22 道输出评估与验证练习题及答案

1. 1. 项目经理 Priya 让 Claude 总结一份供应商合同。摘要文笔流畅、语气笃定，并引用了第 8.4(b) 条和 45 天终止通知期。Priya 正准备把它转发给法务部。最恰当的下一步是什么？

   • A.请 Claude 用更正式的法律语言重写摘要后再转发
   • B.转发前打开合同原文，核对第 8.4(b) 条及 45 天这一数字✓ 答案
   • C.询问 Claude 对该引用有多大把握，若它表示很有把握就转发
   • D.照原样转发，因为摘要很详细且明确给出了条款号

   被引用的条款号加上精确数字，正是最容易被凭空编造的“看起来很具体”的细节；而模型表达的自信程度与其准确性无关，因此让模型自评把握程度并不是一种验证手段。改写措辞只改变文风、不改变事实，只有与权威原文比对才能核实该说法。

   编号 QB-P7DCZW依据： Anthropic Claude certification (Associate – Foundations), Domain 2 objective 3 (apply fact-checking and validation techniques); Anthropic sample item rationale报告此题的问题

2. 2. 运营负责人 Amara 上传了一份 300 页的政策手册，并就合规问题向 Claude 提出了一个细节性问题。哪种做法最能把答案锚定在该手册上？

   • A.用几种不同措辞提问，保留篇幅最长的那个答案
   • B.让 Claude 逐字摘录原文，仅据摘录作答✓ 答案
   • C.为节省篇幅只粘贴手册目录，然后提问
   • D.直接提问，若答案条理清晰、内容具体就予以采纳

   对于长文档，Anthropic 推荐“直接引用锚定”：先让模型逐字提取原文段落，再仅基于这些引文推理，这样后续每条结论都能追溯到可核查的原文。篇幅、条理和用词具体程度都不是准确性的信号。

   编号 QB-5QUU8V依据： Anthropic docs, Reduce hallucinations: direct quote grounding for long documents报告此题的问题

3. 3. 一位顾问上传了三份客户报告，并提出了一个报告中其实都没有涉及的问题。Claude 仍然给出了一个通顺、看似合理的答案。要避免今后再出现这种情况，最好的做法是什么？

   • A.限制 Claude 只用上传的报告，并要求指出空白✓ 答案
   • B.要求 Claude 给答案的每个段落标注一个置信度百分比
   • C.告诉 Claude 要更准确一些、不要编造内容
   • D.改用能力最强的模型，再问一遍同样的问题

   这里结合了两项明确的技术：限制外部知识（只使用所提供的文档）和明确允许模型说“不知道”，从而消除了它用编造内容填补空白的压力。笼统地要求“更准确”、让模型自评置信度、或升级到更强模型，都无法解决锚定不足这一缺陷。

   编号 QB-N722UV依据： Anthropic docs, Reduce hallucinations: allow I don't know + external knowledge restriction报告此题的问题

4. 4. 一位市场专员拿到一份由 Claude 起草的白皮书，其中包含十二项统计数据，均标注来自随附 PDF 的一份行业研究。哪一组步骤是最可靠的核实方式？

   • A.要求为每项统计数据配上原文逐字引证，然后删去原始资料无法支持的数据✓ 答案
   • B.让 Claude 自行复核这些数字，若它说没问题就发布
   • C.要求 Claude 把这些统计数据改写成约数，然后不核对 PDF 就发布
   • D.抽查第一项统计数据，然后假定其余数据同样无误

   “带引证核实”意味着每条事实性主张都必须对应到原始资料中的一段引文，凡是无法被支持的主张应予删除，而不是弱化措辞。让模型在同一对话中自查、只抽查一项、或把数字改成约数，都会让没有依据的数字留在对外发布的文件里。

   编号 QB-4QGH3U依据： Anthropic docs, Reduce hallucinations: verify with citations (retract unsupported claims)报告此题的问题

5. 5. 一位分析师需要 Claude 给出一个数字用于董事会幻灯片，手头没有原始资料。哪种检查最能提示这个数字可能是编造的？

   • A.在全新对话中多次运行同一提示，看这个数字是否保持一致✓ 答案
   • B.看答案是否用完整、专业的句子写成
   • C.在同一对话中让 Claude 重复该数字，看它是否与自己一致
   • D.问 Claude 是否确定，并把“确定”当作确认

