模拟卷一 · 答案册（Mock Exam 1 Answers）

与 mock-exam-1.md 配套。每题给：答案 / 为什么对 / 为什么错 / 考什么原则；场景题给全套解析（Best choice / Why / Why others weaker / Tradeoffs / What would change the answer）。 原创教学题，非官方真题。原则出处以模块编号标注（M01–M13）。

Part A · 单选题答案

🎯 学习重点：复盘错项错在控制层、边界条件还是过度工程，不只记答案字母。

Q1. B —— 分类任务路径完全可预测（固定输入→12 类之一），是 workflow 的教科书场景：单次调用 + structured output 约束枚举。 错项：A/C 都是「为 agentic 而 agentic」——multi-agent（M08）与开放式 loop（M08）引入不可预测性，恰是可预测任务最不需要的；D evaluator-optimizer 适合有清晰评估标准的迭代任务，分类一次即成无需循环。 考什么：workflow vs agent 判据（CCAR-F 域 1，27% 权重的第一反射）。

Q2. B —— 官方点名的 stopping conditions（max iterations / 预算上限）是 agent 上生产准入门槛；缺失 = 跑飞烧钱事故（M08 Common Mistake #1）。 错项：A subagent 是优化项非门槛；C MCP 是集成选项；D streaming 是体验优化。 考什么：agent 可靠性的最低安全线。

Q3. B —— 官方 Building Effective Agents 的判据：路径可预测→workflow（可预测/可测试/可预算），控制权交模型→agent（M08）。 错项：A 工具两者都能用；C/D 与判据无关。 考什么：核心区分判据，不是能力高低而是控制权位置。

Q4. B —— multi-agent ≈15× token 代价；四前提：开放式+可并行+超窗口+高价值（M08）。 错项：A 忽略代价；C/D 凭空捏造。 考什么：multi-agent 是最后手段不是默认升级。

Q5. B —— coordinator-subagent 的核心收益是 context isolation：subagent 在独立窗口消化原始信息，回传摘要（M08/M09）。 错项：A 违背隔离初衷（等于没隔离）；C subagent 不指挥兄弟节点；D 丢弃了工作成果。 考什么：官方 CCAR-F 指南点名的 coordinator-subagent 模式（Exam Guide 原文）。

Q6. B —— 大规模探索污染主会话的官方标准答案：只读 explore subagent + 摘要回传（M09）。 错项：A CLAUDE.md 每会话自动加载且官方建议 ≤200 行；C context rot 无解于「更大」；D /clear 丢失任务状态。 考什么：context 隔离优先于压缩。

Q7. B —— CLAUDE.md 是 context 不是 enforcement；强制要靠 deny 规则 / PreToolUse hook（M09 Common Mistake #1）。 错项：A 混淆「建议」与「强制」；C 权限体系在 settings；D managed settings 优先级更高且可锁定。 考什么：官方 CCAR-F 点名的 CLAUDE.md hierarchy + 强制机制区分。

Q8. C —— 「无论模型怎么决定都拦」的强制点在应用层：deny 规则（所有模式生效）+ PreToolUse hook（Exit Code 2 阻断）（M09/M11）。 错项：A/B 是软约束（模型可能不遵守）；D 无机制。 考什么：LLM instruction ≠ application enforcement（全课程第一原则）。

Q9. B —— plan 是 permission mode 之一：只读探索 + 产出计划供人审（M09；官方 CCAR-F 点名 plan mode vs direct execution）。 错项：A 过时说法（独立 plan mode 页面已过时）；C deny 规则在所有模式（含 bypassPermissions）生效；D acceptEdits 只免「编辑类」确认，不等于全放行。 考什么：permission modes 语义 + deny 的特殊地位。

Q10. B —— 组织红线落点：managed settings / managed policy，优先级最高、个人改不掉（M09）。 错项：A/C 个人可绕过；D 无强制力。 考什么：企业治理的配置层级。

Q11. B —— 截至 2026-08-30：custom commands 已并入 skills，二者等价（M09 过时术语识别）。 错项：A/C/D 与当前文档不符。 考什么：过时术语/旧教程识别（官方指南要求按当前文档备考）。

