CCA 领域 4 复习技巧：Prompt Engineering 精通

复习领域 4（Prompt Engineering & Structured Output，占 CCA-F 的 20%）的方法是：分四次按任务顺序读完 25 篇文章，并且对每一个场景都问一句：这个修法属于哪一层——提示词、schema，还是调用周围的代码？光这一个习惯就能答对大多数领域 4 的题。这篇文章给你阅读顺序、“该背 vs 该推理”的划分、练习节奏、自测题和值得复盘两遍的错误。

至于领域 4 覆盖什么、为什么权重是 20%，请看CCA 领域 4 详解。本文只讲怎么学。

领域 4 的文章按什么顺序读？

领域 4 学习指南页上的任务顺序就是对的。建议分成四次：

学习次数	文章	目标
1	任务 4.1 和 4.2：“保守一点”等于没说——47% 一致率。“缺少样本量”才有意义——94%。、一个 60% 误报率的类别，让开发者连 95% 准确率的也不看了、只有标签：41%。加文字条件：72%。文字+代码示例：94%。、纯文字指令做到 64%。两个示例做到 91%。、3 个多样化示例打败 8 个同质化示例、few-shot 幻觉、配对的 REPORT + SKIP 示例：67% → 94% 边界准确率	把一条含糊的判据改写成可验证的条件；设计一组带边界案例的三示例集
2	任务 4.3：tool_use 消灭了结构错误。语义错误还在。、Forced、Any、Auto——三种模式，三种保证，三种失败方式、必填字段遇上可选数据：幻觉的头号结构性成因、没有格式规则，同一个日期能输出三种写法	写一个带一个 nullable 字段和一个 enum 的 schema，并说出你会用哪种 tool_choice 模式
3	任务 4.4：盲目重试：3 次修了 12%。带错误反馈：1 次修了 87%。、对缺失数据重试会导致幻觉——格式错误会收敛，缺失数据会发散、置信度分流、Schema 说合法。行项目加起来不等于总计。两个都是事实。	把五个示例失败分类为格式、结构、缺失或歧义
4	任务 4.5 和 4.6：省 50% 成本——但最多等 24 小时、custom_id、batch 错误、过期、成本优化、全量提交前永远先抽样测试——18% 失败 vs 3%、同会话审查：0.3 条发现。独立实例：3.7 条。人类基线：4.1 条。、逐文件与跨文件两轮、独立实例、按类别校准置信度——“HIGH”在风格检查里是 92%，在安全检查里是 70%	勾勒一个带有意义 custom_id 和重提规则的 batch 任务；勾勒一个两次调用的审查

第二次学习之前，重读 Foundations 的虚拟工具：借 tool_use 拿到保证格式的 JSON和required、nullable 和 enum：塑造输出的 Schema 特性。两篇都短，能让任务 4.3 一下子落地。

哪些该背，哪些该靠推理？

要背的：

• 三种 tool_choice 的保证：强制指定的工具一定会被调用；any 一定会调用某个工具；auto 可能返回文本。
• Nullable 写法："type": ["string", "null"]，并把字段从 required 里移除。
• Schema 约束压过提示词指令和 few-shot 例子。Schema 要求字符串，提示词怎么写都产生不了 null。
• 重试分类学：格式和结构错误在具体反馈下会收敛；缺失数据会发散（每次重试一个不同的值）；歧义数据给一次消歧重试，然后加限定语。
• Batch 的形状：约半价、最长 24 小时、结果乱序、custom_id 是唯一的关联手段（结果以任意顺序返回——custom_id 是你唯一的关联手段）、不支持多轮工具调用、结果会过期（轮询、下载、本地存储——结果 29 天后过期）。
• 独立审查的意思是：单独一次调用，上下文里只有产物和判据，没有生成时的提示词。

要推理的：

• 这条判据可验证吗？如果一位讲理的同事可能对它是否适用有不同看法，它就是含糊的。用条件替换形容词。
• 例子覆盖边界了吗？多样化的例子，包含一个 SKIP 或反例，至少一个展示 null 字段。
• 哪一层能修？含糊是提示词层；形状是 schema 层；跨字段一致性、重试和成本是代码层。
• 重试还是接受 null？问一句：反复尝试会收敛吗？
• 同步还是 batch？延迟容忍以小时计、单轮请求就用 batch；任何交互式或要调工具的都留在同步。
• 同会话还是独立？如果审查者能看到代码为什么这么写，发现就会被压制（哪怕只是生成 Prompt 里的设计目标，也会压制审查发现）。

标题里的百分比说明的是方向。考试不考数字。

领域 4 用什么练习节奏？

• 每次学习之后，做 15 到 20 道领域 4 练习题。揭晓之前先写下你认为答案所在的层（提示词、schema、代码）。追踪你判断错层的次数；到第四次学习时这个数应该接近零。
• 第四次学习之后，做一组 40 题的题块。领域 4 的干扰项很细（一个”加一句指令”的选项常常听起来合理但是错的），长题块能帮你察觉这个模式。
• 每隔几天回顾错题。 反复出现的是用加重语气代替 schema 修改、对缺失数据重试、忘了 auto 可以返回文本。
• 最后一周：免费 CCA-F 模拟考的 60 题里大约会有 12 道领域 4（报名前请到 Anthropic / Pearson VUE 官方页面核对当前权重）。

进入下一领域前的自测题

1. 一个分类器的多次运行一致率不到 50%。最可能的原因和修法是什么？
2. 八个 few-shot 例子全是几乎一样的正例。有哪两个问题？
3. warranty_expiry 是必填字符串，文档里没有保修信息。模型会怎么做，怎么修？
4. 你有三个抽取 schema，而且必须始终拿到结构。用哪种 tool_choice 模式？
5. 一个 license 字段重试三次分别得到 MIT、Apache-2.0、BSD。这说明什么？
6. 一张 JSON 发票通过了 schema，但行项目之和不等于总计。哪一层校验能抓住它？
7. 1,000 个 batch 请求成功了 985 个。你重新提交什么，先检查什么？（940 成功，45 出错，15 过期——只重新提交这 60 个、不同错误需要不同修复——别重新提交整个 Batch）
8. 让同一个会话”严格审查”几乎什么也查不出。为什么，怎么修？

值得复盘两遍的错误

• 把指令改成大写，就指望得到结构层面的保证。
• 把 schema 合法的输出当成正确的输出。
• 加更多同类例子，而不是更多样的例子（每个示例都填满了所有字段——于是模型开始编造缺失的字段）。
• 对原文里根本不存在的数据，在重试提示词里不断加码催促。
• 给审查规定最少发现数量，结果产出编造的问题。
• 按领域 4 的方式用置信度门控输出，却没有补上能修正底层校准问题的 SKIP 例子（追踪开发者驳回了哪些模式——然后加 SKIP 示例）。

下一步

今天就从领域 4 学习指南页开始第一次学习，一周内做完领域 4 练习集，并记录每个答案落在哪一层。然后读CCA 考试反模式了解跨领域的干扰项，正确率稳住之后去做免费 CCA-F 模拟考。