22 Preguntas de Práctica de Diseño de soluciones y arquitectura con Respuestas

1. 1. Un servicio de clasificación de tickets debe responder con una latencia p95 de 2 segundos, y sus categorías están bien definidas con pasos de tratamiento fijos. ¿Qué arquitectura se ajusta mejor a esa restricción?

   • A.Un orquestador multiagente que crea un trabajador especialista por cada categoría de ticket y fusiona sus borradores.
   • B.Un único agente con un bucle evaluador que critica y reescribe cada respuesta hasta que supera un umbral de calidad.
   • C.Un flujo determinista que clasifica el ticket y luego ejecuta los pasos fijos de esa categoría con código entre ellos.✓ Respuesta
   • D.Un agente autónomo que planifica sus propios pasos y sigue llamando herramientas hasta que considera resuelto el ticket.

   La guía de Anthropic es buscar la solución más simple que funcione y añadir complejidad solo cuando mejore los resultados de forma demostrable. Los flujos de trabajo dan un comportamiento predecible y consistente en tareas bien definidas con pasos fijos, mientras que los bucles agénticos cambian latencia y coste por rendimiento, y un presupuesto p95 estricto no absorbe un número indeterminado de turnos.

   Ref. QB-2EDY7CFuente: Anthropic, Building Effective Agents - 'Workflows vs. agents' and 'maintain simplicity'; CCAR-P Domain: Solution Design & ArchitectureReportar un problema con esta pregunta

2. 2. Una tarea de investigación abarca un corpus de 20 millones de tokens que no cabe en una sola ventana de contexto, y sus subtareas son independientes entre sí. ¿Qué justifica aquí una arquitectura de orquestador con trabajadores?

   • A.Repartir la tarea entre agentes reduce el consumo total de tokens, porque ningún trabajador vuelve a leer el contexto común.
   • B.El trabajo excede una ventana de contexto y se divide en unidades paralelas independientes, así que la orquestación se amortiza.✓ Respuesta
   • C.Varios agentes se verifican mutuamente, de modo que toda tarea respondida por más de un modelo se responde con más exactitud.
   • D.Interviene más de una herramienta, y un solo agente no puede sostener varias definiciones de herramienta sin confundirlas.

   La guía de costes de Anthropic señala que la orquestación multiagente amortiza su sobrecoste en dos casos: trabajo que excede una ventana de contexto y trabajo rutinario con una cola larga cara que trabajadores baratos pueden acotar. Trabajadores paralelos leyendo porciones disjuntas es el primer caso; si el trabajo cabe en una ventana o es una cadena dependiente, el coste de coordinación no se recupera.

   Ref. QB-HW7TMBFuente: Anthropic engineering guidance on multi-agent cost (orchestrator with parallel workers); CCAR-P Domain: Solution Design & ArchitectureReportar un problema con esta pregunta

3. 3. Un servicio de migración de código recibe repositorios cuyos recuentos de archivos y estructuras de dependencias varían tanto que no se puede saber el número ni la naturaleza de las subtareas antes de leer la entrada. ¿Qué patrón encaja?

   • A.Paralelización por secciones, donde un conjunto fijo de subtareas independientes se ejecuta a la vez y se fusiona al final.
   • B.Orquestador y trabajadores, donde una llamada central decide las subtareas de cada entrada y luego las delega a los trabajadores.✓ Respuesta
   • C.Encadenamiento de prompts, donde una secuencia fija y ordenada de pasos pasa su salida adelante con controles intermedios.
   • D.Enrutamiento, donde un clasificador inicial envía cada repositorio entrante a uno de varios manejadores fijos especializados.

   Orquestador y trabajadores es el patrón indicado para tareas cuya descomposición depende de la entrada y no puede enumerarse de antemano. Secciones, enrutamiento y encadenamiento presuponen una estructura fija conocida antes de que llegue la petición, así que ninguno expresa una lista de subtareas que solo existe tras inspeccionar el repositorio.

   Ref. QB-ZD2N2BFuente: Anthropic, Building Effective Agents - orchestrator-workers pattern; CCAR-P Domain: Solution Design & ArchitectureReportar un problema con esta pregunta

4. 4. Un flujo de facturas extrae campos de PDF escaneados y luego debe sumar las líneas, aplicar una tabla de impuestos publicada y validar un dígito de control. ¿Cómo debería repartirse el trabajo?