Q12. B —— 无人值守更要收紧：最小 allow + deny + hook 兜底；bypassPermissions 在 CI 是重大风险（M09 headless 节）。 错项：A 恰好相反；C 默认不等于安全；D headless 无法交互确认。 考什么：headless 模式的权限方向。

Q13. B —— constrained decoding 只保格式不保语义；语义要评估管线验证（M05）。 错项：A 越界承诺；C 与温度无关；D prefill 已弃用且非必需。 考什么：structured output 的能力边界（高频辨析）。

Q14. C —— 「prompt 里写格式」是软指令，永远有漏网率，是最不可靠的（M05 Common Mistake #1）。 对比：A/B 是硬保证（解码期约束）；D 是无结构化输出环境的标准补丁。 考什么：软约束 vs 硬约束的排序。

Q15. B —— 示例全同构 = 模型学到示例偏差而非任务规律；示例要覆盖真实变化与边界（M05）。 考什么：few-shot 的正确用法。

Q16. B —— prefill 4.6+ 弃用（400）；手动 budget_tokens 4.7+ 拒绝；现行 = structured output + adaptive thinking（effort）（M02/M05）。 错项：A/C 恰是被淘汰的做法；D adaptive 是模型自调思考量，机制不同。 考什么：弃用参数/旧技巧识别（考试爱出旧教程陷阱）。

Q17. B —— Batches：约半价、24h 窗口、禁 stream/fast mode（硬验证错误）（M03/M10）。 错项：A 批量非低延迟；C 用途不限评估；D 与 streaming 是两种场景。 考什么：官方 CCAR-F 点名的 Message Batches API。

Q18. B —— 官方点名的 progressive summarization + 结构化笔记；关键约束放开头/结尾呼应 lost in the middle（M08/M01）。 错项：A 掩盖问题；C temperature 不解决遗忘且 4.7+ 非默认值 400；D 恶化 context rot 与成本。 考什么：长会话上下文管理（CCAR-F 域 5 点名主题）。

Q19. A —— lost in the middle：中部信息召回差，重要内容放开头结尾（M01）。 考什么：官方指南点名的效应及其设计含义。

Q20. B —— 先检索层后端到端：检索层崩了调 prompt 无用（M07/M12）。 错项：A 靠感受=盲调；C 跳过诊断；D 端到端正确率无法定位是检索还是生成的问题。 考什么：评估分层思想。

Q21. A —— hybrid（embeddings+BM25）补精确 token 盲区，官方默认姿势（M07）。 考什么：为什么混合检索是默认。

Q22. B —— 租户隔离在检索 pre-filter 层由应用强制（M07/M11）。 错项：A prompt 非授权机制；C post-filter 可能滤空 Top-K 或回填噪音且有泄露窗口；D 模型判断不可审计。 考什么：RAG 安全的实现层。

Q23. B —— tools=模型控制 / resources=应用驱动 / prompts=用户控制（M06，考试最爱）。 考什么：三大原语控制方（官方 CCAR-F 点名 tool and resource design）。

Q24. B —— host 持有完整对话、编排权、用户同意与上下文聚合；client 只是 host 内 1:1 连接器（M06）。 考什么：MCP 架构角色的安全含义。

Q25. B —— 业务错误以 isError=true 回传 + 可操作错误说明，模型自我修正（M04/M06；官方 CCAR-F 点名 structured error responses）。 错项：A 剥夺模型修正机会；C 静默 = 模型瞎猜重试；D 应先让模型尝试可恢复错误。 考什么：工具错误回传原则。

Q26. B —— token passthrough 被规范明令禁止：绕过 audience 控制与审计链（M06/M11）。 错项：A/C/D 都是正当机制。 考什么：MCP 反模式识别。

Q27. B —— progressive discovery / tool search：目录进上下文、定义按需加载（M06/M09）。 错项：A 治标；C 更大窗口不解决选择准确率且贵；D 砍功能是业务损失。 考什么：工具膨胀的官方治理方案。

Q28. B —— 带 retry-after 的限流 429：按指示等待 + 指数退避 + jitter 防惊群（M03/M10）。 错项：A 立即重试加剧拥塞；C 过度放弃；D 并发抢占会雪崩。 考什么：429 的正确响应。

