AWS Certified Generative AI Developer - Professional
315道练习题
最后审核：April 2026
为你的学习之旅记录个人笔记和资源链接
按认证筛选
AWS Certified Generative AI Developer Professional (AIP-C01) 是一项专业级认证，专注于在 AWS 上构建、集成和操作生产级生成式 AI 应用程序 — 主要基于 Amazon Bedrock，并以 SageMaker、Lambda、OpenSearch 和 Knowledge Bases 作为支持服务。它面向设计检索增强生成 (RAG) 系统、代理工作流和工具型基础模型应用程序的经验丰富的开发人员和 ML 工程师。预计会遇到关于提示工程、嵌入、向量搜索、护栏、评估、成本优化和负责任 AI 控制的深度场景问题。与基础级 AIF-C01 不同，AIP-C01 假定考生会编写代码并已交付基于 Bedrock 的功能。考试为多项选择和多项响应题，没有动手实验。
占比最大的领域，为 31%。涵盖 Bedrock 模型选择、嵌入管道、向量存储（OpenSearch Serverless、Aurora pgvector、Kendra）、Knowledge Bases、微调与持续预训练的对比，以及 LLM 训练数据的数据治理。
构建 RAG、代理和工具型应用程序。包括 Bedrock Agents、Action Groups、Lambda 集成以及编排多步骤 LLM 调用。常见难点：了解何时使用 Agent 与自定义编排。
Bedrock Guardrails、提示注入缓解措施、PII 匿名化、用于模型访问的 IAM 和 KMS，以及内容审核模式。尽管权重为 20%，但问题密度很高。
推理成本控制（预置吞吐量与按需吞吐量）、缓存、模型蒸馏、延迟调优，以及适时选择较小的模型。常被忽视的知识点：何时使用跨区域推理配置文件。
评估框架（Bedrock 模型评估、人工评估、LLM 作为评判者）、漂移、幻觉检测以及调试 RAG 检索失败。这是最小的领域（11%），但对浅尝辄止的学习者会造成困难。
您将在考试中遇到的服务及其重要性。
完全托管的服务，通过统一的 API 接口提供来自 Anthropic、Meta、Mistral、AI21、Cohere、Stability AI 和 Amazon Titan 的基础模型，支持流式、批量和预置吞吐量。
为什么会出现在考试中： Bedrock 是领域 1 (基础模型集成、数据管理与合规性) 中所有场景的基础，包括模型选择、推理参数、预置与按需吞吐量的权衡，以及流式响应处理。
基于 S3 文档和可插拔向量存储（OpenSearch Serverless、Aurora pgvector、Pinecone、MongoDB Atlas、Redis Enterprise）构建的托管 RAG，支持文本切分、嵌入生成和引用溯源。
为什么会出现在考试中： 领域 2 (实施与集成) 考察何时通过 RAG 而非微调来让模型基于私有数据进行推理，包括切分策略、向量存储选择和引用传播。
策略层可过滤有害内容、阻止禁止话题、脱敏 PII、应用上下文锚定检查，并在输入和输出中提供词语/话题过滤器。
为什么会出现在考试中： 领域 3 (AI 安全、安保与治理) 主要围绕 Guardrails 进行考察，包括内容过滤强度、禁止话题配置、上下文锚定和 PII 匿名化模式。
编排层允许基础模型调用 API、查询知识库，并通过工具使用链式执行多步操作，其中操作组由 Lambda 和 OpenAPI/函数 schema 支持。
为什么会出现在考试中： 领域 2 中涉及多步推理、工具调用代理和 Lambda 支持的操作组的场景，将 Agents 命名为 AWS 原生编排器；预计会考查与原始推理或 Step Functions 的区别。
在私有 S3 数据集上对基础模型进行微调和持续预训练，生成可通过预置吞吐量部署的自定义模型。
为什么会出现在考试中： 领域 1 的问题考察微调、RAG 和提示工程之间的决策树；预计会有持续预训练或指令微调是正确答案的具体场景。
托管的自动和人工参与的模型评估服务——内置指标（准确性、鲁棒性、毒性），以及由 LLM 担任裁判或人工工作者评分的自定义评分标准。
为什么会出现在考试中： 领域 5 (测试、验证与故障排除) 考察如何量化模型或提示变体之间的质量退化——Bedrock Evaluations 是指定的机制。
预训练基础模型和任务专用模型的目录，支持一键部署到 SageMaker 端点、迁移学习笔记本以及专有模型市场。