   • A.El modelo extrae y suma, y un modelo más barato repite la misma aritmética para poder comparar ambos resultados.
   • B.El modelo hace la extracción y toda la aritmética en una llamada, y una segunda llamada verifica sus propios totales.
   • C.El modelo extrae los campos, y la aritmética, la consulta fiscal y el dígito de control se ejecutan en código normal.✓ Respuesta
   • D.Expresiones regulares extraen los campos y el modelo se encarga de la aritmética, la tabla fiscal y el dígito de control.

   La descomposición debe dar al modelo el paso en el que es singularmente bueno, leer maquetaciones escaneadas irregulares, y dejar en código normal todo paso con definición determinista. La aritmética, la consulta de tabla y la validación del dígito tienen respuestas exactas, así que en código son repetibles, auditables y libres de varianza de muestreo.

   Ref. QB-MW9T5FFuente: Anthropic, Building Effective Agents - keep deterministic steps outside the model; CCAR-P Domain: Solution Design & ArchitectureReportar un problema con esta pregunta

5. 5. Un flujo de marketing redacta textos, los coteja con una lista de afirmaciones prohibidas y los localiza. Cumplimiento exige que una afirmación prohibida detenga la ejecución por completo. ¿Qué diseño cumple ese requisito?

   • A.Una cadena de prompts cuyo paso intermedio es una compuerta de código que detiene la ejecución al hallar una afirmación.✓ Respuesta
   • B.Un agente que tiene la lista prohibida como herramienta y decide por su cuenta cuándo conviene revisar antes de localizar.
   • C.Un único prompt que pide al modelo redactar el texto, autocotejarlo con la lista y localizarlo en una sola respuesta.
   • D.Una votación en la que se producen tres borradores en paralelo y se publica el que tenga menos afirmaciones marcadas.

   El encadenamiento de prompts es el patrón para subtareas secuenciales descomponibles con compuertas programáticas entre pasos, y una parada de cumplimiento estricta es justamente esa compuerta. Un modelo que se vigila a sí mismo, o un agente que decide cuándo revisar, produce un control probabilístico donde el requisito es determinista.

   Ref. QB-4E4NJEFuente: Anthropic, Building Effective Agents - prompt chaining with programmatic checks; CCAR-P Domain: Solution Design & ArchitectureReportar un problema con esta pregunta

6. 6. Un equipo tiene dos días para construir un conjunto de evaluación antes de elegir entre dos modelos para una función de clasificación. ¿Qué enfoque produce una evaluación más útil para decidir?

   • A.Una muestra reservada de entradas limpias y sin ambigüedad, para que las puntuaciones no se enturbien con casos difíciles.
   • B.Unas pocas docenas de casos escritos a mano, revisados por dos expertos del dominio y discutidos hasta acordar cada calificación.
   • C.Muchos casos automatizados muestreados de la distribución real de entradas, con casos límite e irrelevantes, corregidos por script.✓ Respuesta
   • D.Casos generados por el propio modelo evaluado, para que su redacción coincida con lo que recibirá el prompt desplegado.

   La guía de evaluación de Anthropic es contraintuitiva aquí: priorizar el volumen sobre el pulido caso por caso, porque muchos casos automatizados que reflejan la distribución real de entradas, casos límite incluidos, separan dos modelos con más fiabilidad que un conjunto pequeño corregido a mano. Filtrar lo difícil elimina justo donde ambos difieren.

   Ref. QB-KWWFYDFuente: Anthropic docs, Create strong empirical evaluations - prioritise volume, mirror the real distribution; CCAR-P Domain: Evaluation, Testing & OptimizationReportar un problema con esta pregunta

7. 7. Un agente redacta reembolsos, actualiza notas internas, envía correos a clientes y emite pagos. El presupuesto solo permite un revisor en algunos pasos. ¿Dónde corresponde la revisión humana?

