Building with the Claude API：Final Assessment 最終測驗

〈Building with the Claude API：Claude Code 與代理工作流程〉整理了最後一段課程內容，但最終評量的 23 題如果全部放在那篇裡，主文的閱讀節奏會被考題切斷。於是我把它們獨立出來，讓這篇文章專心做一件事：把答案放回課程脈絡。

這份評量的題目來自官方繁中頁面，以下不自行回譯英文。考點 和 為什麼 是依各章課程內容整理的理解線索，不是官方逐題解析；遇到跨章主題時，標示最直接的主要章節。

考題地圖

這張表也透露一件事：最終測驗不會平均覆蓋每個 section。RAG 沒有直接題目，最後幾題則把工具、MCP、Computer Use 和 workflow／agent 的概念拉回同一個應用情境裡。

Accessing Claude with the API（使用 API 存取 Claude）

4. 您問 Claude「什麼是披薩？」，它回答了。然後您問「哪些配料很受歡迎？」，但 Claude 不知道您還在談論披薩。問題出在哪裡？

答案：您需要在每個請求中傳送整個對話歷史記錄

考點：Multi-Turn conversations（多輪對話）和 API 的無狀態請求。

為什麼：前一次請求的內容不會自動成為下一次請求的上下文。應用程式需要把先前的 user／assistant messages 按順序放回新的 request，Claude 才能理解「哪些配料」仍然指向披薩。

11. 您想要透過 API 向 Claude 傳送訊息。您絕對需要包含哪四項內容？

答案：API 金鑰、模型名稱、訊息和最大 token 數

考點：一個基本 Claude API request 的必要組成。

為什麼：API 金鑰負責驗證，模型名稱決定由哪個模型處理，messages 提供對話內容，最大 token 數則限制回應長度。少了其中一項，request 就無法完整描述要由誰、依據什麼內容、產生多少輸出。

12. 您希望 Claude 寫出非常有創意、不可預測的故事。您應該使用什麼溫度設定？

答案：1.0（非常高）

考點：Temperature 對輸出隨機性和可預測性的影響。

為什麼：較高的 temperature 會讓模型更容易選擇不那麼保守的下一個詞元，適合需要創意和變化的內容。它不代表品質一定更高，而是把輸出的變化範圍拉大。

15. 您正在製作一個數學輔導應用程式。您希望 Claude 給出提示而不是直接答案。您應該使用什麼？

答案：一個說明 Claude 應該扮演輔導老師角色的系統提示

考點：System prompts（系統提示）如何設定角色和行為邊界。

為什麼：把「扮演輔導老師」和「提供提示、不要直接給答案」寫進 system prompt，可以在每次使用者提問前先建立穩定的行為方向。使用者訊息只描述題目，角色規則則集中放在 system prompt。

19. 您正在建置一個與 Claude 通訊的網頁應用程式。您應該將 API 金鑰儲存在哪裡？

答案：在您的伺服器上，對使用者隱藏

考點：API key management（API 金鑰管理）與前端／後端邊界。

為什麼：瀏覽器裡的程式碼和網路請求都可能被使用者看到。金鑰放在伺服器端，由伺服器代替前端呼叫 Claude，才能避免把可以直接使用的憑證送到客戶端。

Prompt evaluation（提示評估）

5. 您正在改進一個效果不佳的提示。在應用提示工程技術後，您應該做什麼？

答案：使用提示評估來查看是否真的有改善

考點：Prompt engineering 和 prompt evaluation 的迭代循環。

為什麼：加上一條規則後覺得輸出比較好，仍然只是印象。把同一組測試資料交給新舊 Prompt，再比較評估結果，才有機會知道改善是否可重現。

7. 在提示評估中，什麼是模型評分器（model grader）？

答案：另一個用於評估輸出品質的 AI 模型

考點：Model-based grading（模型評分）。

為什麼：模型評分器會依照額外的評估標準讀取輸出並給分，適合檢查「是否完整」「是否符合風格」這類難以只用字串比對判斷的品質。它仍然需要清楚的評分標準與測試資料。

13. 您正在執行提示評估。在從 Claude 取得回應後，典型工作流程中的下一步是什麼？

答案：將回應輸入評分器進行評分

考點：評估流水線中的順序。

為什麼：一條基本 eval workflow 可以記成「準備測試資料 → 呼叫 Claude → 把輸出交給 grader → 彙整分數」。拿到回應只是中間結果，必須經過評分才知道這次 Prompt 變更的效果。

