aicert.study
Study Track/Estude as decisões, não o vocabulário

Estude as decisões, não o vocabulário

60 min

Original content in Portuguese — translation coming soon.

Lesson objectives

  • Converter o blueprint do CCAR-P em um plano de estudo ponderado por domínio
  • Separar princípios estáveis de detalhes de produto que mudam com o tempo
  • Reconhecer o formato de múltipla escolha e múltipla resposta da prova

O problema

Duas pessoas estudam pro CCAR-F. A primeira decora que existem cinco domínios, memoriza os pesos (27%, 20%, 20%, 18%, 15%) e sabe de cor o que cada sigla significa: MCP, ADR, CLAUDE.md. A segunda estuda os mesmos cinco domínios, mas para cada um pergunta: "que decisão um arquiteto toma aqui, sob que restrição, e o que acontece se ele errar?"

Na hora da prova, as duas encontram o mesmo cenário: uma equipe de suporte quer um agente que resolve tickets, decide entre delegar pra um subagente especializado ou processar tudo numa única sessão, e tem que escolher onde colocar a política de escalonamento. A primeira pessoa reconhece os termos técnicos em cada alternativa e não consegue diferenciar. A segunda reconhece qual alternativa resolve o problema real sem violar uma restrição implícita — e geralmente sobra só uma.

Essa é a diferença entre estudar vocabulário e estudar decisões. O CCAR-F é uma prova baseada em cenário: cada pacote tem uma situação e várias perguntas sobre ela. Ela não testa se você sabe o que é MCP. Ela testa se você, dado um MCP mal configurado, sabe apontar o que quebrou e por quê.

O blueprint é um modelo de trabalho, não uma lista de tópicos

Cada domínio do CCAR-F representa uma fatia do trabalho real de um arquiteto de sistemas Claude. O peso não é dificuldade — é frequência. Agentic Architecture & Orchestration pesa 27% porque a maior parte do trabalho de arquitetura gira em torno de decidir como orquestrar agentes, não porque as perguntas desse domínio são as mais difíceis.

Use essa distinção pra montar seu plano de estudo: aloque tempo proporcional ao peso, mas dentro de cada domínio, gaste a maior parte do tempo em Fazer e Decidir, não em Saber.

  • Saber: fatos e vocabulário que você recorda ("stop_reason: tool_use significa que o modelo quer chamar uma ferramenta").
  • Fazer: um procedimento que você executa ("implementar o loop que lê tool_use, executa e devolve o resultado").
  • Decidir: uma escolha sob restrição que você resolve ("esse loop precisa de um subagente separado, ou uma chamada de ferramenta resolve?").

A maioria dos planos de estudo fracos empilha tempo em Saber. A prova concentra peso em Fazer e Decidir.

Fatos estáveis vs. fatos que mudam

Alguns conhecimentos não mudam de uma versão pra outra do produto: dados sensíveis precisam de um caminho de tratamento aprovado antes de saírem do sistema; uma ação irreversível merece mais revisão do que um rascunho reversível; um modelo maior é desperdício quando um menor já atende o requisito medido. Esses são os princípios que sustentam a maior parte das respostas certas em cenário.

Outros fatos mudam entre a data em que você estuda e a data da prova: nomes e preços de modelo, limites de contexto, disponibilidade de recurso em cada plano. Trate esse segundo grupo como referência datada, não como memorização definitiva — confira o guia oficial antes de agendar a prova.

Como ler um cenário de múltiplas perguntas

O formato do CCAR-F agrupa várias perguntas em torno do mesmo pacote de cenário (quatro pacotes sorteados de seis possíveis). Isso muda a estratégia de leitura: a primeira leitura do cenário deve extrair quatro coisas, nessa ordem:

  1. O resultado exigido — o que precisa existir ao final, não como.
  2. As restrições explícitas — orçamento, latência, política de dados, quem aprova o quê.
  3. O risco e a reversibilidade — o que acontece se a saída estiver errada.
  4. A capacidade mínima suficiente — a menor solução que atende os três itens acima.

Distratores em cenário raramente são absurdos. Eles costumam ser tecnicamente corretos, mas ignoram uma restrição — usar o modelo mais potente sem necessidade medida, ou automatizar uma ação irreversível sem prever revisão humana. Ao ler as alternativas, pergunte qual restrição cada uma esquece, não só se ela "funcionaria".

Coloque em prática

O laboratório desta lição pede pra você pegar um blueprint de domínios com pesos e transformar isso em um plano de estudo: um script que distribui horas disponíveis proporcionalmente ao peso de cada domínio e sinaliza quando a alocação real está desbalanceada. É a mesma lógica que você vai aplicar de cabeça, sob pressão de tempo, dentro da prova.

Hands-on lab

Clone the repository and run it locally:

git clone https://github.com/aicertstudy/labs
cd labs/ccar-f/lessons/00-certification-strategy
View folder on GitHub

Ready to test it for real?

Take the full CCAR-F mock exam, in the same format as the official test.

See mock exams

Lesson checkpoint

Loading quiz...