   Best-of-N 验证是独立地重复同一提示并比对结果，因为编造出来的具体数值在多次运行间往往会变化，而真正有依据的则不会。在同一对话中重复只会回声式地重复先前答案；文笔质量和模型自称的确定性都与准确性无关。

   编号 QB-M7PPNU依据： Anthropic docs, Reduce hallucinations: Best-of-N verification报告此题的问题

6. 6. 一位财务协调员收到 Claude 建立的成本模型，各项假设都写得很清楚，但最终合计看起来不对。要找出问题所在，最好的下一步是什么？

   • A.让 Claude 从头重做一遍，但不说明哪里看起来有问题
   • B.接受该合计，因为假设已有记录且论述清晰
   • C.让 Claude 分步骤列出计算过程，使出错的那一步暴露出来✓ 答案
   • D.让 Claude 把同一模型改写成精美的高管摘要

   思维链验证要求模型在给出结论前展示推理步骤，从而暴露具体的算术或假设错误，而不是让它藏在漂亮的结果背后。改排版只是表面功夫；假设写清楚并不保证算术正确；不指明缺陷就盲目重做也无济于事。

   编号 QB-3Q57WS依据： Anthropic docs, Reduce hallucinations: chain-of-thought verification报告此题的问题

7. 7. 一位人力资源专员让 Claude 依据公司福利手册回答员工提问。有几个答案掺入了手册中并不存在的行业通行做法。最恰当的修正措施是什么？

   • A.要求 Claude 只依据该手册，并说明其未涉及之处✓ 答案
   • B.让 Claude 用更亲切、更贴近员工的语气重写答案
   • C.彻底停止用 Claude 回答福利相关问题
   • D.在每条答案底部加一句“具体情况可能有所不同”的免责声明

   问题在于缺少锚定约束，因此修正办法是限制外部知识并允许模型指出空白，使答案始终可追溯到权威手册。加免责声明和改语气都不会改变错误内容；而彻底放弃则是丢掉了一个只需一道防护就能安全运行的工作流。

   编号 QB-K7BCGT依据： Anthropic Claude certification (Associate – Foundations), Domain 2 objective 3; Anthropic docs on external knowledge restriction报告此题的问题

8. 8. 一位项目经理要求撰写一份涵盖范围、时间表、预算、风险和干系人的项目简报。Claude 交回一份文笔精良的简报，但没有风险部分，而已有内容在事实上都正确。她应如何评价这份产出？

   • A.视为可接受，因为其中陈述的内容在事实上都准确
   • B.视为准确性不合格，需要把整份简报从头重做
   • C.视为可接受，因为文笔质量说明模型理解了任务
   • D.视为完整性不合格：内容准确但遗漏必需要素✓ 答案

   准确性与完整性是两条不同的评估轴：一份产出可以完全正确，却因遗漏了所要求的要素而不合格。评估的标准是最初的任务要求，而不是文字有多精致；正确的做法是补上缺失的那一节，而不是把已正确的部分全部推倒重来。

   编号 QB-AQMH43依据： Anthropic Claude certification (Associate – Foundations), Domain 2 objective 1 (evaluate outputs for accuracy and completeness)报告此题的问题

9. 9. 一位运营负责人询问上季度四个大区客户流失率为何全部上升。Claude 交回一份论证充分、细节丰富的分析，但只谈了东北大区。最好的下一步是什么？

   • A.接受该答案，因为对东北大区的分析详尽且有依据
   • B.原封不动地重跑原提示，期待覆盖面更广
   • C.指出答案只覆盖了四个大区之一，并要求补齐其余✓ 答案
   • D.让 Claude 把现有答案写得更长、更正式

   该产出悄悄缩小了问题的范围，回答了一个更容易的相邻问题而非所问的问题，这属于范围漂移缺陷，而非文字质量问题。有效的迭代是在后续回合中点明具体缺陷；盲目重跑或加长篇幅既不能补上遗漏，也不能消除其成因。

