Tweet
Một điểm đáng chú ý của CCAR-F là đáp án sai không phải lúc nào cũng vô lý. Theo tài liệu khóa học, kỳ thi gồm 60 câu hỏi scenario-based và các đáp án gây nhiễu được xây dựng từ những anti-pattern thực tế. Vì vậy, ngoài việc tìm giải pháp đúng, người làm bài cần biết nhận diện những phương án “nghe có vẻ hợp lý” nhưng lại không phù hợp về mặt kiến trúc. Dưới đây là 3 anti-pattern được tài liệu CCAR-F nhắc trực tiếp và rất đáng lưu ý. 
1. Dùng Natural Language để quyết định dừng Agentic Loop
Trong Agentic Loop, một nội dung quan trọng là stop_reason, đặc biệt là phân biệt tool_use và end_turn. Tài liệu liệt kê parse natural language để dừng loop là một anti-pattern.
Vì vậy, nếu một đáp án đề xuất đọc nội dung câu trả lời của Agent rồi phân tích ngôn ngữ tự nhiên để quyết định có tiếp tục vòng lặp hay không, đây là dấu hiệu cần loại bỏ.
Khi gặp scenario về Agentic Loop, hãy chú ý đến cơ chế stop_reason thay vì một logic dựa trên việc diễn giải câu trả lời.
2. Flat Multi-Agent
Anti-pattern thứ hai là flat multi-agent. Không phải cứ có nhiều Agent thì hệ thống sẽ tốt hơn. CCAR-F nhấn mạnh mô hình Coordinator – Subagent, với các khái niệm như hub-and-spoke, isolated context, task decomposition và aggregation. Do đó, khi gặp một câu hỏi về multi-agent, đừng chỉ nhìn vào số lượng Agent. Hãy xem hệ thống có cách phân chia nhiệm vụ rõ ràng không, context được truyền như thế nào và ai chịu trách nhiệm tổng hợp kết quả.
3. Dùng Prompt để enforce rule tài chính hoặc bảo mật
Anti-pattern thứ ba là prompt-based enforcement cho các rule tài chính/bảo mật. Tài liệu CCAR-F phân biệt giữa programmatic gates và prompt-based enforcement trong workflow enforcement. Nếu scenario yêu cầu một quy tắc quan trọng phải được thực thi nhưng đáp án chỉ đề xuất “thêm instruction vào prompt để Agent luôn tuân thủ”, cần đặc biệt cảnh giác. Đây chính là kiểu phương án có thể được dùng làm distractor trong câu hỏi.
Vậy làm sao nhận diện anti-pattern khi thi?
Khi đọc một scenario, đừng vội chọn đáp án đầu tiên nghe hợp lý. Hãy thử kiểm tra:
Có đang dùng natural language để điều khiển loop?
Có đang tổ chức multi-agent theo kiểu flat không?
Có đang dùng prompt để enforce rule quan trọng về tài chính hoặc bảo mật không?
Sau khi loại các phương án chứa anti-pattern, hãy tiếp tục so sánh những đáp án còn lại dựa trên yêu cầu của scenario.
Đây là cách tiếp cận phù hợp với bản chất CCAR-F: bài thi kiểm tra phán đoán kiến trúc trong bối cảnh production, chứ không đơn thuần kiểm tra khả năng ghi nhớ khái niệm.
Đặc biệt, D1 – Agentic Architecture & Orchestration chiếm 27%, là domain có trọng số cao nhất trong 5 domain của CCAR-F. Vì vậy, nhận diện anti-pattern là một kỹ năng rất đáng luyện khi chuẩn bị cho bài thi.
__________________________________________________ _____________________________________________
Nếu bạn đang quan tâm đến chứng chỉ CCAR-F nhưng chưa biết bắt đầu từ đâu, VnPro hiện có khóa đào tạo và luyện thi chứng chỉ CCAR-F, phù hợp với những bạn muốn xây dựng kiến thức từ nền tảng, học bài bản và có lộ trình rõ ràng.