Q29. B —— spend-cap 429 无 retry-after，重试无效；读 error.details.error_code 定位（M03/M10）。 错项：A 混淆两类 429；C/D 伪解。 考什么：两类 429 的区分（高频坑）。

Q30. B —— 锁 pinned snapshot；升级 = 灰度 + 回归评估（M02/M10）。 错项：A alias 漂移使评估失效；C 行为不可复现；D 成本失控。 考什么：生产可复现性。

Part B · 多选题答案

🎯 学习重点：检查漏选与多选分别源于知识缺口还是“相关即正确”的判断错误。

Q31. AC —— A 与 C 都是「prompt 禁令当安全」（system prompt 不是访问控制；RAG 租户隔离不能靠提示词）。 B/D 是正确的应用层强制（deny 规则、PreToolUse hook），不是错误模式。 考什么：LLM instruction ≠ application enforcement 的多形态识别（M04/M07/M11）。

Q32. ABD —— 降级三件套：显式声明、单独计数、可恢复切回（M10）。 C 恰是反面模式（降级不告诉任何人）。 考什么：graceful degradation 的完整定义。

Q33. ACD —— structured output 消灭格式错误（A 对）；但不保语义（B 错），语义靠评估（C 对）；残余校验问题可与 repair retry 组合（D 对）。 考什么：能力边界 + 组合使用（M05）。

Q34. AC —— evaluator-optimizer 前提：清晰评估标准 + 反馈有效（翻译迭代、代码审查-修改循环均满足）。 B 是可预测分类（workflow）；D 一次成稿无循环需求。 考什么：模式适用判据（M08）。

Q35. ABD —— 结构化上下文 + 升级率监控 + 结果回写；C 是反面模式（「处理一下这个」）。 考什么：escalation 三要素（M10/M13）。

Q36. AD —— 断点位置错误（放在变化内容之后/之上）与前缀不稳定是命中率低的自身原因；B/C 是命中的正确做法。 考什么：prompt caching 断点原则（M03/M10）。

Part C · 场景决策题 · 全套解析

🎯 学习重点：对照 Best choice、Tradeoffs 与 What would change，校准架构决策完整度。

Q37. 客服助理的自动化边界

• Best choice：B
• Why：授权决策走确定性代码（规则引擎）——可回放、可审计、不受 prompt 注入影响；LLM 定位在「建议 + 交接摘要」，恰好发挥模型语言能力又不给它授权权。审批门（> $200 或风险信号）由代码强制，配套审计事件（谁/依据/结果）。这是「LLM 指令 ≠ 应用层强制」的物理落点（M11/M13：Approval Gate）。
• Why others are weaker：
• A：万能 SQL 工具 = 注入成功即全失守（blast radius 最大）；prompt 里的金额规则是软约束，注入可让它「例外」。
• C：模型输出当授权 = 把概率系统当权限系统；一次幻觉/注入就是资损，且无法满足审计回放要求。
• D：放弃自动化价值，违背需求（deflection）；「不用 LLM」不是架构答案。
• Tradeoffs：B 牺牲了「模型灵活判断」的空间（规则引擎写死阈值）；规则变更需发版。可用配置化规则 + LLM 辅助生成规则建议弥补。
• What would change the answer：若审计要求放宽、且金额上限极小（如 ≤ $1）、失败可完全自动回滚——C 的全自动模型决策风险可接受度上升；若引入更强合规（金融监管），B 还需加双人复核。

