CCA-F 英語試験 日本人攻略ガイド

A. Remove the close_issue tool entirely so the agent can never close issues.

close_issue ツール自体を削除し、エージェントが issue をクローズできないようにする。

B. Add a programmatic guard that blocks close_issue unless assign_engineer was previously called or the issue is explicitly tagged "duplicate".

プログラム的なガードを追加し、assign_engineer が事前に呼ばれているか、issue に "duplicate" タグが明示されている場合以外は close_issue をブロックする。

C. Add a system prompt instruction saying "do not close issues unless certain they should be closed".

システムプロンプトに「確実にクローズすべき場合以外は issue をクローズしない」という指示を追加する。

D. Switch from Claude Sonnet to Claude Opus for better judgment.

判断力向上のため、Claude Sonnet から Claude Opus に切り替える。

A. Identify independent specialists and run them in parallel; only sequence agents that have data dependencies between them.

独立した specialist を特定して並列実行し、データ依存があるエージェント間だけ直列化する。

B. Increase the timeout setting from 30 seconds to 60 seconds.

タイムアウト設定を30秒から60秒に延長する。

C. Merge all three specialists into one large agent to eliminate coordination overhead.

3つの specialist を1つの大きなエージェントに統合し、調整オーバーヘッドを排除する。

D. Cache the specialist responses so repeated calls return instantly.

specialist のレスポンスをキャッシュし、再呼び出しを高速化する。

A. Return an empty tool_result content block with no content.

空の tool_result コンテンツブロックを返す（中身なし）。

B. Send a new user message saying "the search failed, please try again with different keywords".

新しいユーザーメッセージとして「検索が失敗した。別のキーワードで再試行してほしい」と送る。

C. Return a tool_result content block with is_error: true and structured error details (status code, error message, retryable flag).

tool_result コンテンツブロックを is_error: true 付きで返し、構造化されたエラー詳細（ステータスコード・エラーメッセージ・リトライ可能フラグ）を含める。

D. Reset the conversation history and start the entire conversation over.

会話履歴をリセットし、最初からやり直す。

A. The tool descriptions do not clearly state when each tool should be invoked vs answered from the model's internal knowledge.

ツールの記述が「いつそのツールを呼ぶべきか、いつモデル自身の知識で答えるべきか」を明確に示していない。

B. The Claude model version is outdated and needs upgrading.

Claude モデルのバージョンが古く、アップグレードが必要。

C. The tools accept too many parameters (more than 5 each).

ツールが受け取るパラメータが多すぎる（各5個以上）。

D. The conversation context window is too small to track tool definitions.

会話のコンテキストウィンドウが小さすぎてツール定義を保持できていない。

A. Implement selective context retention: keep system prompt, recent N turns verbatim, and an extracted task-state summary; drop older turns but preserve critical decisions.

選択的コンテキスト保持を実装する: system prompt、直近 N ターンの原文、抽出した task-state サマリーを保持し、古いターンは破棄するが重要な決定事項は別途保存する。

B. Increase max_tokens to allow larger individual responses.

各応答のサイズを大きくするため max_tokens を増やす。

C. Switch to a Claude model with a smaller context window to force conciseness.

コンテキストウィンドウが小さいモデルに切り替え、強制的に簡潔にする。

D. Lower the temperature parameter to 0 for more consistent responses.

より一貫した応答にするため temperature を 0 に下げる。

A. Disable one of the two conflicting MCP servers entirely.

2つの競合する MCP サーバーのうち1つを完全に無効化する。

B. Use only one MCP server going forward and migrate all functionality to it.

今後は1つの MCP サーバーのみを使い、全機能を移行する。

C. Add a "preferred_server" parameter to every tool call to force selection.

全てのツール呼び出しに "preferred_server" パラメータを追加し、選択を強制する。

D. Rewrite both MCP servers' tool descriptions to clearly delineate their respective use cases, including explicit examples of which scenarios each tool handles and which it does not.

両方の MCP サーバーのツール記述を書き直し、それぞれの用途を明確に区別する。各ツールがどのシナリオを扱い、どのシナリオを扱わないかを明示的な例とともに記述する。

A. Put both commit format and test commands in user-level ~/.claude/CLAUDE.md.

コミット形式とテストコマンドの両方をユーザーレベル ~/.claude/CLAUDE.md に置く。

B. Put all instructions in each repo's CLAUDE.md, duplicating the commit format across all 8 repos.

全ての指示を各リポジトリの CLAUDE.md に入れる（コミット形式は8リポジトリで複製）。

C. Put the commit format in user-level ~/.claude/CLAUDE.md and put repo-specific test commands in each repo's ./CLAUDE.md (or .claude/CLAUDE.md).

