CCA 领域 5 详解：Context Management 与可靠性

CCA-F 考试的领域 5 叫 Context Management & Reliability，占总分 15%。它考的是上下文越填越满时你能不能让 agent 保持准确：摘要会毁掉什么、怎么保住它，什么时候该交给人工，错误在组件之间该怎么传递，怎么发现退化，以及怎么带着来源完整地报告结论。主题一句话概括：上下文是一份有形状的预算，不是一只桶。

这篇文章会讲领域 5 包含什么、为什么是 15%、必须烂熟的概念、题目怎么出、一道完整情景题的推理，以及常见陷阱。内容建立在我们 31 篇文章的领域 5 学习指南之上，每个观点都链到来源文章。

CCA 领域 5 考什么？

六个任务，各有一篇入门文章：

任务	考点	从这里开始
5.1 渐进式摘要	压缩会丢什么；case-facts 块；lost-in-the-middle；工具输出过滤	”$127.50 退款”变成了”客户请求退款”——结果处理了 $50
5.2 升级触发条件	可靠 vs 不可靠的触发器；明确要人；政策空白；消歧	基于情绪的升级：40% 的量，30% 需要人工。换掉它。
5.3 结构化错误上下文	编排器与子代理之间的错误；静默吞掉；覆盖度标注	通用的”失败”→ 18% 恢复率。结构化错误 → 71%。
5.4 上下文退化	具体性随时间衰减；scratchpad；委派；崩溃 manifest；/compact	第 0 分钟：“src/auth/jwt.ts:12 → verifyJWT()“。第 45 分钟：“典型的 JWT 验证模式”。
5.5 监控与准确率	聚合指标掩盖失败；分层抽样；字段级置信度；校准	96% 准确率，升级多了 40%：为什么聚合指标在骗人
5.6 溯源与来源映射	结论到来源的归因；冲突数据；时间元数据；格式匹配	每条事实都需要一个回溯地址

API 层面的背景（Messages API 是无状态的，历史每次都要你自己发）在 Foundations 入门Token：每次 API 调用的”货币”，本领域也再讲了一遍：API 不记得你的对话——你必须每次都发送完整历史。

领域 5 为什么占 15%？

它是最小的领域，但不是因为它不重要。考纲把搭建阶段的决策放在领域 1 到 4，把领域 5 留给系统跑了四十轮或四十分钟之后发生的事。这里独立的机制少，所以题目少，但正是这些机制把演示 demo 和生产系统区分开来。按 60 题的试卷算大约 9 题（报名前请到 Anthropic / Pearson VUE 官方页面核对当前权重）。领域 5 借用了不少领域 1 和 2 的概念，所以放到最后学效率最高。

必须烂熟的概念

摘要保住情绪，毁掉数字。 在被摘要过的客服对话里，情绪的留存率超过 90%，而精确金额、日期和 ID 只留下大约四分之一。解法是一个结构化的 case_facts 块，和摘要并排存放，永远不被压缩。多问题的长对话出于同样原因需要一个问题追踪器（没有 Tracker 时 28% 的问题被遗漏。有 Tracker 后：3%。）。

注意力是 U 形的。 长输入开头和结尾的来源被吸收的比例超过 90%；中间的只有一半左右。更大的上下文窗口拉不平这条曲线，章节标题加一段前置摘要可以（来源 1-2：96%。来源 5-6：52%。来源 9-10：94%。U 形注意力曲线。）。工具输出落进上下文之前先过滤到你需要的字段（返回 40 个字段，需要 5 个——4 次调用就把上下文撑满了，本该能撑 11 次），并让子代理返回结构化事实而不是推理链（2,800 Token 的推理链 → 280 Token 的结构化事实。同样的发现，1/10 的上下文。）。

按可观察的条件升级，不按情绪或置信度。 明确要求人工、检测到政策空白、两次尝试后没有进展、需要政策例外——这四个可靠。负面情绪和模型置信度低——不可靠。客户要求找人时，立刻升级（“我要找人”→ 先尝试解决 → CSAT 2.1。立即升级 → 3.8。）。两条客户记录都匹配时，问，别猜（自动选”最近活跃”：27% 选错人。要求提供邮箱：2%。）。政策没写到的地方，升级而不是自作主张（政策没提竞品比价 → 代理自行决定 → 52% 批准，48% 拒绝。同一种请求。）。

组件之间的错误同样需要结构。 子代理向编排器报一句”数据库错误”，编排器就会对一个早已下线的系统白白重试五次（“数据库错误”——编排器重试了 5 次。数据库早就永久下线了。）。静默吞掉和过早终止会叠加（两种反模式叠加：35% 的报告有隐藏缺口，25% 的查询被直接杀掉）。报告必须标注哪些内容没有覆盖到，一次超时才不会被读成”没有影响”（“AI 对表演艺术影响很小”——其实是搜索超时了）。