   • A.En la emisión de pagos y el correo saliente, porque esos efectos salen del sistema y después ya no se pueden retirar.✓ Respuesta
   • B.Solo en la redacción del reembolso, porque atajar el primer paso impide que se forme cualquier error posterior del proceso.
   • C.En la actualización de notas internas, porque es el paso de mayor volumen y allí los errores se acumulan sin ser vistos.
   • D.En todos los pasos, ya que cualquier salida puede fallar y una revisión uniforme es la más fácil de explicar a un auditor.

   La ubicación del humano en el bucle es una decisión de diseño guiada por la reversibilidad y el radio de impacto, no un recurso general. Poner la compuerta en las acciones irreversibles y visibles hacia fuera gasta el presupuesto de revisión donde el error no se deshace; revisar salidas internas de bajo riesgo añade coste y latencia sin reducir la exposición real.

   Ref. QB-3ERADDFuente: Anthropic guidance on human oversight of agentic actions (cost of error, reversibility); CCAR-P Domain: Governance, Safety & Risk ManagementReportar un problema con esta pregunta

8. 8. Una revisión de diseño pregunta qué hace el sistema cuando la API del modelo no está disponible, cuando devuelve una salida no analizable y cuando rechaza una petición. ¿Qué debe especificar la arquitectura?

   • A.Un cortacircuitos que desactive la función al primer error y espere a que un operador la vuelva a habilitar a mano.
   • B.Un comportamiento definido para cada caso: una ruta de reserva, un intento de reparación acotado y un mensaje de política.✓ Respuesta
   • C.Un reintento global con retroceso exponencial, ya que las tres condiciones son transitorias y se resuelven al reintentar.
   • D.Un manejador de excepciones general que registre el fallo y devuelva un error genérico para que todos vean lo mismo.

   Las tres condiciones son distintas y tienen respuestas correctas distintas: la indisponibilidad es un evento de infraestructura que una ruta de reserva o una cola debe absorber, una respuesta no analizable es un fallo de formato que un paso de reparación acotado corrige, y un rechazo es un resultado de política que el producto debe comunicar. Unirlas en un reintento o un error genérico oculta la diferencia.

   Ref. QB-EW5T48Fuente: Anthropic docs, stop_reason handling (including refusal) and SDK error classes; CCAR-P Domain: Solution Design & ArchitectureReportar un problema con esta pregunta

9. 9. Una herramienta de agente emite reembolsos. Un tiempo de espera de red deja al llamador sin saber si el reembolso se aplicó, y el bucle del agente reintenta la llamada. ¿Qué mantiene esto seguro?

   • A.Cada intento de reembolso se registra con marca de tiempo para que un proceso nocturno de conciliación halle y revierta duplicados.
   • B.El prompt del sistema ordena al agente no reintentar nunca un reembolso, de modo que el envío duplicado no llega a producirse.
   • C.La herramienta acepta una clave de idempotencia del llamador, así una repetición devuelve el primer resultado en vez de reembolsar.✓ Respuesta
   • D.El reintento usa retroceso exponencial con jitter, de modo que el segundo intento llega solo cuando el primero ya se ha liquidado.

   Toda herramienta con efecto externo debe poder invocarse más de una vez sin riesgo, porque un tiempo de espera es ambiguo por naturaleza: la petición pudo tener éxito antes de perderse la respuesta. Una clave de idempotencia del llamador permite al servicio receptor reconocer la repetición y devolver el resultado original, y es el único mecanismo que impide el segundo reembolso.

   Ref. QB-WDYMH7Fuente: Idempotent write semantics for side-effecting tools; Anthropic, Writing tools for agents - tools must be safe under retry; CCAR-P Domain: IntegrationReportar un problema con esta pregunta

10. 10. Un generador de informes hace tres llamadas de recuperación independientes y luego una generación larga. Los usuarios dicen que se siente lento, aunque no se puede quitar ninguna parte del trabajo. ¿Qué cambio ayuda más?

