：正确的规则要待在正确的层级」——项目顶层、项目文件夹、子目录各放各的规则，别把所有约定堆在一个文件里。

• Claude Code 用 CLAUDE.md（一个 markdown 文件，把希望它知道的规矩写进去）来喂规则。→ 详细
• Anthropic 建议设三层：项目最上层一份、项目文件夹里一份、各个子目录里还可以再指定——形成一套分层的规则来控制系统怎么响应。→ 详细

▲ 图注：本场最典型的一张对照表：左绿是 PATTERN、右黄是 ANTI-PATTERN。「专业化，别超载」对「一个 agent 什么工具都给」；「隔离子 agent 的上下文」对「把完整上下文泄漏出去」——这正是他整场「先讲反模式」讲法的样板。

• 先摆出几个必须想清楚的问题：agent 怎么分工？是不是中心辐射式（hub and spoke，一个中心调度、多个分支执行）？谁当 orchestrator（编排者）？它们各自该知道多少信息？→ 详细
• 反模式：只用一个 agent，往它身上塞满各种 tool。他的比喻很好记：你请木匠来家里干活，结果这人带着水管工的工具、木匠的工具、电工的工具，说"我什么都能干"——你想要的其实是一个专业的木匠。→ 详细
• 正解：借函数式编程那条老规矩——一个函数只做一件事。"如果你能让你的 agent 只做一件事，最多配一两个 tool，那就是一次胜利。"一句话：要专一，别塞太满。→ 详细
• 同一场景下还有一条老经验：多线程共享内存会引出同步问题、要加锁，所以让线程独立，也让 agent 独立——"让每个任务待在自己的小宇宙里"。→ 详细

• 第二条反模式：让子 agent 的 context 溢出到主 context 里。理由有两层——context 就意味着 token，token 就意味着钱；而且context 越多，LLM 给答案时越容易犯迷糊。别因为"一百万 token 的窗口"就什么都往里塞，限制进去的东西，系统才更准。→ 详细
• 具体做法（critic 子 agent 的例子）：你跑完一轮，想让一个 critic（评审 agent） 来审。只传给它 claim（结论/方案）和 evidence（支撑证据），不给它形成这个 claim 的整个思考过程。→ 详细
• 为什么要藏起思考过程：一堆 agent 凑在一起协作、互相交流会出现 group think（群体思维）——"所有 agent 好像都会收敛到同一个想法上去"。他的比喻：派对上所有人都想吃披萨，就你不想，但别人一劝你也就跟着去了，因为你不想扫大家的兴。"agent 好像也是这么运作的。"→ 详细
• 顺着披萨接出的总结句：每个 agent 只拿自己那一片。→ 详细

▲ 图注：场景四的一句话：「把吵闹的活 fork 出去；窗口满了就压缩」——高消耗低结论的环节单开一条上下文，只把汇总回灌主线程。

• 反模式（两条）：① 让每个子任务把完整输出一股脑倒进主线程，把 context 挤爆；② 让 context 无限制地涨。→ 详细
• 正解一 · context fork（上下文分叉）：以"扫描所有日志里的 error 并汇总问题出在哪"为例——把 agent fork 到一个类似独立线程的地方，它在里面做的、想的、堆出来的那些 token 都不回流污染主 context；干完之后只把那份汇总、不带其他杂七杂八的东西加回上层 context。→ 详细
• 正解二 · compaction（压缩，把长会话的 context 折叠成更短的摘要）：先检查当前 token 数，设一个上限——"一旦超过 15 万 token，你就可以跑一次 compact"。讲者坦承 Anthropic/Claude 的 compaction 具体怎么实现的他也不确定，但这个机制确实存在。→ 详细

• 他插了一段现场见闻：会场外有人在发小册子，他昨晚翻到其中一段，说某人的公司提供自定义的 context 压缩逻辑——继承他的基类、写自己的压缩规则，留什么、压什么由你判断哪些重要来定。→ 详细
• ⚠️ 转写存疑：作者名（转写作 "Sam Bagwell"，讲者本人也卡了一下，并说"我根本不认识他"）和"在线版第 32 页"这个出处，ASR 可信度低，不建议直接引用。→ 详细

▲ 图注：场景五的对照：PATTERN 是*无头运行、解析 JSON + 让延迟匹配任务；ANTI-PATTERN 是在流水线里留交互模式 + 为可以等的活阻塞。*

• 反模式：在 CI（持续集成，代码提交后自动跑构建和测试的流水线） 里还留着交互模式——那样 Claude 会停下来问"你要做这个吗？这个能给我权限吗？"，整条线就卡住。→ 详细
• 正解：有办法把它配置成一路跑到底（讲者没展开具体参数）。→ 详细

• 把 prompt、把要干的活打包成一个 batch（批处理） 提交，token 成本便宜 50%，24 小时内给结果。→ 详细
• 适用场景他说得很生活化：要去睡个午觉、要去度假、要休一天假——那就用 batch 模式跑，账单会轻不少。→ 详细

▲ 图注：收尾页引用 Corita Kent：「Nothing is a mistake. There is no win, no fail. Only MAKE.」——呼应全场「反模式不是失败清单，是造东西的路标」。页面下方是讲者的几个联系方式（截帧分辨率有限，具体账号请以原片为准）。

• 闪电问答：（本期无）——19 分钟的单人演讲，没有问答环节。
• 收尾金句（把开场那句改了一个词）："记住，没有什么是错误，没有赢，没有输，也没有什么考试，只有去做。你动手做，做出来，你就会成功。"→ 详细

• 邮箱：口播是 "coyle at Berkeley"（只念了这两截，完整域名没给全）。→ 详细
• 个人网站：口播作 "co-supreme AI"（⚠️ 转写存疑，确切拼写不确定）——他说这名字是照 John Coltrane 的《A Love Supreme》 取的，因为他是爵士乐迷。→ 详细