具体性随会话时间衰减，和任务复杂度无关。 file:line 引用的比例从前一刻钟的 90% 以上，掉到 45 分钟后不足四分之一。对策：把发现写进 scratchpad（Scratchpad：在上下文遗忘之前把发现写下来），把数据密集的活委派给子代理，主上下文从头到尾不装它们（子代理委派：让别人来装数据），维护一个 manifest 用于崩溃恢复（崩溃恢复：一个 Manifest 文件让你不用从头开始），/compact 之前先保存、之后再恢复（保存、压缩、恢复：/compact 的三步工作流）。

聚合准确率藏起了真正要命的失败。 97% 的总体里可以藏着一个 72% 的类别。上线前先拆开看，按层抽样（分层抽样：为什么随机监控漏掉了最重要的问题），把不确定的字段而不是整份文档送去人工审查（字段级置信度：审查不确定的字段，不是整份文档），并校准一个置信度数字到底意味着什么（置信度校准：模型说 0.9——这到底意味着什么？）。

保留冲突，绝不取平均。 一个来源说 35%，另一个说 42%，答案不是 38.5%。两个都列出来，带上归因和日期（数据冲突：两个都保留，一个都别编、时间元数据：不是每个差异都是矛盾）。报告按证据强度组织，格式跟内容类型走。

考试怎么考领域 5？

都是长时间运行的场景，症状随时间浮现。常见形态：

• “一次上下文摘要之后，agent 处理了错误的退款金额。“（数字被压缩掉了；加一个持久的 case-facts 块。）
• “升级占了 45% 的量，多数其实能自己解决。“（情绪触发器；换成可观察的条件。）
• “研究报告说不存在相关研究；故障结束后找到了 47 篇。“（访问失败被报成了空结果；标注覆盖度，返回结构化错误。）
• “到第 45 分钟，探索 agent 开始给泛泛的建议，还和自己早先的发现矛盾。“（退化；scratchpad 加委派。）
• “抽取系统 96% 通过，但财务每天都在修发票。“（聚合掩盖；按字段和类别看指标。）
• “两个子代理对市场份额意见不一。协调者应该输出什么？“（两个都输出，带归因和日期。）

完整情景题：一次 60 分钟的代码库审计越审越含糊

背景。 一个 agent 审计一个 500 文件的仓库里的认证问题。头十五分钟，它的发现都引用 file:line 和函数名。到第 45 分钟，它开始说”常见的 JWT 校验模式”这类话，还提议重构一个它早先评价为结构良好的模块。团队想要整轮运行都保持具体、一致的发现。

选项。

A. 增大模型的上下文窗口，重跑一遍。 B. 在系统提示里加一句”始终引用文件和行号”。 C. 让 agent 每确认一条发现就写进 scratchpad 文件，把逐目录的阅读委派给返回结构化发现的子代理，任何一次 /compact 之后都从 scratchpad 重建。 D. 把审计拆成 60 个一分钟的会话。

推理。 A 改变不了注意力曲线，也改变不了陈旧推理的堆积。B 在索要一种上下文已经供应不了的具体性。D 彻底丢掉了连续性。C 把大块数据移出主上下文，把细节持久化到窗口之外，还能扛过压缩。C 是最不坏的选项，直接对应第 0 分钟：“src/auth/jwt.ts:12 → verifyJWT()“。第 45 分钟：“典型的 JWT 验证模式”。和它的三篇后续。

领域 5 题目里的常见陷阱

• 以为更多上下文能解决注意力问题。 Lost-in-the-middle 在任何窗口大小下都存在。
• 把摘要当成中性的。 它的损耗方向是可预测的；要显式保护 ID、金额和日期。
• 按情绪或置信度升级。 两者和真实需求的相关性都很差（高置信度（0.9+）：12% 出错。低置信度（<0.5）：68% 正确。这个信号坏了。）。
• 失败的查询报成”没有结果”。 和领域 2 是同一个坑，只是站在编排器这一侧（“不存在同行评审研究”——实际上，停机结束后找到了 47 篇论文）。
• 用随机抽样做监控。 随机样本反映的是流量分布，稀有但高影响的类别几乎查不到。
• 靠”最新”或”最权威”解决冲突。 最新的那次写入可能是一次批量刷新；两个都呈现。
• 数字写成散文，分析画成表格。 格式跟内容类型走（内容类型与格式匹配：数字用表格，分析用散文）。

下一步

读完六篇入门文章，然后做领域 5 练习题。这个领域复用了领域 1 和 2 的概念，所以放在那两个之后做。稳定之后去做免费 CCA-F 模拟考，它按官方权重抽题，领域 5 会按比例出现。完整列表在领域 5 学习指南页，配套的复习顺序版是CCA 领域 5 复习技巧。