   编号 QB-T7TPP3依据： Anthropic Claude certification (Associate – Foundations), Domain 7 objective 1 (diagnose and resolve poor outputs)报告此题的问题

10. 10. 一位知识工作者需要判断 Claude 生成的一份政策摘要是否够好、可以分发。她首先应该做什么？

    • A.让 Claude 按一到十分给自己的摘要打分
    • B.先分发给同事，用他们的反应来决定是否够好
    • C.先读产出，形成它是否“看着靠谱”的总体印象
    • D.先写下摘要必须满足的验收标准，再对照清单阅读产出✓ 答案

    在阅读之前先定义标准，可以防止流畅的文笔和笃定的语气取代实质内容，因为边读边形成的印象已经被写作质量所锚定。让模型自评不是验证手段；先分发未经核实的内容，则是在风险已经产生之后才转嫁审查责任。

    编号 QB-2J6Q26依据： Anthropic Claude certification (Associate – Foundations), Domain 2 objective 5 (compare outputs against explicit criteria)报告此题的问题

11. 11. 一位传播专员拿到 Claude 就同一份客户通知生成的两版草稿，必须择一。最恰当的选择方式是什么？

    • A.选更长的那一版，因为它可能覆盖更多内容
    • B.用同一套事先明确的评分标准为两版打分✓ 答案
    • C.选第一遍读起来更顺畅的那一版
    • D.问 Claude 它自己这两版哪版更好，然后用那一版

    比较候选产出需要一套共用且事先声明的评分标准（准确性、完整性、语气契合度、可操作性），使决策建立在明确维度上，而不是取决于哪一版恰好读起来更顺。顺畅度和篇幅都不是质量信号；让模型给自己的产出排序，则重新引入了同样不可靠的自我评估。

    编号 QB-H2ZHF5依据： Anthropic Claude certification (Associate – Foundations), Domain 2 objective 5 (compare outputs for the intended audience)报告此题的问题

12. 12. 某客服主管在 Claude 处理错一张棘手的退款工单后修改了提示词。要确认修改后的提示词确实更好，最好的做法是什么？

    • A.用以前出错的真实工单加上典型工单重跑，并比较结果✓ 答案
    • B.认定修复已生效，因为新指令正对着出错的地方
    • C.只重跑引发修改的那张工单，若通过就上线该提示词
    • D.再往提示词里加若干条指令，尽可能覆盖他能想到的所有情况

    由具代表性的真实失败案例加上常规案例组成的小型回归集，能发现“修好一个却弄坏其他”的改动，而只重测单个案例无法察觉这一点。不加测试就往提示词上堆更多指令，往往只会引入新的冲突，而不能证明确有改进。

    编号 QB-3JH287依据： Anthropic Claude certification (Associate – Foundations), Domain 7 objective 2 (adjust approach based on results)报告此题的问题

13. 13. 一位研究专员收到一份竞争对手概览，内容准确，但深度远超高管读者的需要。最有效的后续做法是什么？

    • A.让 Claude 把文档写得更专业一些
    • B.手工删掉一些段落直到篇幅看着合适，不去核对删掉了什么
    • C.指出缺陷，并给出高管所需的篇幅和详略程度✓ 答案
    • D.重跑原提示词，期待得到更短的结果

    有效的迭代要诊断出具体缺陷并说明修正后的要求——这里是与读者相称的详略程度与篇幅——从而让下一次产出直指真正的差距。盲目重跑、可能删掉重要限定语的随手删减、以及笼统地要求“更专业”，都没有说明究竟要改什么。

    编号 QB-J2CVM6依据： Anthropic Claude certification (Associate – Foundations), Domain 2 objective 5 (edit, adapt and refine for the intended audience)报告此题的问题

14. 14. 一位专员发现 Claude 在一项常规任务上的产出泛泛而谈，未体现公司的具体情况。最恰当的首选修正是什么？

    • A.告诉 Claude 上一个答案很差，让它更努力一些
    • B.切换到可用的最强、最昂贵的模型档位
    • C.反复问同一个问题，直到出现更好的答案
    • D.补上缺失的背景、目标读者和成功标准✓ 答案

