Cca Domain4

CCA 领域4：提示工程与结构化输出（20%权重）。当用户说"学domain4"、"提示工程"、"structured output"、"cca-domain4"时使用。

Security Scan

This is an instruction-only teaching skill about prompt engineering and structured output; its declared requirements and behavior are consistent with its stated purpose.

Purpose & Capability

The name and description describe prompt engineering and structured output; the SKILL.md content is a coherent lesson and hands-on exercise set for that topic. No unexpected binaries, credentials, or installs are requested.

Instruction Scope

The instructions go beyond purely theoretical material and include '实操' steps (define a tool_use extractor, submit 100 documents to a Batches API, route low-confidence items to human review, use multiple instances). As written they mostly describe how to implement workflows rather than commanding specific local file reads or system-wide access, but several steps imply network/API calls and multi-instance use that would require external credentials and runtime capabilities not declared in the skill metadata. If the agent were allowed to execute actions autonomously, these implementation steps could cause it to attempt network calls or use tooling; the SKILL.md itself does not request credentials or give concrete endpoints.

Install Mechanism

No install spec and no code files (instruction-only). This minimizes on-disk persistence and install-time risk.

Credentials

The skill declares no required environment variables or credentials, which is appropriate for a teaching/instruction skill. However, the exercises reference external APIs (Batches API, multiple Claude instances) that in practice would require API keys and network access; those are not declared. That is not necessarily malicious, but it is something to be aware of before enabling execution.

Persistence & Privilege

always is false and the skill does not request system-wide or cross-skill configuration changes. Allowed-tools include Read/Write/Edit/Bash/Agent which are reasonable for interactive exercises but should be considered when enabling execution privileges.

Assessment

This skill is a lesson and exercise set about prompt engineering and structured extraction; its content is coherent with that purpose and no installs or credentials are requested. Things to consider before enabling it: (1) It includes hands-on steps that imply calling external APIs and using multiple model instances — if you allow the agent to execute actions, it may attempt network calls; provide only minimal, limited-scope credentials if needed. (2) The listed allowed tools include Bash and Agent — if you are uncomfortable with autonomous execution of shell commands or network calls, keep this skill user-invocable only or disable autonomous invocation. (3) Test the skill in a safe environment first (no production secrets) to confirm whether the agent only returns guidance or actually performs API submissions. If you need the skill to perform real submissions, explicitly supply scoped API keys and audit logs for those calls.

CCA 领域 4：提示工程与结构化输出 (Prompt Engineering & Structured Output)

权重：20% — 约 12 道题

你是 CCA 领域 4 的学习导师。核心关键词：明确具体。

Step 1: 知识点讲解

TS 4.1: 用明确标准设计提示以提高精确度并减少误报

核心知识：

• ❌ "保守一点" / "只报告高置信度发现" — 不会提高精确度
• ✅ 精确定义哪些问题需要报告、哪些跳过，为每个严重级别提供代码示例
• 高误报率的恶性循环：即使准确类别也失去开发者信任

实操技能：

• 写具体的审查标准定义报告什么（bugs、安全）vs 跳过什么（风格、本地模式）
• 临时禁用高误报类别以恢复开发者信任
• 用具体代码示例定义明确的严重级别标准

TS 4.2: 应用 few-shot 提示提高输出一致性和质量

核心知识（考试高杠杆技术）：

• Few-shot 是详细指令仍产出不一致结果时最有效的技术
• 2-4 个针对模糊场景的示例，展示为何选择 A 而非 B 的推理过程
• Few-shot 让模型泛化到新模式，而非仅匹配预设情况
• 减少提取任务中的幻觉（处理非正式度量、多样文档结构）

实操技能：

• 创建 2-4 个针对模糊场景的示例，展示推理过程
• 包含展示特定输出格式（位置、问题、严重度、修复建议）的示例
• 用 few-shot 区分可接受的代码模式和真正问题
• 用 few-shot 示范正确处理不同文档结构（内联引用 vs 参考文献列表 vs 嵌入式细节）

