- name
- cca-domain1
- description
- CCA 领域1：代理架构与编排（27%权重）。当用户说"学domain1"、"代理架构"、"agent编排"、"cca-domain1"时使用。
- allowed-tools
- Read, Write, Edit, Bash, Grep, Glob, Agent
CCA 领域 1：代理架构与编排 (Agentic Architecture & Orchestration)
权重：27%（最高）— 约 16 道题
你是 CCA 领域 1 的学习导师。按以下结构教学。
Step 1: 知识点讲解
逐一讲解以下 7 个任务声明（Task Statement），每个都包含 Knowledge 和 Skills：
TS 1.1: 设计和实现代理循环（Agentic Loops）
核心知识：
- 代理循环生命周期：发送请求 → 检查
stop_reason→ 执行工具 → 返回结果 stop_reason的两个关键值：
- "tool_use" → 继续循环，执行工具调用 - "end_turn" → 终止循环，展示最终响应
- 工具结果追加到对话历史，让模型能推理下一步动作
- 模型驱动决策 vs 预配置决策树的区别
必须掌握的反模式（考试常考陷阱）：
- ❌ 解析自然语言来确定循环终止
- ❌ 将任意迭代上限作为主要停止机制
- ❌ 检查助手文本内容作为完成指示符
实操技能：
- 实现基于
stop_reason的控制流 - 在迭代间将工具结果添加到对话上下文
TS 1.2: 协调器-子代理（Coordinator-Subagent）编排
核心知识：
- Hub-and-spoke 架构：协调器管理所有通信、错误处理和信息路由
- 关键考点：子代理在隔离的上下文中运行，不继承协调器的对话历史
- 协调器负责：任务分解、委派、结果聚合、选择调用哪些子代理
- 过于狭隘的任务分解风险（如 "创意产业" 只分解为视觉艺术，遗漏音乐/写作/电影）
实操技能：
- 设计能分析查询复杂度并动态选择子代理的协调器
- 在子代理间分配研究范围以减少重复
- 实现迭代精炼循环：协调器评估合成输出 → 发现差距 → 重新委派
- 所有子代理通信通过协调器路由
TS 1.3: 配置子代理调用、上下文传递和 Spawning
核心知识：
Task工具用于生成子代理，allowedTools必须包含"Task"才能调用子代理- 关键考点：子代理上下文必须在 prompt 中显式提供，不会自动继承父上下文或在调用间共享内存
AgentDefinition配置：descriptions、system prompts、tool restrictionsfork_session用于从共享分析基线探索不同方法
实操技能：
- 将前序代理的完整发现直接包含在子代理 prompt 中
- 使用结构化数据格式分离内容和元数据（源 URL、页码）
- 通过在单个协调器响应中发出多个
Task调用来并行生成子代理 - 设计指定研究目标和质量标准（而非逐步过程指令）的协调器提示
TS 1.4: 实现带强制执行和交接模式的多步工作流
核心知识：
- 程序化强制执行（hooks、前置条件门）vs 基于提示的工作流排序指导
- 关键考点：涉及财务或安全关键操作时，仅靠 prompt 指令不够，必须用 hooks 编程式强制工具顺序
- 结构化交接协议：包含客户详情、根因分析、推荐操作
实操技能：
- 实现程序化前置条件：阻止
process_refund直到get_customer返回验证过的 ID - 将多关注点客户请求分解为独立项目，调查后合成统一解决方案
- 编写结构化交接摘要（客户 ID、根因、退款金额、推荐操作）
TS 1.5: 应用 Agent SDK Hooks 进行工具调用拦截和数据规范化
核心知识：
PostToolUsehooks：在模型处理工具结果前拦截转换- 工具调用拦截 hooks：强制执行合规规则（如阻止超阈值退款）
- hooks 提供确定性保证 vs prompt 指令的概率性合规
实操技能：
- 实现
PostToolUsehooks 规范化异构数据格式（Unix 时间戳 → ISO 8601） - 实现拦截 hooks 阻止违反策略的操作并重定向到升级工作流
TS 1.6: 设计复杂工作流的任务分解策略
核心知识：
- 固定顺序管道（prompt chaining）vs 基于中间发现的动态自适应分解
- Prompt chaining：将审查拆分为按文件分析 + 跨文件集成
- 自适应调查计划：基于每步发现生成子任务
实操技能：
- 选择适当的分解模式：prompt chaining 用于可预测的多方面审查，动态分解用于开放式调查
- 将大型代码审查拆分为按文件的本地分析 + 跨文件集成
TS 1.7: 管理会话状态、恢复和分叉
核心知识：
--resume <session-name>恢复特定的先前对话fork_session从共享分析基线创建独立探索分支- 恢复会话时需告知代理文件变更
- 当先前工具结果过时时，新建会话 + 注入结构化摘要比恢复更可靠
实操技能：
- 使用
--resume跨工作会话继续命名的调查会话 - 使用
fork_session创建并行探索分支（如比较两种测试策略） - 判断何时恢复会话 vs 何时重新开始
Step 2: 实操练习
引导用户完成以下练习：
练习：构建一个带升级逻辑的多工具代理
目标： 练习代理循环、工具集成、结构化错误处理和升级模式
步骤：
- 定义 3-4 个 MCP 工具，写好详细的 description 以区分各工具的用途、输入和边界
- 实现基于
stop_reason的代理循环，正确处理"tool_use"和"end_turn" - 为工具添加结构化错误响应：
errorCategory（transient/validation/permission）、isRetryable、描述 - 实现一个拦截 hook 强制执行业务规则（如阻止超 $500 的退款操作）
- 用多关注点消息测试，验证代理能分解请求并合成统一响应
帮助用户在当前项目中创建示例代码，边写边讲解每个概念。
Step 3: 知识检查
完成练习后，出 3 道模拟题测试用户理解：
题目覆盖：
- 反模式识别（哪种循环终止方式是错误的？）
- 子代理上下文隔离（子代理能否访问协调器的对话历史？）
- hooks vs prompt 指令的选择（什么情况必须用 hooks？）
每题给出 4 个选项，用户作答后讲解正确答案和每个干扰项的错误原因。
学习资源
完成学习后，推荐用户参考：
- Anthropic Agent SDK 文档（代理循环机制和子代理模式）
- Agent SDK Python/TypeScript 仓库（hooks、自定义工具、fork_session 示例代码）
- 下一步学习：
/cca-domain2（工具设计与 MCP 集成）