    产出泛泛而谈是缺少背景、读者定位和成功标准的症状，因此对症的修正是补上这些信息，而不是升级模型档位——那样只会增加成本却不触及缺陷。反复提问和笼统批评都没有给模型任何可依据的新信息。

    编号 QB-YHF2Q3依据： Anthropic Claude certification (Associate – Foundations), Domain 7 objective 1 (diagnose underperforming prompts)报告此题的问题

15. 15. Claude 对某项行业申报要求的描述在一段时间以前是正确的，但该规定近期已被修订。专员应如何归类并修正这一问题？

    • A.属于上下文窗口问题，靠开启新对话来解决
    • B.属于排版问题，靠要求更整洁的版式来解决
    • C.属于幻觉，证明该产出在任何事实性任务上都不可信
    • D.属于知识空白而非编造：提供现行官方文本✓ 答案

    内容陈旧但真实属于对近期变化的知识空白，这与幻觉（凭空编造）和上下文丢失（早前回合被丢弃）都不同，三者的对策各异。此处的对策是提供现行权威文本并将模型限制在该文本内——这也正是为什么凡涉及很近期事件的说法都值得核查。

    编号 QB-F2AV43依据： Anthropic Claude certification (Associate – Foundations), Domain 2 objective 2 (identify hallucinations vs other failure modes)报告此题的问题

16. 16. 在一次长时间的工作会话后期，Claude 的草稿不再遵守专员在开头设定的“使用通俗语言”的规则。最恰当的应对是什么？

    • A.断定该模型无法遵守文体规则，不再用它起草
    • B.接受充满术语的草稿，从此每份都手工修改
    • C.视为长对话中的约束丢失：重申规则或重开对话✓ 答案
    • D.视为幻觉，让 Claude 对自己的草稿做事实核查

    一开始被遵守、后来悄然失效的指令，指向的是长对话中的约束丢失，而不是内容编造，因此对策是重申、向前摘要或把常设指令持久化。事实核查针对的是真实性而非文体合规；而放弃该工作流，则是丢掉一项只要重新确立约束模型就能胜任的任务。

    编号 QB-ZHTCV4依据： Anthropic Claude certification (Associate – Foundations), Domain 3 (context limitations: when to restart, summarize or persist)报告此题的问题

17. 17. 一位传播专员手上有一份由 Claude 起草的新闻稿，其中引用了一位具名客户的话和一个具体的节省百分比，计划明天对外发布。发布前最恰当的步骤是什么？

    • A.把该百分比改成一个区间，这样就不必核实了
    • B.发布前让 Claude 确认引述和百分比是否准确
    • C.按计划发布，因为稿件行文得体且引述已标明出处
    • D.提交人工审核，核实引述与该百分比✓ 答案

    对外发布、带出处的引述、可识别的具名个人以及硬性数字，都是发布前必须人工审核的触发条件，因为一旦发布错误便无法挽回。此处的核实，是向该具名客户确认引述内容，并用底层数据核对该百分比。让模型确认自己的产出并非独立核实；把数字模糊成区间只是掩盖而非解决未经核实的主张。

    编号 QB-G2N7A4依据： Anthropic Claude certification (Associate – Foundations), Domain 2 objective 4 (determine when human review is required)报告此题的问题

18. 18. 某部门主管让 Claude 决定把五名团队成员中的哪两位调离一个陷入困境的项目。对该产出最恰当的使用方式是什么？

    • A.照其建议执行，因为模型是不偏不倚地权衡了各项因素
    • B.让 Claude 给五个人排名，并自动对排在最后两位的人采取行动
    • C.仅用它来梳理需要考虑的因素，关于具体人员的决定仍由负责的管理者作出✓ 答案
    • D.让 Claude 更详细地论证其选择，然后照此执行

    涉及可识别个人的重大判断必须由负有责任的人来承担，因此把决策权交给模型并不合适，尽管让它梳理考量因素完全可行。论证写得更长并不等于决策更可靠；把排名自动化则等于取消了此情形所必需的人工监督。

    编号 QB-6JK2RA依据： Anthropic Claude certification (Associate – Foundations), Domain 2 objective 4 (when human review or ownership is required)报告此题的问题

