CCAR-P 커리큘럼

비즈니스 문제를 Claude 기반 솔루션으로 옮깁니다. 입력에서 처리, 출력, 피드백 루프까지 이어지는 종단 간 아키텍처 설계, 워크플로·에이전틱·증강 LLM 중 패턴 선택, 멀티 에이전트 오케스트레이션, 복잡한 문제의 분해, 비즈니스 가치 기준과의 정렬을 다룹니다.

트레이드오프를 근거로 Claude 모델을 선택하고 프롬프트 계층을 설계합니다. 시스템 프롬프트와 템플릿, 가드레일, 제로샷·퓨샷·사고사슬 기법, 컨텍스트 윈도우와 토큰 사용 최적화, 캐싱과 모듈형 프롬프트·스킬을 통한 재사용 전략을 다룹니다.

가장 비중이 큰 도메인입니다. 툴·에이전트 구성의 기능 비대화 점검, 인증·인가 요구사항 분석과 보안 공백 식별, 정확도와 지연시간의 균형, 대규모 환경의 관측성 전략, 청킹·인덱싱을 포함한 RAG 파이프라인 설계, 데이터 형태와 질의 패턴에 맞는 검색 전략, MCP·API/CLI·에이전트 간 통신 중 연결 방식 선택, 점진적 발견과 단일 컨텍스트 전략의 비교를 다룹니다.

정확도·지연시간·비용·안전성·보안을 지표로 정의하고 측정합니다. 혼합 방법론을 쓰는 평가 데이터셋과 테스트 프레임워크 설계, A/B 테스트와 반복 개선, 프롬프트 실패와 환각·모델 불일치의 진단, 토큰·지연시간·비용 성능 최적화, 로깅과 관측성 도구를 통한 성능 모니터링을 다룹니다.

가드레일과 안전 통제를 구현합니다. LLM 시스템의 리스크와 한계, 실패 양상 식별, 휴먼 인 더 루프 검증 전략, GDPR·HIPAA·FedRAMP 같은 규제 준수, 편향과 공정성·투명성을 포함한 윤리적 고려사항을 다룹니다.

기초 트랙에는 없는 영역입니다. 구조화된 디스커버리와 요구사항 수집, 아키텍처 결정과 트레이드오프의 전달, SLA를 포함한 이해관계자 피드백 루프와 기대치 정렬, 아키텍처 문서화와 구현 가이드 제공, 디스커버리에서 설계·인수인계·모니터링·반복으로 이어지는 생애주기 지원을 다룹니다.

가장 비중이 작은 도메인입니다. 팀 단위로 Claude Code 같은 도구와 환경을 구성하고, AI 보조 도구로 개발 워크플로를 개선하며, 디버깅과 운영 이슈 해결을 지원하는 방법을 다룹니다.