# AWS AI Practitioner 考试不考 FDE 的本职

> 做 AWS 项目前仍值得一考：50 道计分题约 26 道涉及生成式 AI 与基础模型，分数集中在 Bedrock。

原文: https://fdetimes.net/zh/books-courses/aws-ai-practitioner-aif-c01-fde-guide/

AWS Certified AI Practitioner 的考试指南里有一句话值得慢慢读：目标考生是在 AWS 上*使用* AI/ML 解决方案的人，不一定是*构建*它们的人。对前线部署工程师（FDE）来说，这句话决定了整门课该怎么学。

AIF-C01 是 AWS 颁发的基础级认证。考试考查对 AI 概念和 AWS AI 工具的理解，偏重业务应用。考试指南还直接列出了不考的内容：模型编程、构建和部署 AI/ML 管道或基础设施，以及超参数调优。

而这些恰恰是 FDE 在客户现场要做的事。那还值得学吗？如果你即将参与一个 AWS 上的部署项目，需要和客户的架构师在 Bedrock、RAG 或模型评测上说同一种语言，值得。如果你指望这张证书证明你把 Agent 推上过生产环境，不值得。

## 分数究竟落在哪里？

考试共 65 道题，限时 90 分钟，其中 15 道不计分，真正决定结果的是 50 道。用各领域权重乘以这 50 道题，可以得到以下估算：

| 领域 | 权重 | 估算计分题数 |
|---|---|---|
| AI 与 ML 基础 | 20% | 约 10 道 |
| 生成式 AI 基础 | 24% | 约 12 道 |
| 基础模型应用 | 28% | 约 14 道 |
| 负责任的 AI | 14% | 约 7 道 |
| 安全、合规与治理 | 14% | 约 7 道 |

分数范围为 100–1,000 分，700 分及格。计分采用补偿制，不要求每个领域单独及格。仅生成式 AI 和基础模型两个领域就占了 50 道题中的约 26 道。考试费为 100 美元，认证有效期三年。

对 FDE 来说幸运的是，分值最高的领域也最贴近实际工作：领域 3。其中有三个知识点考完后值得留下来。

## RAG 是以业务场景的形式来考的

考试要求你定义检索增强生成（RAG），并描述它的业务应用，以 Amazon Bedrock Knowledge Bases 为例。这种出题方式练的正是许多 FDE 欠缺的能力：用客户的问题来解释 RAG，而不是画一张向量示意图。

设想一家保险公司想做一个聊天机器人，根据内部保单条款回答问题，而这些条款每个季度都会变。

按考试风格自拟一道题：公司希望回答始终与最新条款一致，且成本要低，应该自己预训练模型、每季度微调一次、把全部条款贴进提示词，还是使用基于 Bedrock Knowledge Bases 的 RAG？

做法是排除法。预训练对部署项目来说成本太高。每季度微调，意味着条款每变一次就要重新训练一次。把全部文档贴进提示词，意味着每个问题都要为所有条款支付 token。

剩下的就是 RAG：文档放在模型之外，文档更新后回答随之改变，完全不用重新训练。这也是你会对客户业务方说的话。复习领域 3 时，要练习讲出理由来排除错误选项，因为在真实会议上，你就是这样为架构方案辩护的。

## 每种模型定制方式，成本落在不同的地方

考试会问预训练、微调、上下文学习、RAG 和模型蒸馏之间的成本取舍。在客户现场，这个问题通常以“为什么不直接微调一下？”的形式出现。

一个合理的回答是按成本排序：上下文学习只需花写提示词的功夫和 token；RAG 要额外投入构建和维护数据源；微调需要标注数据，而且每次有变化都要重新训练；预训练对部署项目来说几乎从来不是选项。

考试只考到概念层面，但如果你能自己写出这张对比表，第一次架构咨询的材料就已经有了。

## 模型评测：考试教名词，客户要数字

领域 3 涵盖 Bedrock Model Evaluation、基准数据集、人在回路（human-in-the-loop）评测，以及 ROUGE、BLEU、BERTScore 和 LLM-as-a-judge 等指标。这些内容都停留在概念层面，不会教你自己构建评测集。

这是整门课最大的缺口。知道 ROUGE 的定义就足以通过考试。但要向客户证明聊天机器人回答正确，你需要一套从客户自己的文档中提炼的问题，配上参考答案，每次修改提示词后都重新跑一遍。

**要点:** 证书证明你懂这些术语；客户只相信你亲手做出来的东西。

## 按什么顺序学最省力？

如果从零开始，AWS Educate 上有一条通往 AIF-C01 的学习路径，涵盖 Foundations of ML and Generative AI，包括 Amazon Bedrock。之后转到 AWS Skill Builder 上的 Exam Prep Plan，这是 AWS 指定的备考路径。

免费版包括两小时的 Exam Prep 课程和 20 道官方练习题，足以在付费之前熟悉题型。Enhanced 版需要付费订阅，增加了更多练习题和实验。

Official Pretest 随 Skill Builder 订阅提供，所以多半需要付费套餐才能参加。如果已经决定付费，就在预约考试前用这次预考评估准备程度；如果不付费，免费的 20 道题就是最低限度的自测。

复习时，以考纲内的服务清单为框架：Amazon Bedrock、Bedrock AgentCore、Amazon Nova、SageMaker AI、SageMaker JumpStart，以及开发者工具中的 Kiro 和 Strands Agents。AWS 说明这份清单并不完整，而且可能变动，所以不必花力气背。

## 考完之后要自己补什么？

正是考试指南排除在外的那些内容。在一套公开文档上搭一个 Bedrock Knowledge Base，自己写评测集，记录每次改动前后的分数。这个项目能证明你会做考试不考的那部分工作。

在简历上，不要让证书孤零零地摆着。把它和这个项目列在一起，附上实测数字。如果你瞄准的 FDE 岗位描述里有“Bedrock”“RAG”或“evaluation”这类字眼，AIF-C01 能说明你懂这些术语；但也要准备好证明自己的构建能力，因为 AWS 已经明确表示，这部分不在考纲之内。

**本周动手试试:**

- 在 AWS Skill Builder 上完成免费的两小时 Exam Prep 课程和 20 道官方练习题，记下自己错得最多的领域
- 为一个假想客户写一页对比，涵盖预训练、微调、上下文学习、RAG 和蒸馏，写清每种方案的成本落在哪里
- 在搭建 Bedrock Knowledge Base 之前，先针对一套内部文档拟出 20 道题及正确答案，作为评测集

## 信源

- [AWS Certified AI Practitioner (AIF-C01) – Exam Guide (AWS Docs)](https://docs.aws.amazon.com/aws-certification/latest/ai-practitioner-01/ai-practitioner-01.html)

- [Content Domain 3: Applications of Foundation Models (AWS Docs)](https://docs.aws.amazon.com/aws-certification/latest/ai-practitioner-01/ai-practitioner-01-domain3.html)

- [In-Scope AWS Services (AIF-C01 Exam Guide, AWS Docs)](https://docs.aws.amazon.com/aws-certification/latest/ai-practitioner-01/aif-01-in-scope-services.html)

- [AWS Certified AI Practitioner](https://aws.amazon.com/certification/certified-ai-practitioner/)

- [Prepare for your AWS Certification Exam](https://aws.amazon.com/certification/certification-prep/)

- [Get on the path to the AWS Certified AI Practitioner with AWS Educate](https://aws.amazon.com/blogs/training-and-certification/aws-educate-learning-pathway-to-aws-certified-ai-practitioner/)