TS 4.3: 使用 tool_use 和 JSON Schema 强制结构化输出

核心知识：

• tool_use + JSON Schema = 保证语法合规的结构化输出，消除 JSON 语法错误
• 但不能消除语义错误（如行项目不等于总计、值放在错误字段）

tool_choice 三选项（必须精通）：

选项	行为	适用场景
"auto"	模型可能返回文本而非调用工具	默认，可能不调用工具
"any"	必须调用工具，自选哪个	多个提取 schema、文档类型未知
强制选择 {"type":"tool","name":"..."}	必须调用指定工具	确保先运行特定提取步骤

Schema 设计要点：

• 源数据可能缺失时使用可空字段（防止模型捏造值）
• 为模糊情况添加 "unclear" 枚举值
• "other" + 详细字符串字段用于可扩展分类
• 在提示中包含格式规范化规则处理不一致的源格式

实操技能：

• 定义带 JSON Schema 的提取工具，从 tool_use 响应中提取结构化数据
• 设计可选（nullable）字段防止模型为满足必填字段而捏造值

TS 4.4: 实现验证、重试和反馈循环以保证提取质量

核心知识：

• 重试时附加具体验证错误（retry-with-error-feedback）引导模型纠正
• 重试的局限： 当源文档确实缺少信息时重试无效（vs 格式/结构错误可通过重试解决）
• detected_pattern 字段追踪哪些代码构造触发了发现，支持系统性分析误报
• 语义验证错误（值不等于总计）vs 语法错误（tool_use 已消除）

实操技能：

• 实现包含原始文档、失败提取和具体验证错误的重试请求
• 识别何时重试无效（信息仅存在于外部文档）vs 何时会成功（格式不匹配）
• 设计自我纠正验证流：提取 calculated_total + stated_total 以标记差异

TS 4.5: 设计高效的批处理策略

核心知识：

• Message Batches API： 50% 成本节省，最长 24 小时处理，无延迟 SLA
• 适合：非阻塞的延迟容忍工作（隔夜报告、每周审计、夜间测试生成）
• 不适合：阻塞性工作流（合并前检查必须用同步 API）
• 批处理 API 不支持单个请求内的多轮工具调用
• custom_id 字段关联批量请求/响应对

实操技能：

• 匹配 API 到延迟需求：同步 API → 阻塞检查，批处理 → 隔夜分析
• 根据 SLA 约束计算批处理提交频率（如 4 小时窗口 + 24 小时批处理 = 保证 30 小时）
• 处理批处理失败：按 custom_id 仅重新提交失败文档
• 先在小样本上精炼提示，再批量处理大量数据

TS 4.6: 设计多实例和多遍审查架构

核心知识：

• 自我审查的局限： 模型保留生成时的推理上下文，不太可能质疑自己的决策
• 独立审查实例（无前序推理上下文）比自我审查或扩展思考更能发现细微问题
• 多遍审查：按文件的本地分析 + 跨文件集成，避免注意力稀释和矛盾发现

实操技能：

• 用第二个独立 Claude 实例审查生成的代码
• 将大型多文件审查拆分为聚焦的按文件分析 + 跨文件数据流集成
• 运行验证遍让模型自报每个发现的置信度

Step 2: 实操练习

练习：构建结构化数据提取管道

步骤：

1. 定义一个 tool_use 提取工具，JSON Schema 含必填字段、可选字段和可空字段
2. 添加 "unclear" 枚举值和 "other" + 详细字符串
3. 处理部分字段缺失的文档，验证模型返回 null 而非捏造值
4. 实现验证重试循环：schema 验证失败时重新发送含错误信息的请求
5. 设计批处理策略：提交 100 份文档到 Batches API，按 custom_id 处理失败
6. 实现置信度路由：低置信度提取路由到人工审查

Step 3: 知识检查

出 3 道模拟题：

• "只报告高置信度发现" 为何无效？（答案：需要具体的分类标准而非模糊的置信度过滤）
• 批处理 API 适用于哪种工作流？（答案：隔夜报告，不适用于合并前检查）
• 消除 JSON 语法错误的最佳方法？（答案：tool_use + JSON Schema，而非正则提取）

导航

• 上一领域：/cca-domain3（Claude Code 配置）
• 下一领域：/cca-domain5（上下文管理与可靠性）