Xin chào ! Nếu đây là lần đầu tiên bạn đến với diễn đàn, xin vui lòng danh ra một phút bấm vào đây để đăng kí và tham gia thảo luận cùng VnPro.
X
 
  • Filter
  • Time
  • Show
Clear All
new posts

  • Từ CCNA đến chứng chỉ AI Agent đầu tiên: "Hành trình pass CCAR-F của một dân network".

    🎯Từ CCNA đến chứng chỉ AI Agent đầu tiên: "Hành trình pass CCAR-F của một dân network".

    Vừa nhận tin vui "Congratulations, you have passed!" từ Anthropic sau nhiều ngày ôn luyện. Chia sẻ nhanh format + cấu trúc đề thi CCAR-F cho anh em nào đang định thử sức.

    📋 FORMAT KỲ THI:

    60 câu hỏi trắc nghiệm: kết hợp câu hỏi kịch bản thực tế (scenario-based). Đề thi chọn ngẫu nhiên 4/6 kịch bản lõi, nên học tủ không ăn thua, phải hiểu bản chất. Thời gian 120 phút: Có thể lựa chọn thi trực tuyến có giám sát (online proctored) hoặc thi trực tiếp tại các trung tâm khảo thí Pearson VUE được ủy quyền. Lệ phí: $125 USD/lượt. Điểm đậu: 720/1000 (theo thang điểm quy đổi, không phải đếm số câu đúng). Hiệu lực chứng chỉ: 12 tháng, sau đó cần thi gia hạn.

    🧩 CẤU TRÚC ĐỀ THI – 5 DOMAIN:

    1.Agentic Architecture & Orchestration (27%):

    Nặng ký nhất. Thiết kế hệ thống agent tự hành, vòng lặp hành động, khi nào dùng 1 agent, khi nào cần nhiều agent phối hợp.

    Ví dụ: giống chọn giữa 1 kỹ sư đa năng làm hết việc, hay 1 đội chuyên gia chia nhau xử lý.

    2.Tool Design & MCP Integration (18%) :

    Thiết kế công cụ cho agent, tích hợp qua Model Context Protocol (MCP).

    Ví dụ: MCP như cổng USB-C của AI – một chuẩn kết nối chung để agent "nói chuyện" với Slack, Drive, database...

    3.Claude Code Configuration & Workflows (20%):

    Cấu hình thực tế: CLAUDE.md theo phân cấp user/project/team, settings.json, commands, skills, subagents

    Phần này đòi hỏi thực hành nhiều, không chỉ đọc lý thuyết.

    4.Prompt Engineering & Structured Output (20%):

    Viết prompt để agent trả về đúng định dạng (VD: JSON có cấu trúc), cùng cách xử lý khi model trả sai kỳ vọng.

    5.Context Management & Reliability (15%):

    Quản lý ngữ cảnh cho agent hoạt động ổn định trong phiên dài, chiến lược fallback/retry khi gặp lỗi tool, lỗi suy luận, hoặc lỗi môi trường.

    💡 Chủ đề xuyên suốt:

    phân biệt deterministic (tất định) vs probabilistic (xác suất) – biết khi nào nên khóa cứng bằng code, khi nào để model tự quyết.

    Ví dụ: validate số điện thoại nên dùng code tất định, nhưng để agent tự đánh giá "khách này có cần hỗ trợ thêm" thì mang tính xác suất.

    Anh em nào định thi cứ comment, mình sẵn sàng chia sẻ thêm!🚀

    vnpro #ClaudeCertified #CCAR_F #AIEngineer
    Attached Files
Working...
X