配套 mock-04.md。每题给：答案 / 为什么对 / 为什么错（逐个干扰项）/ 考什么架构原则；场景题为全套格式。原创教学题，非官方真题。技术原则出处以课程模块标注（M01–M13）。
| 题号 | Q1 | Q2 | Q3 | Q4 | Q5 | Q6 | Q7 | Q8 | Q9 | Q10 |
|---|---|---|---|---|---|---|---|---|---|---|
| 答案 | C | A | D | B | A | C | MR | B | C | D |
| 题号 | Q11 | Q12 | Q13 | Q14 | Q15 | Q16 | Q17 | Q18 | Q19 | Q20 |
| 答案 | B | A | C | D | MR | B | B | D | A | C |
| 题号 | Q21 | Q22 | Q23 | Q24 | Q25 | Q26 | Q27 | Q28 | Q29 | Q30 |
| 答案 | B | D | A | C | MR | MR | B | B | A | D |
| 题号 | Q31 | Q32 | Q33 | Q34 | Q35 | Q36 | Q37 | Q38 | Q39 | Q40 |
| 答案 | C | C | B | MR | MR | B | D | D | B | A |
（MR = 多选题，答案见下一行）
多选：Q7 A/B · Q15 A/C · Q25 B/D · Q26 A/B · Q34 A/B/C · Q35 A/B
自评（课程推断）：≥28/40（70%）达到收口线；按错题域回链模块补漏。
Q1. C —— 工具回路完整顺序：请求 → 模型返回 tool_use 块 → 应用执行工具 → 应用回传 tool_result → 模型生成最终答案。模型从不亲自执行，应用是执行主体。 错项：A 模型不能自执行；B 模型看不到结果无法推理；D 事后补日志不是回路。 考什么：tool use 完整回路（M04；官方 CCAR-F 域 1/4 交叉考点）。
Q2. A —— auto：模型自行判断直答或调用工具。 错项：B/C 强制调用（用于必须走工具的抽取）；D 禁用工具。tool_choice 语义按场景选。 考什么：tool_choice 语义（M04）。
Q3. D —— 功能重叠的工具制造选择歧义，选择准确率下降；要么合并、要么把适用范围写清楚。 错项：A 冗余有 token 与歧义双重成本；B 「更多选择」恰是降效来源；C 描述差异化能缓解但同名近义仍易混，不如收敛。 考什么：工具面治理（M04/M06）。
Q4. B —— 好的工具描述：做什么、何时用、何时不用、参数含义、约束——模型选工具全靠这些信号（ACI 投入）。 错项：A/C 信息不足；D 模型并非读心，无描述即盲选。 考什么：工具文档质量（M04/M06；官方经验：工具时间常超过 prompt 调优）。
Q5. A —— 写操作要幂等（如客户端幂等键）：超时重试不会双倍执行——这是「可重试」的前提。 错项：B 碰运气不是设计；C 把一致性责任甩给下游；D 全禁重试把可恢复失败变成硬失败。 考什么：重试安全的工具设计（M03/M04）。
Q6. C —— 资金动作：模型输出只是输入不是授权——确定性代码做策略校验与授权后执行。 错项：A/B 模型自检不构成控制（它错的理由它自己也信）；D 显然荒谬。 考什么：agent proposes, code disposes（M04/M11；全课程第一原则的应用）。
Q7. A、B —— 一工具一用途；错误以结构化可操作结果回传——工具设计清单核心两条。 错项：C 万能工具不可选择也不可审计；D 隐藏失败剥夺模型自我修正。 考什么：工具设计清单（M04）。
Q8. B
考什么：最小权限 + HITL 门 + 注入防御组合（M04/M11）。
Q9. C —— client 是 host 内与单个 server 的 1:1 连接器；host 持有全局编排，server 暴露能力。 错项：A server 在连接对端；B transport 是通道不是角色；D registry 不是 MCP 核心角色。 考什么：host/client/server 三角色（M06）。
Q10. D —— 只读参考数据（schema 文档、码表）→ resources：应用驱动加载，不给模型当动作调用。 错项：A 全做成 tool 增加误调用面；B prompts 是用户模板；C sampling 是另一种机制（server 请求模型补全），不匹配。 考什么：resources vs tools 分工（M06；官方 CCAR-F 点名 tool and resource design）。