19. 19. 一位分析师注意到，Claude 报告开头的摘要写着营收增长 12%，而下方表格加总约为 8%。最好的下一步是什么？

    • A.保留摘要中的数字，因为摘要是在分析完成之后才写的
    • B.视为内部不一致，用原始数据重新核算两个数字✓ 答案
    • C.问 Claude 更倾向哪个数字，然后用那个
    • D.保留表格中的数字，因为表格天然比文字更可靠

    摘要与正文之间的矛盾是典型的不一致信号，它只能说明至少有一个数字是错的，却不能说明是哪一个。解决办法是依据权威原始数据重新核算；两个部分都不天然可信，而让模型挑一个偏好的数字，是用偏好取代了证据。

    编号 QB-N2EV5A依据： Anthropic Claude certification (Associate – Foundations), Domain 2 objective 2 (identify inconsistencies in responses)报告此题的问题

20. 20. 一位采购专员让 Claude 推荐软件供应商，作为背景资料只上传了其中一家供应商自己的白皮书。推荐结果强烈倾向该供应商。最应关注的问题是什么？

    • A.没有问题，因为论述语气持中并引用了该文档
    • B.产出可能承袭唯一来源的偏向，需要其他资料平衡✓ 答案
    • C.主要风险在于格式，应把推荐改成对比表格重新出具
    • D.没有问题，因为它有真实文档作依据，而非凭空编造

    偏向可能经由所提供的知识库本身进入产出：仅以某供应商自己撰写的资料为依据，即使没有任何编造，也会得出一边倒的推荐。语气持中只是表述特征，并不能证明输入是均衡的；把同样偏颇的内容改成表格，也不能纠正根本上的失衡。所谓平衡，就是在采信该推荐之前取得其他供应商的同类资料。

    编号 QB-7A578Z依据： Anthropic Claude certification (Associate – Foundations), Domain 2 objective 2 (identify biases, including inherited source bias)报告此题的问题

21. 21. 一位运营分析师需要 Claude 从六个维度比较 40 家供应商，结果将导入跟踪表格并进行排序。哪种输出格式最合适？

    • A.用散文段落逐一比较供应商的叙述性长文
    • B.对话式的行内回答，因为这样可以让分析师留在聊天流程中
    • C.能产生最短回复的那种格式，以节省阅读时间
    • D.表格或 CSV 等结构化数据，因为它要输入另一系统并需排序✓ 答案

    格式的选择取决于使用者拿到产出后要做什么，而这里的产出将被下游系统摄取并逐行比较，这正是结构化数据所擅长的。散文和行内聊天无法可靠地排序或筛选，篇幅短也不是选择依据。

    编号 QB-QSACTZ依据： Anthropic Claude certification (Associate – Foundations), Domain 2 objective 6 (select appropriate output formats)报告此题的问题

22. 22. 一位项目经理要用 Claude 编写一份篇幅较大的入职指南，团队需在数周内反复修改并分发给新员工。哪种产出选择最合适，为什么？

    • A.一连串简短的行内聊天回复，因为随到随读更快
    • B.用 artifact：内容篇幅大且自成一体，需跨版本保存✓ 答案
    • C.第一次回复恰好用什么格式就用什么，反正格式以后还能改
    • D.结构化数据，因为任何长文档用行列管理都更方便

    artifact 适用于篇幅较大、自成一体、使用者还要继续加工的内容，因为它与对话并存，并支持版本管理、编辑与共享。行内回复适合简短的对话式答案，结构化数据适合逐行比较或供下游系统摄取；而听凭第一次出现的格式，则根本算不上一次选择。

    编号 QB-8AGHD2依据： Anthropic Claude certification (Associate – Foundations), Domain 2 objective 6 (artifacts vs inline vs structured data)报告此题的问题

练习题依据官方 Claude 认证助理基础级（CCAO-F）考试指南和 Anthropic 公开文档编写。这是一个独立的学习工具，与 Anthropic 无关联、未获其认可，也不授予任何认证。考试由 Pearson VUE 交付；当前的题量、考试时长、通过分数和费用以 Anthropic 官方 CCAO-F 考试指南公布的为准。 官方认证页面 →