👉 Muốn tìm hiểu học và luyện thi chứng chỉ CCAR-F đúng hướng? Liên hệ VnPro để được tư vấn lộ trình phù hợp ngay nhé!
☎️ Hotline/Zalo: 0933 427 079 📞 Anh Thư: 0339 943 732 📞 Như Ngọc: 0765 944 386
1. Dùng Natural Language để quyết định dừng Agentic Loop
Trong Agentic Loop, một nội dung quan trọng là stop_reason, đặc biệt là phân biệt tool_use và end_turn. Tài liệu liệt kê parse natural language để dừng loop là một anti-pattern.
Vì vậy, nếu một đáp án đề xuất đọc nội dung câu trả lời của Agent rồi phân tích ngôn ngữ tự nhiên để quyết định có tiếp tục vòng lặp hay không, đây là dấu hiệu cần loại bỏ.
Khi gặp scenario về Agentic Loop, hãy chú ý đến cơ chế stop_reason thay vì một logic dựa trên việc diễn giải câu trả lời.
2. Flat Multi-Agent
Anti-pattern thứ hai là flat multi-agent. Không phải cứ có nhiều Agent thì hệ thống sẽ tốt hơn. CCAR-F nhấn mạnh mô hình Coordinator – Subagent, với các khái niệm như hub-and-spoke, isolated context, task decomposition và aggregation. Do đó, khi gặp một câu hỏi về multi-agent, đừng chỉ nhìn vào số lượng Agent. Hãy xem hệ thống có cách phân chia nhiệm vụ rõ ràng không, context được truyền như thế nào và ai chịu trách nhiệm tổng hợp kết quả.
3. Dùng Prompt để enforce rule tài chính hoặc bảo mật
Anti-pattern thứ ba là prompt-based enforcement cho các rule tài chính/bảo mật. Tài liệu CCAR-F phân biệt giữa programmatic gates và prompt-based enforcement trong workflow enforcement. Nếu scenario yêu cầu một quy tắc quan trọng phải được thực thi nhưng đáp án chỉ đề xuất “thêm instruction vào prompt để Agent luôn tuân thủ”, cần đặc biệt cảnh giác. Đây chính là kiểu phương án có thể được dùng làm distractor trong câu hỏi.
Vậy làm sao nhận diện anti-pattern khi thi?
Khi đọc một scenario, đừng vội chọn đáp án đầu tiên nghe hợp lý. Hãy thử kiểm tra:
Có đang dùng natural language để điều khiển loop?
Có đang tổ chức multi-agent theo kiểu flat không?
Có đang dùng prompt để enforce rule quan trọng về tài chính hoặc bảo mật không?
Sau khi loại các phương án chứa anti-pattern, hãy tiếp tục so sánh những đáp án còn lại dựa trên yêu cầu của scenario.
Đây là cách tiếp cận phù hợp với bản chất CCAR-F: bài thi kiểm tra phán đoán kiến trúc trong bối cảnh production, chứ không đơn thuần kiểm tra khả năng ghi nhớ khái niệm.
Đặc biệt, D1 – Agentic Architecture & Orchestration chiếm 27%, là domain có trọng số cao nhất trong 5 domain của CCAR-F. Vì vậy, nhận diện anti-pattern là một kỹ năng rất đáng luyện khi chuẩn bị cho bài thi.
__________________________________________________ _____________________________________________
Nếu bạn đang quan tâm đến chứng chỉ CCAR-F nhưng chưa biết bắt đầu từ đâu, VnPro hiện có khóa đào tạo và luyện thi chứng chỉ CCAR-F, phù hợp với những bạn muốn xây dựng kiến thức từ nền tảng, học bài bản và có lộ trình rõ ràng.
👉 Muốn tìm hiểu học và luyện thi chứng chỉ CCAR-F đúng hướng? Liên hệ VnPro để được tư vấn lộ trình phù hợp ngay nhé!
☎️ Hotline/Zalo: 0933 427 079 📞 Anh Thư: 0339 943 732 📞 Như Ngọc: 0765 944 386