用途
claude-certification 是一个面向 Claude 认证备考的 AI 原生辅导与入门工作流，基于 rohitg00/ai-engineering-from-scratch 仓库中的认证课程。其目标是把仓库变成一位逐步引导的导师，而不是一份阅读清单：要求学习者解释、预测、运行、构建并论证每一个决策。
每次调用处理四种模式之一：入门（onboarding）、单课（lesson）、评估（assessment）或补强（remediation）。当 CLAUDE-CERTIFICATION.md 存在时，可从上次进度继续。
数据源与路线
辅导内容以仓库中 certifications/claude/program.json 为事实来源，优先使用本地克隆；否则从 GitHub raw 地址按路径读取。相关文件包括：程序政策与验证日期、按考试代码组织的路线与领域映射（certifications/claude/tracks/<exam-code>.json）、课程文档、场景运行器或校验器（code/main.py）、测试、参考产出（outputs/）以及课程测验（quiz.json）。每次会话开始时都要读取所选路线 JSON，其 lessons 数组即为路线顺序；不得凭记忆编造路线、课程、领域权重、考试事实或官方政策。官网 https://aiengineeringfromscratch.com/certifications.html 被视为可选的交互视图而非依赖，GitHub 学习者应能在不打开网站的情况下完成整个辅导循环。
该工具覆盖四条路线：
- ccao-f：知识工作与负责任地使用 Claude；不要求编程。
- ccdv-f：构建、集成、保护与评估应用的工程师。
- ccar-f：论证 Claude Code、Agent SDK、API、MCP、上下文与编排选择的构建者。
- ccar-p：负责从探索到运营的高级工程师或架构师。
四种模式
入门模式
以两句话说明独立性边界：这是原创的开源备考材料，与 Anthropic 无隶属、背书、赞助或授权关系，不颁发证书，也不保证通过；官方访问方式、费用、评分与政策可能变化。随后只问三个问题：目标属于知识工作流利度、构建 Claude 应用、基础架构决策还是高级生产架构；已有相关经验；每周可用小时数以及是否现在做诊断。将目标映射到候选路线，展示该路线真实的目标受众、推荐经验、课程数量、领域与学习计划后再求确认。若学员表示不写代码或选择知识工作流利度，则为 ccao-f 推断引导式无代码模式，不新增第四个问题。若接受诊断，则先按所选路线执行诊断，再写入计划；诊断改变重点，不改变先修顺序。
随后创建 CLAUDE-CERTIFICATION.md，结构包含：目标、当前路线（考试代码、路线文件、开始日期、节奏、诊断结果）、路线表（按顺序列出全部课程及状态）、领域就绪度表、复习队列、评估尝试记录。若学员更换路线，需保留共享课程路径的证据，归档旧计划并在确认后重建路线。
单课模式
每次调用只教一课。教学前先读取完整课程、测验、可运行代码、测试与随附参考产出。流程包括：
- 回忆：若上一课已完成，从其测验中抽两题提问并给出简短反馈；两题都错则建议先复习。
- 讲解与挑战：按“框定问题（结合学员目标）—解释概念（小段进行并暂停让学员预测）—使用注册的交互实验室关系—在相关节点提出课程的前置与检查问题并等待作答后再揭示解释”的顺序展开，根据回答调整深度，不整段照搬课程。
- 运行实践实验：在仓库根目录运行真实课程产物，即 python3 <lesson-path>/code/main.py 与 python3 -m unittest discover -s <lesson-path>/code/tests -v；每次运行前让学员预测结果或失败，运行后解释可观察状态并联系考试决策。