    • A.Acortar la generación y eliminar una de las recuperaciones para que el tiempo total baje del umbral en que se queja la gente.
    • B.Mantener las recuperaciones en secuencia pero cachear cada resultado, de modo que la segunda petición del usuario sea rápida.
    • C.Pasar toda la petición a procesamiento por lotes asíncrono y enviar por correo el informe terminado cuando ya esté listo.
    • D.Lanzar las tres recuperaciones en paralelo y transmitir la generación para que el texto aparezca según se va produciendo.✓ Respuesta

    La arquitectura de latencia tiene aquí dos palancas distintas: los pasos independientes deben solaparse en vez de encolarse, lo que recorta el tiempo real, y el streaming recorta el tiempo percibido mostrando progreso en lugar de una espera en blanco. La caché solo sirve para una petición repetida, y el lote o el recorte sacrifican interactividad o la salida pedida.

    Ref. QB-4MHXRNFuente: Anthropic docs, streaming for long responses; concurrency of independent steps; CCAR-P Domain: Solution Design & ArchitectureReportar un problema con esta pregunta

11. 11. Un trabajo nocturno vuelve a puntuar 400.000 tickets archivados. Los resultados se necesitan por la mañana y ningún usuario espera un resultado concreto. ¿Qué opción de procesamiento encaja?

    • A.Una muestra nocturna más pequeña puntuada de forma interactiva, dejando el resto de tickets sin puntuar para contener el gasto.
    • B.Peticiones interactivas repartidas entre muchos trabajadores en paralelo para que la ejecución completa termine cuanto antes.
    • C.Procesamiento por lotes asíncrono, que cambia latencia por petición por un coste menor sobre el mismo volumen de trabajo.✓ Respuesta
    • D.Una ruta interactiva con streaming para poder observar resultados parciales mientras la ejecución nocturna sigue en marcha.

    El procesamiento por lotes es el intercambio correcto cuando el trabajo no tiene a nadie esperando y su plazo se mide en horas y no en segundos: acepta un tiempo de respuesta asíncrono y largo a cambio de un precio bastante menor por los mismos tokens. Repartir llamadas interactivas paga la tarifa interactiva y tensiona los límites, y muestrear abandona parte del requisito.

    Ref. QB-M4Q4CPFuente: Anthropic docs, Message Batches API - asynchronous processing at reduced cost; CCAR-P Domain: Evaluation, Testing & OptimizationReportar un problema con esta pregunta

12. 12. Tras un despliegue, los tokens de lectura de caché de un servicio caen a cero aunque la redacción de su prompt de sistema no cambió. El despliegue añadió una línea que muestra la hora actual al inicio del bloque de sistema. ¿Qué ocurrió?

    • A.Las lecturas de caché solo se informan a partir de la segunda petición, así que el contador es un artefacto de medición.
    • B.La hora mostrada cambia en cada petición, así que el prefijo deja de coincidir a partir de ese punto en adelante.✓ Respuesta
    • C.Las entradas de caché caducaron porque el despliegue reinició el contador de vida útil de todos los prefijos ya escritos.
    • D.El prompt de sistema quedó por debajo de la longitud mínima que exige la caché una vez reformateado el bloque.

    La caché de prompts es una coincidencia de prefijo, así que cualquier byte que cambie invalida la caché desde ese byte en adelante. Poner un valor por petición como una marca de tiempo al inicio del bloque de sistema hace que ninguna petición comparta prefijo con la anterior: es el invalidador silencioso clásico. El contenido volátil va después del último punto de corte.

    Ref. QB-3M6MKMFuente: Anthropic docs, Prompt caching - prefix matching and cache invalidation; CCAR-P Domain: Claude Models, Prompting & Context EngineeringReportar un problema con esta pregunta

13. 13. Un equipo quiere un prefijo en caché estable en un asistente que usa herramientas. ¿Qué disposición de la petición se mantiene entre peticiones?

    • A.El perfil del usuario primero, para que cada usuario tenga su propia caché, con el prompt de sistema y las herramientas detrás.
    • B.Definiciones de herramientas armadas por petición según los permisos del usuario y colocadas primero, para reflejar ese turno.
    • C.El historial de conversación primero porque es el bloque más grande, con las definiciones de herramientas y el sistema añadidos.
    • D.Las definiciones estáticas de herramientas, luego el prompt de sistema estable, con el punto de corte tras el último bloque.✓ Respuesta

    La petición se compone en un orden fijo de herramientas, luego sistema y luego mensajes, y un cambio en un nivel invalida ese nivel y todo lo posterior. La estabilidad exige poner primero lo menos volátil y el punto de corte en el último bloque estático; una lista de herramientas por petición o un bloque por usuario al principio altera el inicio mismo del prefijo.