コミット形式はユーザーレベル ~/.claude/CLAUDE.md に、リポジトリ固有のテストコマンドは各リポジトリの ./CLAUDE.md（または .claude/CLAUDE.md）に置く。

D. Use shell aliases instead of Claude Code configuration files.

Claude Code の設定ファイルではなくシェルエイリアスを使う。

A. Add --quiet flag to suppress output.

--quiet フラグを追加して出力を抑制する。

B. Use --auto flag to auto-approve all actions including destructive ones.

--auto フラグで破壊的操作を含む全アクションを自動承認する。

C. Pipe "yes" to stdin to bypass all prompts.

stdin に "yes" をパイプして全プロンプトを回避する。

D. Use -p (print mode) for non-interactive execution and pre-configure allowed tools via settings or flags.

-p（print mode）フラグで非対話実行を有効にし、許可ツールを設定またはフラグで事前指定する。

A. Configure a PostToolUse hook that triggers specifically on Edit and Write tool matchers.

PostToolUse hook を設定し、Edit と Write の tool matcher で発動するよう構成する。

B. Create a custom slash command that runs the linter manually after the session.

カスタムスラッシュコマンドを作り、セッション後に手動で linter を走らせる。

C. Run the linter manually in a separate terminal after each Claude Code session.

Claude Code セッション後に別ターミナルで手動で linter を走らせる。

D. Add the linter command to the user's shell .bashrc file.

linter コマンドをユーザーの .bashrc に追加する。

A. Document the rule in CLAUDE.md and trust Claude to follow it.

CLAUDE.md にルールを文書化し、Claude が従うことを期待する。

B. Train every engineer on the team to manually verify Claude's actions.

チーム全員に Claude のアクションを手動確認する訓練をする。

C. Configure a PreToolUse hook with a path matcher that blocks Edit/Write to infra/production/* via permissionDecision: "deny" and requires manual approval before proceeding.

PreToolUse hook をパスマッチャーで構成し、infra/production/* への Edit/Write を permissionDecision: "deny" でブロックして手動承認を要求する。

D. Make infra/production/ files read-only at the OS level.

infra/production/ のファイルを OS レベルで read-only にする。

A. Add "Output JSON only, no explanation or markdown" to the system prompt.

システムプロンプトに "JSON のみ出力、説明や markdown 不要" と追加する。

B. Define a tool with input_schema matching the desired structure exactly, and force its use with tool_choice: {type: "tool", name: "extract_items"}.

望む構造と完全に一致する input_schema を持つツールを定義し、tool_choice: {type: "tool", name: "extract_items"} で使用を強制する。

C. Provide 5 few-shot examples of correct JSON output in the prompt.

プロンプトに正しい JSON 出力の few-shot 例を5件提供する。

D. Wrap the request in XML tags like <output_json>...</output_json>.

リクエストを <output_json>...</output_json> のような XML タグで囲む。

A. Use the standard Messages API with parallel requests at maximum concurrency.

標準 Messages API を最大並列度で呼ぶ。

B. Use the streaming endpoint to reduce latency.

ストリーミングエンドポイントを使ってレイテンシを下げる。

C. Switch to Claude Haiku to reduce per-request cost regardless of API.

API に関係なく Claude Haiku に切り替えて1リクエストあたりのコストを下げる。

D. Use the Message Batches API to get 50% cost reduction with up to 24-hour processing window.

Message Batches API を使い、最大24時間の処理ウィンドウで50%割引を得る。

A. Need more examples - add 20 more examples similar to the existing ones to increase pattern strength.

例が不足している - 既存の例に類似した例を20件追加してパターンを強化する。

B. Few-shot prompting does not work reliably with Claude; switch to fine-tuning.

few-shot は Claude では信頼性が低い。fine-tuning に切り替える。

C. The examples do not cover the diversity of expected inputs; add examples that represent edge cases and different input patterns the production data contains.