16. 您想要衡量您的 AI 提示在實際應用中的效果如何。您應該專注於哪種方法？

答案：使用自動化測試進行提示評估

考點：用自動化 eval 取代一次性的手動印象。

為什麼：實際應用會遇到一批不同輸入，單看一個成功案例很容易高估 Prompt。自動化測試可以固定資料集、評分標準和比較方式，讓後續調校有一致的基準線。

Prompt engineering techniques（提示工程技巧）

10. 您要求 AI 分析客戶評論和銷售資料。您應該如何在提示中組織這些資訊？

答案：使用像 <reviews> 和 <sales_data> 這樣的 XML 標籤來分隔它們

考點：使用 XML tags 分隔不同資料來源。

為什麼：標籤可以把客戶評論和銷售資料的邊界寫清楚，讓 Claude 知道每段內容扮演什麼角色。這種結構對需要同時提供背景資料、條件和輸出要求的 Prompt 特別有用。

23. 您希望 AI 撰寫產品描述。哪個開頭最清楚直接？

答案：「為跑鞋寫一篇產品描述。」

考點：Clear and direct（清晰直接）的指令。

為什麼：這句話直接交代任務和對象，沒有先塞入多餘背景或模糊的開場。當需求本身很簡單時，先把要完成的動作說清楚，通常比堆疊抽象形容詞更容易得到可用輸出。

Tool use with Claude（使用 Claude 進行工具使用）

1. Claude 對您的請求回應了說明文字和工具使用區塊。這是什麼類型的訊息結構？

答案：一個包含不同內容類型的多區塊訊息

考點：Claude response 裡的 content blocks。

為什麼：一次回應可以同時含有文字區塊和 tool-use 區塊。應用程式需要逐一檢查內容類型，不能假設每次 response 都只有一段純文字。

3. 在 Claude 的工具系統中，批次工具（batch tool）的主要目的是什麼？

答案：接受多個工具呼叫並同時執行它們

考點：Batch tool calls（批次工具呼叫）。

為什麼：有些任務需要同時取得多份彼此獨立的資料。批次工具可以把多個呼叫集中處理，減少逐個來回等待的成本；它適合獨立子任務，不能取代有先後依賴的串連流程。

18. 在 Claude 的工具使用系統中，什麼是工具函式？

答案：一個在 Claude 需要額外資訊或需要執行動作時被執行的普通函式

考點：Tool function（工具函式）的分工。

為什麼：Claude 會依照工具 schema 提出呼叫和參數，實際執行函式、取得外部資料或採取動作的工作仍由應用程式負責。工具函式就是模型和外部世界之間的執行介面。

21. Claude 中工具使用的主要目的是什麼？

答案：讓 Claude 能夠存取其訓練資料之外的即時資訊和外部系統

考點：Tool use 為模型延伸外部能力。

為什麼：模型本身不能因為收到問題就自動知道現在的天氣、資料庫內容或某個 API 的最新回應。工具把這些外部資訊帶回對話，也讓 Claude 可以交給程式執行實際動作。

Features of Claude（Claude 的功能）

14. 您正在建置一個應用程式，使用者需要驗證 Claude 從文件中提供的資訊。您應該啟用什麼功能？

答案：引用（Citations）

考點：Citations 如何建立回答和來源文件之間的回溯路徑。

為什麼：如果應用程式把文件交給 Claude，使用者仍然需要知道回答是根據哪一段內容產生。Citations 可以把回應連回這次 request 提供的文件來源，讓驗證有一條可追蹤的路徑。