    Ref. QB-K4CS6NFuente: Anthropic docs, Prompt caching - render order tools, system, messages; breakpoint placement; CCAR-P Domain: Claude Models, Prompting & Context EngineeringReportar un problema con esta pregunta

14. 14. Una función en producción cumple su umbral de exactitud pero supera con creces su presupuesto de gasto. ¿Qué palanca debería evaluar el arquitecto antes de cambiar de modelo?

    • A.Pasar la generación a un modelo más pequeño y aceptar la exactitud que después informe el conjunto de evaluación.
    • B.Subir el ajuste de esfuerzo para que las respuestas se resuelvan en menos turnos y el bucle del agente termine antes.
    • C.Cachear el prefijo estable y recortar el contexto que se reenvía en cada una de las peticiones dirigidas al modelo.✓ Respuesta
    • D.Ejecutar menos casos de evaluación en integración continua, ya que ese tráfico se factura a la misma partida de gasto.

    El trabajo de coste de Anthropic tiene un orden declarado: primero las ganancias gratuitas y después las que sacrifican calidad. Cachear el prefijo estable y recortar los tokens que se reenvían en cada llamada reducen el gasto sin tocar la calidad, así que van antes que ajustar el esfuerzo, agrupar en lotes o cambiar de modelo, que alteran el comportamiento y exigen reevaluar.

    Ref. QB-2MT9EKFuente: Anthropic docs, Optimizing for cost and intelligence - lever order, caching first; CCAR-P Domain: Evaluation, Testing & OptimizationReportar un problema con esta pregunta

15. 15. El modelo X cuesta menos por token que el modelo Y, pero en la evaluación del equipo necesita más reintentos y más turnos de herramienta para terminar una tarea. ¿Cómo deben compararse?

    • A.Por el gasto total por tarea completada en el conjunto de evaluación, contando los reintentos y los turnos adicionales.✓ Respuesta
    • B.Por la longitud media de salida por llamada, porque el modelo que responde de forma más breve es el más económico.
    • C.Por los precios publicados de entrada y salida por token, ya que esa proporción es la que determina la factura de producción.
    • D.Solo por la tasa de éxito en la primera llamada, ya que los reintentos son un detalle del bucle de agente que los envuelve.

    La unidad relevante para decidir es el coste por tarea completada, no el coste por token. Una tarifa por token más barata que necesita más turnos, más reintentos y más contexto releído para llegar al mismo resultado terminado puede salir más cara en producción, y solo una evaluación que lleve ambos modelos hasta el final sobre las mismas tareas revela esa diferencia.

    Ref. QB-J4ZEZKFuente: Anthropic docs, Optimizing for cost and intelligence - judge cost per completed task; CCAR-P Domain: Evaluation, Testing & OptimizationReportar un problema con esta pregunta

16. 16. Un asistente de soporte responde a partir de un manual de producto que cabe holgadamente en la ventana de contexto del modelo y se revisa dos veces al año. El equipo propone montar una base de datos vectorial. ¿Cuál es el mejor diseño?

    • A.Poner el manual entero en el prompt tras un punto de corte de caché y recalentarlo cada vez que se revise el manual.✓ Respuesta
    • B.Ajustar finamente un modelo con el manual para que el conocimiento sea interno y no haya que operar ningún recuperador.
    • C.Trocear el manual y recuperar los pasajes principales de cada consulta, manteniendo el prompt pequeño en cada llamada.
    • D.Resumir el manual en un compendio breve dentro del prompt de sistema y enlazar a los usuarios al documento completo.

    La guía explícita de Anthropic es que un corpus lo bastante pequeño para caber en la ventana de contexto no necesita canal de recuperación: cárgalo y usa caché de prompts, lo que elimina por completo el modo de fallo de recuperación y cuesta mucho menos que una lectura sin caché en peticiones repetidas. Montar un almacén vectorial añade troceado, indexado y riesgo de recall innecesarios.