例が予想される入力の多様性をカバーしていない。エッジケースや本番データに含まれる異なる入力パターンを代表する例を追加する。

D. Lower the temperature to 0 to force deterministic output regardless of input.

入力に関係なく決定論的な出力を強制するため temperature を 0 に下げる。

A. Add an instruction to the system prompt: "be more careful with handwritten content".

システムプロンプトに「手書き部分はより慎重に扱え」と指示を追加する。

B. Filter out and reject all PDFs containing any handwriting before processing.

手書きを含む PDF を全て処理前に除外・拒否する。

C. Use OCR preprocessing exclusively and never send the raw image to Claude.

OCR 前処理のみを使い、生画像は Claude に送らない。

D. Have Claude return a confidence score (or uncertainty marker) for each extracted field; route low-confidence extractions to a human review queue.

各抽出フィールドに confidence score（または不確実性マーカー）を返させ、信頼度が低い抽出は人間レビューキューに回す。

A. Short cryptic name like "q1", description "queries", single string parameter.

短く暗号的な名前 "q1"、記述 "queries"、単一の string パラメータ。

B. Descriptive name like "get_transactions_by_date_range", description specifying date format (ISO 8601), example queries, return structure (list of transaction objects with explicit fields), and explicit boundaries (e.g., max 1000 results per call).

記述的な名前 "get_transactions_by_date_range"、日付形式（ISO 8601）・クエリ例・戻り値構造（明示的フィールドを持つトランザクションオブジェクトのリスト）・境界条件（例: 1呼び出しあたり最大1000件）まで含めた詳細記述。

C. Tool name matches the underlying SQL function exactly, no description (Claude can infer from the name).

ツール名は基底 SQL 関数と完全一致、記述なし（Claude が名前から推測する）。

D. A single generic "execute_sql" tool that accepts any SQL string for maximum flexibility.

最大の柔軟性のため、任意の SQL 文字列を受け取る単一の "execute_sql" ツール。

A. Add validation in the tool implementation and return a structured tool_result with is_error: true, a clear error message ("Invalid date: must be 2020-01-01 or later"), and the valid range so Claude can self-correct.

ツール実装に validation を追加し、is_error: true 付きの構造化された tool_result を返す。明確なエラーメッセージ（"Invalid date: must be 2020-01-01 or later"）と有効範囲を含め、Claude が自己修正できるようにする。

B. Silently truncate invalid date values to the nearest valid date.

無効な日付値を最も近い有効日付に黙って切り詰める。

C. Crash the tool process so the agent definitely knows there was an error.

ツールのプロセスをクラッシュさせ、エージェントが確実にエラーを認識するようにする。

D. Add a warning to the system prompt: "do not use dates before 2020".

システムプロンプトに警告を追加: "2020年以前の日付を使うな"。

A. Expose each table as a separate tool (40 tools), one per table with full CRUD.

各テーブルを個別ツールとして公開（40ツール）。テーブル毎に full CRUD。

B. Expose a single generic execute_sql tool for maximum flexibility.

最大柔軟性のため、汎用 execute_sql ツールを1つだけ公開する。

C. Skip MCP and embed all SQL queries directly in the system prompt.

MCP は使わず、全 SQL クエリを system prompt に直接埋め込む。

D. Expose a focused set of high-level domain tools (e.g., find_customer_by_phone, get_recent_orders, update_shipping_address) that internally compose queries; only the operations relevant to customer service are exposed.

カスタマーサービスに関連する操作のみを、高レベルのドメインツール（find_customer_by_phone / get_recent_orders / update_shipping_address 等）として公開し、内部でクエリを組み立てる。

A. "Context overflow" — increase the model's context window size.

"Context overflow" — モデルのコンテキストウィンドウサイズを増やす。

B. "Lost-in-the-middle" — use contextual retrieval to surface only the most relevant chunks at query time, OR re-organize the document so critical content is at the start or end.

"Lost-in-the-middle" — contextual retrieval（文脈検索）でクエリ時に関連 chunk のみを取り出すか、critical な内容を冒頭・末尾に配置するよう文書を再構成する。

C. "Token decay" — reduce document size by stripping all whitespace.

"Token decay" — 空白を削除して文書サイズを減らす。

D. "Attention saturation" — lower the temperature to focus the model.

"Attention saturation" — temperature を下げてモデルの注意を集中させる。

A. Summaries always lose all detail; abandon summarization and keep full conversation history.

サマリーは必ず詳細を失う。要約をやめて全会話履歴を保持する。

B. The Claude model is malfunctioning; report it to Anthropic for a fix.

Claude モデルが壊れているので Anthropic に報告して修正してもらう。

C. Progressive summarization can discard subtle but important user preferences/constraints; extract and maintain a separate "persistent state" (user preferences, hard constraints, decisions) outside the rolling summary.