Q38. 内部知识库问答

• Best choice：A（先做简单方案），D 为演进方向
• Why：手册仅 ~15 万 token（塞得下）：全量进上下文 + prompt caching，每查询的边际成本低且无检索失败风险（所有信息都在窗口里），带原文引用即可满足溯源。课程原则：小库「全量塞 + caching」常又便宜又准（M07）；「库大塞不下」才是 RAG 的起点。D 是库增长后的正确演进：混合检索（精确条款靠 BM25）+ 版本元数据过滤（旧版作废）+ 引用。
• Why others are weaker：
• B：跳过「是否需要检索」的判断直接上向量库 = 过度工程；且纯向量对条款编号类精确 token 是盲区。
• C：参数知识过时且不可溯源，违背 groundedness ≥ 要求。
• D（作为首案）：300 页规模下检索管线是不必要的运维与失败面——但注意 D 本身方向正确，只是时机问题。
• Tradeoffs：A 的每次查询输入 token 大（靠 caching 摊薄）；手册超窗口或更新频繁到缓存失效时，A 的成本模型崩坏。D 引入检索失败率与管线运维。
• What would change the answer：手册增长到 10×（塞不下/太贵）→ D 成为首选；坐席提问若以精确条款号为主 → BM25 权重加大甚至纯词法检索即可；若答案需跨手册实时关联系统数据 → 走 tool use 而非 RAG。

Q39. MCP 工具错误处理

• Best choice：B
• Why：错误分类处理是官方点名主题（structured error responses）：业务可恢复错误（参数无效/权限不足/无记录）走 isError=true 的 tool result + 可操作说明（「工单号格式应为 TS-xxxxx」），模型能自我修正（换格式重试、或告知用户权限路径）；只有协议级失败（server 崩溃、非法 JSON-RPC）才走 protocol error 的快速失败。这同时保住了会话连续性与模型的纠错机会（M04/M06）。
• Why others are weaker：
• A：全部当 protocol error = 剥夺模型自愈，且「权限不足」这类可恢复错误被放大成会话崩溃（正是现状病根）。
• C：静默空结果最糟——模型以为「无记录」继续编（幻觉温床），错误被吞。
• D：全量转人工放大量化成本，也违背「让模型处理常规、人处理例外」的分工。
• Tradeoffs：B 需要在 MCP client/host 层实现错误分类映射（一次性工程投入）；模型自愈会多消耗几轮 token（重试成本可控因有 stopping conditions）。
• What would change the answer：若错误源于 server 端 bug（可改 server）→ 直接修 server 的错误语义最优；若该工具属高危操作（错误代价大）→ 收紧为「错误即升级人工」而非让模型重试。

Q40. Agent 上下文膨胀

• Best choice：B
• Why：三件套组合拳各治一症：compaction/渐进式摘要治「工具输出塞满」（旧结果清理后保留要点）；结构化笔记治「早期约束遗忘」（关键事实/约束持久化为可重读笔记）；subagent 治「大块探索污染」（独立窗口消化、摘要回传）。这正是官方 progressive summarization + context isolation 思想（M08/M09；CCAR-F 域 5 点名）。
• Why others are weaker：
• A：更大窗口不解决 context rot（窗口内召回照样衰减），且成本更高——「1M 当无限记忆」是必错项（M01）。
• C：硬截断丢失任务关键状态（早期约束恰在最旧一半里），比有损摘要更糟——摘要至少保留了「要点」。
• D：max_tokens 限制输出长度，不治输入膨胀，反而截断必要输出（stop_reason=max_tokens 的 JSON 不能用）。
• Tradeoffs：compaction 是有损的（细节可能被摘要丢掉）；subagent 增加编排复杂度与 token（委派指令要写清目标/输出格式/边界）；结构化笔记需要纪律（写入/读取时机）。
• What would change the answer：若任务时程短（< 10 分钟）且上下文远未接近窗口——什么都不用做，过早优化上下文管理本身就是过度工程；若工具输出天然结构化（如表格），优先做「工具结果裁剪」而非事后压缩。

计分与定位

🎯 学习重点：课程分数线只用于定位弱域，不可换算成官方 scaled score。

• 满分 40（单选 1 分 ×30 + 多选 1 分 ×6 + 场景 1 分 ×4）。
• 换算参考（课程推断，非官方）：≥32（80%）= 达到 720 线的稳态；28–31 = 边缘，按错题域回链补强；<28 = 回到 last-week-review.md 对应 Day 重做。
• 错题归域统计：Q1–6 域1 · Q7–12 域2 · Q13–17 域3 · Q23–27 域4 · Q18–22、Q28–30 域5 · 场景题跨域——用 exam-domain-map.md 回链复习。