    Ref. QB-ZKFX8JFuente: Anthropic, Contextual Retrieval - small knowledge bases belong in the prompt with caching; CCAR-P Domain: IntegrationReportar un problema con esta pregunta

17. 17. Un sistema de recuperación responde bien a preguntas conceptuales pero falla cuando el usuario pega un número de pieza exacto como AX-4471-B. ¿Cuál es la causa más probable y su solución?

    • A.El modelo de incrustaciones está desfasado, así que habría que reindexar el corpus con un modelo de incrustaciones más nuevo.
    • B.El modelo de generación es débil para buscar identificadores, así que esa clase de consulta debería ir a un modelo mayor.
    • C.Los fragmentos son muy pequeños para contener la pieza, así que cada uno debería abarcar una página entera del catálogo.
    • D.Los vectores densos difuminan los tokens exactos, así que hay que añadir coincidencia léxica BM25 y fusionar luego ambos rankings.✓ Respuesta

    Las incrustaciones semánticas capturan significado y por eso tratan un identificador alfanumérico raro como un token casi sin sentido, mientras que la puntuación léxica BM25 lo empareja de forma exacta. La búsqueda híbrida ejecuta ambas y fusiona las listas, por lo que supera a cada método por separado; es un fallo de recuperación, y culpar al modelo generador es el error de diagnóstico clásico.

    Ref. QB-H4N4UJFuente: Anthropic, Contextual Retrieval - combining contextual embeddings with contextual BM25; CCAR-P Domain: IntegrationReportar un problema con esta pregunta

18. 18. Los fragmentos recuperados de un extenso informe financiero son ambiguos por sí solos, porque expresiones como «el trimestre» y «el segmento» no tienen referente dentro del fragmento. ¿Qué cambio resuelve esto?

    • A.Recuperar más fragmentos por consulta, de modo que el contexto vecino llegue junto con el fragmento ambiguo original.
    • B.Anteponer un breve pasaje generado que sitúe cada fragmento dentro de su documento antes de incrustar ese mismo fragmento.✓ Respuesta
    • C.Indicar al prompt de generación que pregunte al usuario una aclaración siempre que un fragmento carezca de referente.
    • D.Bajar el umbral de similitud para que los fragmentos vecinos que quedan al límite también entren en el conjunto.

    La recuperación contextual corrige la ambigüedad en el momento de indexar, no al consultar: se antepone un breve encabezado generado que sitúa el fragmento en su documento antes de incrustarlo e indexarlo léxicamente, de modo que la representación almacenada ya lleva los referentes que faltaban. Ampliar el conjunto o relajar umbrales solo trae más fragmentos igual de descontextualizados.

    Ref. QB-YK4M3HFuente: Anthropic, Contextual Retrieval - contextual chunk headers generated before indexing; CCAR-P Domain: IntegrationReportar un problema con esta pregunta

19. 19. Una sesión de agente de larga duración se degrada tras muchos turnos: pierde decisiones anteriores y repite trabajo ya hecho. ¿Qué respuesta concuerda con la guía de ingeniería de contexto de Anthropic?

    • A.Reiniciar con un contexto nuevo cada vez que la memoria se degrade y pedir al usuario que replantee el objetivo desde cero.
    • B.Truncar los turnos más antiguos para que la ventana siga pequeña, aceptando la pérdida de lo que contuvieran esos turnos.
    • C.Trasladar la sesión a un modelo con una ventana de contexto mayor para que todo el historial siga cabiendo dentro de ella.
    • D.Compactar el historial en un resumen que conserve decisiones y asuntos abiertos, y guardar notas en un archivo externo.✓ Respuesta

    La memoria se degrada a medida que el contexto crece, así que la atención debe tratarse como un presupuesto finito gastado en señal y no en volumen. La compactación resume el historial preservando a propósito las decisiones y los asuntos abiertos, y las notas estructuradas sacan el estado duradero de la ventana; truncar descarta ese estado en silencio y una ventana mayor solo aplaza el problema.

    Ref. QB-G4ASNHFuente: Anthropic, Effective context engineering for AI agents - context rot, compaction and note-taking; CCAR-P Domain: Claude Models, Prompting & Context EngineeringReportar un problema con esta pregunta

20. 20. Un producto de chat multiinquilino reanuda conversaciones entre trabajadores sin estado tras un balanceador. ¿Qué se deriva de que la propia API del modelo no tenga estado?