引导式无代码模式适用于不写软件的 CCAO-F 学员及明确要求的学员：由工具代为运行 main.py 与测试，用平实语言解释每项检查证明了什么，不教 Python 语法（除非被要求）；以对话方式重现交互场景，让学员选择输入、预测关卡并论证决策；在学习者自有产出路径下给出 Markdown 或 JSON 模板，仅根据其回答填写；对产出按文档化评分标准校验，并把每项发现转化为具体的修订问题；在证据备注中记录引导式无代码，绝不声称学员编写或理解了其未检查的实现代码。无代码改变的是界面而非标准，学员仍需解释、操作、构建、验证并通过存档测验。概念课同样需要实践工作，使用其政策评分器、威胁模型检查器、ADR 校验器、批准模拟器、证据评分器或场景运行器，不得为让概念课显得技术化而编造虚假 API 代码。仓库中已签入的 outputs/ 文件视为完成参考；学员应在 learning-artifacts/claude/<exam-code>/<lesson-slug>/ 下构建或修改自己的产出，不覆盖参考产出；当运行器支持路径参数时对副本运行课程校验器，否则按文档化评分标准对比并记录该限制。如果运行环境或测试实际未运行，不得标记实践工作为已验证，而应记录实验待完成并给出确切命令。
- 验证理解：逐一提出 quiz.json 中的全部后置问题，不给提示，每题作答后使用文件中的解释，按 N/M 计分。仅当以下全部成立时标记课程为完成：学员能用自己的话解释核心决策；场景运行器与测试通过，或记录了明确的环境限制；学员产出或论证了随附产出；后置测验得分至少 70%。若理论通过但产出缺失，标记为“理论完成、实验待完成”；若测验低于 70%，将错过的领域与课程加入复习队列。随后更新 CLAUDE-CERTIFICATION.md，记录分数、证据路径、备注与下一课，并保持路线顺序与先修顺序。
评估模式
使用所选路线声明的原始评估 JSON，已存在诊断或完整模拟时不得生成替代题目。说明题目数量与声明时限；若测试工具无法强制计时，将本次尝试记录为不计时。逐题呈现并给出字母选项；多选题提示“选出所有适用项”并接受一组字母。提交前不显示提示、正确字段、解释或引用。按集合精确相等计分，多选题不给部分分，与本地评估运行时一致。报告原始百分比与各领域结果，并明确说明这不是 Anthropic 的换算分数，无法预测官方结果。对每个错题显示存档解释与内部课程引用，并把薄弱领域及被引用的课程路径加入复习队列。将本次尝试追加到 CLAUDE-CERTIFICATION.md，不改动旧记录。诊断之后沿有序路线继续并侧重薄弱领域；完整模拟之后必须先补强并再完成一次有证据支撑的尝试，才能表示学员已就绪，且绝不声称学员将通过考试。
顶点项目与实网边界
要求完成所选路线的顶点产出并运行其校验器；已完成的参考包只是示例，不能证明学员已构建或能论证自己的版本。第 30 课默认包含离线模拟器；仅当学员明确要求、允许网络访问，且通过环境提供 ANTHROPIC_API_KEY 与 ANTHROPIC_MODEL 时，才使用其可选的真实 Messages API 实网模式。绝不打印、持久化密钥或将其放入源码；缺少密钥时必须跳过实网测试，而不是阻碍离线课程。
会话收尾
每次会话结束时给出四项简明事实：学员现在能论证的决策；实验与产出的验证状态；测验分数或评估领域结果；确切的下一课路径以及用 /claude-certification 恢复。
适用场景
适合希望按官方仓库中既有路线系统备考 Claude 相关认证的学习者，尤其适合需要被追问、预测、动手运行与产出证据而非被动阅读的人；也覆盖不写代码的知识工作者（引导式无代码模式）。
限制
该工具为独立开源备考材料，与 Anthropic 无隶属、背书、赞助或授权关系，不颁发证书，也不保证通过。官方访问方式、费用、评分与政策可能变化，应以程序文件与其声明的官方链接为准。它不自行编造路线、课程、领域权重、考试事实或官方政策；评估结果不是官方换算分数。运行环境或测试未实际执行时，实践工作不会被标记为已验证。是否支持计时由运行环境决定，无法强制时记录为不计时。
暂未提供
资料未说明该技能的安装命令、收费或价格、支持的具体平台列表，亦未提供具体的官方链接清单与验证日期。