progressive summarization は微妙だが重要な設定・制約を捨てうる。ローリングサマリーとは別に "persistent state"（ユーザー設定・固定制約・決定事項）を抽出して保持する。

D. Make summaries longer (use less compression).

サマリーを長くする（圧縮率を下げる）。

A. Add an emphatic instruction to the system prompt: "DO NOT hallucinate clause references. ONLY cite real clauses."

システムプロンプトに強調指示を追加: "絶対にハルシネーションするな。実在する条項のみ引用せよ"。

B. Implement a programmatic verification tool: every clause reference Claude generates is automatically checked against the actual document before the response is returned to the user; references not found are flagged and Claude is asked to re-answer.

プログラム的な検証ツールを実装: Claude が生成した条項参照は、ユーザーに返す前に自動で実際の文書と照合する。見つからない参照はフラグを立て、Claude に再回答を求める。

C. Use a smaller model that hallucinates less.

ハルシネーションが少ない小さいモデルに切り替える。

D. Always set temperature to 0.

常に temperature を 0 にする。

A. Increase temperature so the model finishes sentences more naturally.

temperature を上げて文を自然に終わらせる。

B. Ask users to request shorter reports.

ユーザーに短いレポートを依頼するよう求める。

C. Branch on stop_reason: when it is "max_tokens", raise max_tokens or continue the generation with the partial output, and only treat "end_turn" (or tool_use handled by the loop) as a completed turn.

stop_reason で分岐する。"max_tokens" なら max_tokens を増やすか部分出力を引き継いで生成を継続し、"end_turn"（ループが処理する tool_use を除く）だけを完了とみなす。

D. Switch to a smaller model, which produces shorter outputs.

出力が短くなる小さいモデルに切り替える。

A. Have each worker return a compact, structured summary (key findings, sources, confidence) and keep raw material in external storage the orchestrator can fetch on demand.

各ワーカーはコンパクトで構造化した要約（主要な発見・出典・確信度）を返し、生データは外部ストレージに置いてオーケストレーターが必要時に取得できるようにする。

B. Add a system prompt line telling the orchestrator to "remember the original goal".

オーケストレーターのシステムプロンプトに「本来の目的を忘れないこと」と一行足す。

C. Remove the orchestrator and let a single agent do all the research sequentially.

オーケストレーターをなくし、単一エージェントに逐次で全調査をさせる。

D. Run all workers with a larger model so their outputs are more accurate.

全ワーカーをより大きいモデルで動かして出力精度を上げる。

A. Five agents is ideal because each step is isolated and easier to debug.

各ステップが分離されてデバッグしやすいので5エージェントが理想的。

B. The workflow should use at least ten agents to maximize reliability.

信頼性を最大化するために最低10エージェント使うべき。

C. Agents should never be used for document processing; use only regular expressions.

文書処理にエージェントは使うべきでなく、正規表現だけで対処すべき。

D. This is a fixed, sequential pipeline with deterministic steps; a single model call for extraction plus programmatic validation and writing is simpler, cheaper, and more reliable than a multi-agent system.

これは手順が固定された逐次パイプラインで、検証・書き込みは決定論的に処理できる。抽出を1回のモデル呼び出しで行い、検証と書き込みをプログラムで行う方が、マルチエージェントより単純・安価・高信頼。

A. Put everything in each engineer's global ~/.claude/CLAUDE.md so it applies to all projects.

全てを各エンジニアのグローバル ~/.claude/CLAUDE.md に置き、全プロジェクトに適用する。

B. Team conventions go in the project-level CLAUDE.md committed to the repository; personal preferences go in CLAUDE.local.md (git-ignored) or the user-level ~/.claude/CLAUDE.md.