    • A.El proveedor conserva el hilo de su lado, así que el servicio solo necesita enviar el mensaje más reciente en cada turno.
    • B.Las sesiones fijas deben anclar cada conversación a un trabajador, porque el historial vive en la memoria de ese proceso.
    • C.Cada trabajador mantiene una caché compartida en proceso de los turnos recientes para poder continuar cualquier conversación.
    • D.El servicio guarda el historial de cada conversación, aislado por inquilino, y reenvía ese historial en cada petición.✓ Respuesta

    La API de mensajes no guarda estado de conversación en el servidor, así que el historial completo debe enviarse en cada llamada y por tanto debe residir en el almacenamiento de la propia aplicación. Convertir ese almacén en la fuente de verdad es lo que permite que cualquier trabajador atienda cualquier turno, y aislarlo por inquilino impide que un historial ajeno entre en otro prompt.

    Ref. QB-ZHHS8JFuente: Anthropic docs, Messages API is stateless - full history sent per request; CCAR-P Domain: Solution Design & ArchitectureReportar un problema con esta pregunta

21. 21. Un arquitecto quiere poder diagnosticar una respuesta concreta y errónea una semana después de haberse producido. ¿Qué diseño de registro lo permite?

    • A.Uso de tokens por petición, la versión del prompt y del modelo, los identificadores de fragmentos y la traza de herramientas.✓ Respuesta
    • B.Una captura muestreada del uno por ciento de los cuerpos completos, registrando el resto solo cuando salta una excepción.
    • C.La respuesta final visible para el usuario más una valoración de pulgar arriba o abajo, guardada junto al identificador.
    • D.Agregados diarios de número de peticiones, latencia media y gasto total, graficados por endpoint en un panel del equipo.

    Diagnosticar una respuesta pasada exige las entradas que la produjeron, no estadísticas agregadas de tráfico. Los identificadores de recuperación distinguen un fallo de recuperación de un problema de prompt, la versión de prompt y modelo distingue una regresión de un despliegue, y la traza de herramientas muestra lo que el modelo vio de verdad, por eso se diseñan desde el principio.

    Ref. QB-G2CMNHFuente: Anthropic docs, usage fields on every response (input, output, cache read and creation tokens); CCAR-P Domain: Integration - observabilityReportar un problema con esta pregunta

22. 22. Un cliente sanitario dice: «tenemos activada la retención cero de datos, así que estamos cubiertos para la información de salud protegida». ¿Cómo debería responder el arquitecto?

    • A.La retención cero basta en cuanto la organización desactive también el registro de peticiones en sus propios servidores.
    • B.HIPAA solo rige los datos en reposo, así que un servicio que nunca persiste una petición queda del todo fuera de su alcance.
    • C.La retención cero ya satisface HIPAA, porque borrar las entradas y las salidas elimina el propio dato protegido del sistema.
    • D.La preparación para HIPAA exige además cifrado, control de acceso y registro de auditoría en todo el ciclo, y un BAA firmado.✓ Respuesta

    La retención cero es un control estrecho: las entradas y salidas no se almacenan más allá de lo que exigen el cumplimiento legal y la persecución del uso indebido. La preparación para HIPAA tiene un alcance mayor, pues añade cifrado, control de acceso y registro de auditoría durante todo el ciclo de vida de la información de salud protegida, y depende de un BAA firmado, no solo del borrado.

    Ref. QB-YH6F3HFuente: Anthropic docs, API data retention and zero data retention; HIPAA compliance requires a BAA and lifecycle safeguards; CCAR-P Domain: Governance, Safety & Risk ManagementReportar un problema con esta pregunta

Preguntas de práctica basadas en la guía oficial del examen Claude Certified Architect – Professional (CCAR-P) y la documentación pública de Anthropic. Es una herramienta de estudio independiente, no afiliada ni respaldada por Anthropic, y no otorga certificación. Lo administra Pearson VUE; Anthropic publica el número de preguntas, el límite de tiempo, la puntuación de aprobación y la tarifa vigentes en la guía oficial del examen CCAR-P. Página oficial de la certificación →