Q11. B —— 服务器把业务错误作为 isError: true 的 tool result（含可操作说明：正确格式长什么样）回传——模型据此自我修正。 错项：A 静默代改掩盖了错误也失去了可审计性；C 崩溃重启丢会话；D 与机制无关。 考什么：structured error responses 的自修正回路（M04/M06）。
Q12. A —— 本地开发 server：stdio——进程通信、零网络暴露。 错项：B 公网 HTTP 暴露面最大；C WAN WebSocket 无必要；D 荒谬。 考什么：transport 选型（M06）。
Q13. C —— token passthrough 被禁的根因：绕过 audience 控制（下游不知道在为谁、为什么授权）并打断审计链。 错项：A/B 性能与过期不是禁令理由；D 与 transport 无关。 考什么：MCP 反模式的原因（不只是结论）（M06/M11）。
Q14. D —— 跨个人项目可用 → user scope（个人全局配置）。 错项：A project scope 限单仓；B 会话级不持久；C 便签不是配置。 考什么：MCP server 配置作用域（M06；官方 CCAR-F 点名 server configuration）。
Q15. A、C —— tools 由模型控制调用；prompts 是用户控制的模板（如 slash command）。 错项：B resources 是只读的，不改状态；C…注意 D：三原语不会自动全量进请求——加载策略由 host/应用与发现机制决定。 考什么：三原语控制方（M06，考试最爱）。
Q16. B
考什么：第三方 MCP 接入的风险治理（M06/M11）。
Q17. B —— streaming 改善感知延迟：首 token 提前、用户看到渐进输出；总生成时长基本不变。 错项：A 不让模型变快；C 不改质量；D 不改单价。 考什么：streaming 的真实收益（M03）。
Q18. D —— 400 = 请求本身非法（参数/schema 错误）：重试无意义，修请求。 错项：A/B/C 都是无效重试——同样的请求永远同样失败。 考什么：4xx 中「客户端错误」的处置（M03/M10）。
Q19. A —— 401/403 = 凭证问题：检查/轮换凭证与请求头——带着坏凭证重试不可能成功。 错项：B 无效重试；C/D 与认证无关。 考什么：认证类错误的分诊（M03）。
Q20. C —— 带 retry-after 的 429：按指示等待再重试，配指数退避 + jitter 防惊群。 错项：A 并发抢占加剧拥塞；B 立即重试同样；D 过度放弃。 考什么：限流 429 的标准响应（M03/M10）。
Q21. B —— spend-limit 429：无 retry-after、重试不会自行清除——读 error code，处理根因（预算/配额调整）。 错项：A 无限等待烧时间；C 换模型不解决组织预算上限；D 关错误处理是掩耳盗铃。 考什么：两类 429 的区分（高频坑，M03/M10）。
Q22. D —— 529 = 平台侧过载：指数退避 + 降载（熔断）稍后再试——猛打只会更糟。 错项：A 400 才是请求问题；B 认证是 401；C 个人限流是 429。 考什么：529 的语义与响应（M03/M10）。
Q23. A —— 逐请求 token 计量读响应的 usage 字段（input/output/cache 分类）。 错项：B/C/D 均非计量来源。 考什么：token usage 字段（M03；成本可观测性的数据源）。
Q24. C —— 峰期限流的组合拳：缓存削重复、非交互任务错峰/批量、429 退避，持续触顶则带数据申请提额。 错项：A 自家服务器不解决 API 侧配额；B 放任体验崩；D 关重试放大失败。 考什么：限流治理（M03/M10）。
Q25. B、D —— 429（带 retry-after）与 529（过载）都是退避后可重试的暂态错误。 错项：A 400 请求非法重试必败；C 401 要修凭证不是重试。 考什么：错误可重试性分类（M03）。
Q26. A、B —— streaming 降感知延迟；prompt caching 减少稳定前缀的重复处理——两条正当手段。 错项：C temperature 与延迟无关；D 全量知识库每请求发送恰是延迟与成本的反面。 考什么：延迟优化手段鉴别（M03/M10）。
