ClaudeArena 上线一周：答题数据暴露了哪些薄弱点，我改了什么

作者为 Anthropic 的 Claude Certified Architect 考试（CCAR-F/CCAR-P）做了一个免费练习站，上线一周后根据 67 次匿名会话和答题正确率数据做了复盘。文章给出了各考试目标的最低正确率、移动端体验的具体问题，以及“考纲版本 vs 当前工具版本”对照页的重建思路。

一周数据：薄弱点集中在“约束与编排”

• 首周 67 次免登录会话、14 个新用户名，有人一天用完 120 道免费题。
• 按考试目标统计正确率，最低的几项是：修复被截断的结构化输出 62%、tool_use/tool_choice 做结构化输出 65%、单轮并行工具调用 66%、会话恢复与分叉 66%、Agent 循环控制与安全边界 68%、迭代式精修流程 68%。
• 作者判断规律：低分项几乎都是“怎么约束和排序一个 agent”，而不是背事实；这与真实考试的反馈一致。
• 反过来，正确率超过 90% 的目标，作者认为多半是错误选项太容易排除，已列入下一轮重做。

答错时告诉你“你选了 B”

• 原来只显示正确答案和解析，不显示用户自己的选择，而踩过的坑恰恰最需要复盘。
• 现在纠错区在正确答案上方标出“You chose B”，结果页同时展示两者。
• 站点还匿名统计每个错误选项被选中的次数，攒够一个月数据后计划发布“大家在哪儿卡住”页面。

移动端优先：手机上才是主要学习场景

• 按手机宽度检查时发现，页头和菜单占了约 40% 屏幕，开始按钮在 3000 像素长的设置页底部。
• 改动包括：答题时的专注模式（页头收成一条细栏，只留进度、计时和退出）、考试选择下方的 10 题快速练习按钮、记住上次设置、手机端单行菜单和更短的介绍文案。

排行榜规则修正

• 原规则是“登录后完成整套考试即可上榜”，结果 60 题只答 5 题、正确率 0% 的人排到第一、第二。
• 现在只有达到 72% 练习目标的完整考试才进排行榜；低于目标的成绩仍计入个人进度、XP 和目标正确率，只是不占名次。
• 统一原则：排行榜展示你通过了什么，而不是你出现过。

考纲版本 vs 当前工具版本

• CCAR-F 考纲是 2026 年 7 月的 1.0 版，之后 Claude Code、Agent SDK 和 API 仍在更新，照今天的文档学可能和考试判分不一致。
• 重建后的对照页分三列：主题、考纲（2026 年 7 月）、今天；每条变更都标注 Anthropic 官方 release notes 的日期，考纲发布前的变更单独标出。
• 只保留考纲真正教的主题，Foundations 压缩到 16 行；考纲没覆盖的内容移到学习页的“Beyond the exam guide”备注。
• 具体例子：考纲说 tool_choice 用 "any" 或指定工具可强制调用，但 Opus 5.5（9 月 22 日起）和 Sonnet 5.5（9 月 28 日起）会返回 400，需改用 auto 配 strict tool use 或结构化输出；子代理工具从 Task 改名为 Agent（Claude Code 2.1.69，2026 年 3 月）；子代理默认最多 3 层（2.1.219，7 月 24 日）；多个 Task 调用默认后台运行（2.1.198，7 月 1 日）。
• 原则：答题按考纲，干活按今天；练习题始终跟随考纲，有差异时解析补一句“Today, ...”说明现状。

学习路径与考试事务

• 学习流程：读一个领域 → 立刻练 → 专攻最弱目标 → 限时模考直到稳定；提供 Foundations 的 2 周和 4 周日计划。
• 难度标签改为 Normal / Hard / Expert，登录后账号页列出最近会话。
• 改期或取消考试的窗口是 48 小时（Pearson VUE 页面口径，考纲写 24 小时），逾期作废不退费。
• Anthropic 11 月 17 日发布新版考纲，Professional 考试 12 月 7 日变更，作者会在新版发布当天更新 Professional 题目和学习页。