22. 您不斷向 Claude 傳送相同的長文件，並提出不同的問題。您如何讓這個過程更快、更便宜？

答案：使用帶有快取斷點的提示快取

考點：Prompt caching（提示快取）與重複前綴。

為什麼：相同的長文件如果每次都重新送出，會重複消耗輸入處理成本。放置快取斷點後，固定的前綴可以在後續請求重複使用，問題則放在後面變動的部分。

Model Context Protocol

2. 就角色而言，MCP 伺服器和 MCP 客戶端之間的主要差異是什麼？

答案：MCP 伺服器包含工具、提示和資源，而 MCP 客戶端則作為存取這些工具的通訊橋樑

考點：MCP server／client 的角色分工。

為什麼：server 公開 tools、prompts 和 resources，client 連上 server、列出能力，再把它們接回模型使用。把供應能力的一方和發起連線、協調使用的一方分開，整合責任就能各自維護。

6. 什麼是 Model Context Protocol（MCP）？

答案：一個為 Claude 提供上下文和工具的通訊層，無需繁瑣的整合程式碼

考點：MCP 想解決的整合問題。

為什麼：每個外部服務都自行處理工具定義、資料存取和訊息格式，整合程式碼很快會重複。MCP 提供一套標準化的連線方式，把這些能力整理成 client 可以使用的介面。

17. 在 MCP 通訊的背景下，「transport agnostic」（傳輸無關）是什麼意思？

答案：MCP 客戶端和伺服器可以使用不同的方法進行通訊，例如 HTTP 或標準輸入/輸出

考點：Transport 和 MCP 應用層的分離。

為什麼：MCP server 和 client 的工具、資源、提示定義，不必綁死在某一種傳輸方式上。開發時可以用同一台機器上的 stdio，部署到遠端服務時則可以選擇 HTTP 等方式。

Anthropic apps - Claude Code and computer use（Anthropic 應用程式 - Claude Code 與 Computer Use）

20. 以下哪一項最能描述 Claude 中的 Computer Use（電腦使用）？

答案：一種讓 Claude 能像人類一樣直接與桌面環境互動的能力

考點：Computer Use 的環境互動方式。

為什麼：Computer Use 讓 Claude 透過螢幕狀態和操作動作與桌面環境互動，例如輸入文字、點擊按鈕，再根據新的畫面決定下一步。它的關鍵不只在於能操作介面，也在於能觀察操作結果。

Agents and workflows（代理與工作流程）

8. 以下哪一項最能描述為什麼環境檢查對 AI 代理至關重要？

答案：它讓代理能夠觀察並理解其行動的結果

考點：Environment inspection（環境檢查）與 agent feedback loop。

為什麼：代理執行工具後，如果沒有讀檔、截圖、檢查 API response 或驗證輸出的手段，就不知道剛才的動作有沒有成功。觀察結果讓它能繼續、修正，或在資訊不足時停下來詢問。

9. 在處理使用者任務時，您應該在什麼情況下選擇工作流程（workflows）而非代理（agents）？

答案：當您能夠清楚描繪出 Claude 解決問題應經歷的確切流程或步驟時

考點：Workflow 和 agent 的選擇準則。

為什麼：流程清楚時，把步驟寫死可以帶來較高的可預測性，也比較容易測試和評估。代理的彈性留給那些輸入、路徑或任務本身難以事前規劃的情境。

小結

最終測驗考的不是一串孤立的名詞，而是同一條設計思路在不同章節的變形：API 要保存對話狀態，Prompt 要能被評估，工具要有清楚的執行分工，MCP 要把整合責任拆開，代理則要能觀察自己的行動結果。

如果只留下最後一個判斷，我會選「能預先定義就先用 workflow；需要探索未知路徑再用 agent」。這也是為什麼最後兩題會把環境檢查和 workflow／agent 的取捨放在一起：代理的價值來自適應性，但產品的底線仍然是可靠地完成工作。