Q27. B
考什么：容量/限流/成本综合架构（M03/M10；CCDV-F Applications and Integration 综合）。
Q28. B —— golden dataset：代表真实流量、人工标注（或严格验证）、版本化、与调优集分离（防「拿考题当练习」）。 错项：A 随手编的不代表分布；C 无标注不可判分；D 只装必过的演示例是自欺。 考什么：golden dataset 属性（M12）。
Q29. A —— CI 回归门：prompt/工具/模型变更导致 golden 分数可测量下降时阻断合并/发布——把「感觉没坏」变成「证明没坏」。 错项：B/C 不是目的；D 仪表盘若无人读才需要治理，不是回归门的本义。 考什么：回归测试门禁（M12）。
Q30. D —— LLM-as-judge 最低配置：具体 rubric + Unknown/信息不足出口（防强行判）+ 定期与人工标注对表校准。 错项：A 便宜模型+一句话 prompt 不可信；B 盲信强模型无校准是常见事故；C 二值裁决丢细粒度且无处安放不确定。 考什么：LLM-as-judge 的可靠性工程（M12）。
Q31. C —— K=5→50：recall@k 上升但precision 崩塌——50 块噪音进上下文，context rot 淹没答案；检索指标要成对读。 错项：A recall 没坏，是单指标视角坏了；B 无关；C…注意 D 归因用户是逃避。 考什么：检索指标的联动解读（M07/M12）。
Q32. C —— 任务成功的可靠信号：环境终态（工单系统里状态真的变了）——不是模型说什么。 错项：A 模型的自我报告正是幻觉高发区；B 用户沉默可能是放弃；D 长度与成功无关。 考什么：state-based task success（M12）。
Q33. B —— 三个月 96% = eval saturation 预警：旧题毕业进回归套件、补更难新题、留 held-out 汇报集——分数恒高说明考不出差异。 错项：A 完美的假象；C 删集子自毁武器；D 降门槛方向反了。 考什么：评估集的生命周期（M12）。
Q34. A、B、C —— 诚实最小集：recall@k（查全）+ precision@k/nDCG（噪音/排序）+ groundedness（生成有据）——三层各有失败模式。 错项：D 点赞数是滞后且可操纵的代理指标，不能作为唯一质量度量。 考什么：RAG 评估指标组（M07/M12）。
Q35. A、B —— 生产可观测：带延迟/token/成本/工具结果的trace（PII 安全）+ 按错误类型分段的错误率。 错项：C 只有聚合 QPS 看不出失败结构；D 未脱敏全量永久存原始 prompt 是合规事故。 考什么：可观测性要件与合规边界（M10/M12）。
Q36. B
考什么：升级回归分诊 + 灰度（M12/M02；收口综合题）。
Q37. D —— 五步固定、仅 classify 用 LLM → 确定性 workflow 编排，LLM 是其中一步的调用——可预测、可测试、成本最低。 错项：A 每晚自主决定恰是反需求；B 五个 subagent 是 15× 量级的浪费；C 人肉不可扩展。 考什么：workflow vs agent 判据（M08；CCDV-F Agents and Workflows）。
Q38. D —— 「感觉做完了」不是停止条件——外部、可量化、代码持有的才是（迭代数/预算/墙钟）。 错项：A/B/C 都是合法条件。 考什么：stopping conditions 的设计原则（M08）。
Q39. B —— 高量短分类：快档便宜模型 + per-task eval 验证 + 抽样质量监控 + 低置信升级——三轴（成本/延迟/能力）匹配任务画像。 错项：A 旗舰模型预算爆且延迟高；C 双倍调用更贵；D 随机选模型不可测试。 考什么：模型选型按任务画像（M02/M10；CCDV-F Model Selection and Optimization）。
Q40. A —— alias 自动漂移事故的解法：pin 精确 snapshot，升级走评估门 + 分阶段发布。 错项：B alias 恰是事故源；C 关监控自欺；D 等别名漂回不可控。 考什么：模型版本管理（M02/M10；事故驱动考点）。
（Mock 04 答案册完） · 回做：mock-04.md · 索引与用法：README.md
📚 目录