チーム規約はリポジトリにコミットするプロジェクト直下の CLAUDE.md に、個人の好みは git 管理外の CLAUDE.local.md またはユーザー単位の ~/.claude/CLAUDE.md に置く。

C. Paste the conventions at the start of every conversation manually.

規約を毎回の会話の冒頭に手で貼り付ける。

D. Store conventions in a wiki page and ask Claude to fetch it when needed.

規約を wiki に置き、必要時に Claude に取りに行かせる。

A. Run claude in non-interactive print mode (-p) with the prompt, restrict the allowed tools to read-only ones, and pipe the output (e.g. JSON output format) to the step that posts the comment.

claude を非対話のプリントモード（-p）でプロンプト付きで実行し、許可ツールを読み取り系に限定し、出力（JSON 出力形式など）をコメント投稿ステップに渡す。

B. Run claude interactively in the CI job and let it ask for permissions as needed.

CI ジョブで claude を対話モードで起動し、必要に応じて権限を尋ねさせる。

C. Give Claude Code full write and shell permissions so it can also fix any issues it finds.

見つけた問題も直せるように書き込みとシェルの全権限を与える。

D. Copy the diff into a chat window manually after each CI run.

CI 実行のたびに差分を手でチャット画面に貼る。

A. Add "IMPORTANT: no extra text!!!" in capital letters to the prompt.

プロンプトに大文字で「重要: 余計な文は禁止!!!」と追記する。

B. Retry the request until the output happens to parse.

たまたまパースできるまでリクエストを再試行する。

C. Define the expected object as a JSON schema and have Claude fill it through a schema-validated mechanism (a tool with an input_schema whose use is forced, or native structured outputs), then parse the structured field instead of free text.

期待するオブジェクトを JSON スキーマとして定義し、スキーマ検証される仕組み（使用を強制した input_schema 付きツール、またはネイティブの構造化出力）で Claude に埋めさせ、自由文ではなく構造化フィールドをパースする。

D. Lower max_tokens so there is no room for extra sentences.

余計な文の余地がないよう max_tokens を下げる。

A. Keep synchronous calls but add exponential backoff so rate limits are eventually respected.

同期呼び出しのまま指数バックオフを足してレート制限を守る。

B. Use streaming responses to reduce latency for each ticket.

各チケットの遅延を減らすためストリーミング応答を使う。

C. Ask the model to classify 500 tickets in a single prompt to save requests.

リクエスト数を減らすため1プロンプトで500件を分類させる。

D. Submit the tickets through the Message Batches API, which is designed for large, non-urgent workloads: asynchronous processing with results typically within 24 hours at a substantially reduced per-token price.

大量かつ急がないワークロード向けの Message Batches API で投入する。非同期処理で結果は通常24時間以内、トークン単価も大幅に割引される。

A. Merge both into one tool named search and let Claude pass a mode string.

両者を search という1つのツールに統合し、Claude にモード文字列を渡させる。

B. Rewrite each description to state precisely what the tool searches, when to use it, when NOT to use it, and what the parameters mean, with an example query.

各説明を「何を検索するか・いつ使うか・いつ使わないか・パラメータの意味」を正確に書き、例となるクエリも添えた内容に書き直す。

C. Add "Please choose the correct tool" to the system prompt.

システムプロンプトに「正しいツールを選んでください」と加える。

D. Randomize the tool order in each request so neither is favored.

どちらも優遇されないよう毎回ツールの順序をランダムにする。

A. Return a tool result flagged as an error with a clear, actionable message (e.g. "Product ID X not found. Use list_products to look up valid IDs."), so the model can recover and try a different action.

エラーフラグ付きのツール結果として、明確で次の行動につながるメッセージ（例:「商品 ID X は存在しません。有効な ID は list_products で確認できます」）を返し、モデルが回復して別の行動を試せるようにする。

B. Return an empty success result so the agent does not see an error.

エージェントがエラーを見ないよう、空の成功結果を返す。

C. Return the full stack trace so the model has maximum detail.

モデルに最大限の情報を与えるためスタックトレース全体を返す。

D. Retry the same lookup ten times before failing.

失敗する前に同じ検索を10回再試行する。

A. Move the question to the top of the prompt and the document to the bottom.

質問をプロンプトの先頭に、文書を末尾に移す。

B. Add "read the whole document carefully" to the prompt.

プロンプトに「文書全体を注意深く読むこと」と加える。

C. Place the document at the top in clearly delimited XML tags with the question at the end, and instruct Claude to first extract the relevant quotes from the document and then answer based on those quotes; consider retrieving only the relevant sections when the manual is very long.

文書を明確な XML タグで区切ってプロンプト先頭に置き、質問は末尾にする。まず文書から関連する引用を抜き出させ、その引用に基づいて回答させる。手順書が非常に長い場合は関連セクションだけを検索して渡すことも検討する。

D. Split the manual into 150 separate API calls, one per page, and concatenate the answers.

手順書をページごとに150回の API 呼び出しに分割し、回答を連結する。