为什么会出现在考试中： 领域 2 区分了“在 SageMaker 端点上托管”(JumpStart) 和“调用 Bedrock API”——考题会考察两者在延迟、成本和定制化方面的权衡。
打包的生成式 AI 助手——Q Developer 用于 IDE/控制台编码工作流，Q Business 用于对连接数据源的企业级 RAG，QuickSight 中的 Q 用于 BI 问答。
为什么会出现在考试中： 领域 2 考察何时使用 Q（打包方案）而非基于 Bedrock 自建（定制方案）；Q Business 特别出现在企业级 RAG 场景问题中。
无服务器 OpenSearch，带有专用的向量搜索集合类型——作为 Bedrock Knowledge Base 的默认后端和考题中最常出现的 AWS 原生向量存储。
为什么会出现在考试中： 领域 1 RAG 场景假定 OpenSearch Serverless 为默认向量存储——预计会有关于 OCU 大小调整、容量与成本权衡以及近似最近邻索引选择的问题。
带有 pgvector 扩展的 Aurora PostgreSQL，被 Bedrock Knowledge Bases 支持作为替代向量存储，具备事务语义和 SQL 访问能力。
为什么会出现在考试中： 领域 2 的向量存储选择问题会将 Aurora pgvector（现有 SQL 栈，事务性）与 OpenSearch Serverless（纯向量，无服务器 OCU）进行对比。
对象存储，用于存储知识库源文档、微调训练语料、评估数据集和模型调用日志。
为什么会出现在考试中： 领域 1 的每个数据管理场景都会涉及到 S3——源文档切分布局、原始文档的生命周期以及知识库存储桶上的 IAM 访问都是反复出现的考点。
无服务器计算服务，用于 Bedrock Agent 操作组、RAG 预处理、推理后响应塑形以及 S3 事件驱动的知识库摄取。
为什么会出现在考试中： 领域 2 的操作组问题考察 Bedrock Agents 调用的 Lambda 契约（请求/响应 schema）；领域 4 也考察 Lambda 作为成本效益高的推理粘合剂。
无服务器工作流编排器，原生集成 Bedrock InvokeModel，非常适用于多调用提示链、并行评估和人工审批循环。
为什么会出现在考试中： 领域 2 区分 Step Functions（确定性多步编排）和 Bedrock Agents（模型驱动的工具调用）；了解何时选择哪个是反复出现的干扰项。
托管的 HTTP/REST/WebSocket 前门，用于 Bedrock 支持的推理端点，具备限流、API 密钥、JWT 授权和使用计划分层功能。
为什么会出现在考试中： 领域 2 的生产化场景考察如何将 RAG 和代理端点外部化——API Gateway 是指定的入口点，与 Lambda 或直接 Bedrock 集成配对使用。
AIP-C01 中主要用于托管 JumpStart 基础模型的 ML 平台，适用于 Bedrock 托管 API 不适合的实时/无服务器/异步端点场景。
为什么会出现在考试中： 领域 2 的端点部署问题考察 SageMaker 上的实时、无服务器和异步推理选择；与 Bedrock 相比的成本和冷启动权衡是典型的考点。
托管的 NLP 服务，提供 PII 检测 API，可返回实体范围和类型，以及有针对性的 PII 脱敏——可用作 Guardrails 预过滤器或推理后清洗器。
为什么会出现在考试中： 领域 3 的 PII 处理问题考察分层防御：Comprehend 用于检测，Guardrails 用于阻止——了解它们在管道中的各自位置是考试内容。
账户级访问控制，通过服务角色、基于身份和基于资源的策略以及条件键来管理 Bedrock 模型访问、Agent 执行和知识库摄取。
为什么会出现在考试中： 领域 3 (AI 安全、安保与治理) 考察 Bedrock 调用、Agent 操作组和知识库摄取的最小权限角色——IAM 是整个过程中指定的机制。
客户托管的加密密钥，用于 Bedrock 模型定制数据、知识库向量索引、S3 源文档和 CloudWatch 调用日志。
为什么会出现在考试中： 领域 3 的合规场景考察客户托管密钥对微调语料和提示/响应日志的控制；KMS 授权和密钥策略是指定的答案。
账户级 API 调用审计日志——记录谁调用了哪个 Bedrock 模型，谁更新了 Guardrails，谁将数据摄取到知识库中，并可选择捕获推理的数据事件。
为什么会出现在考试中： 领域 3 的审计追踪场景将 CloudTrail 列为合规审查和 Bedrock 与 Agent 活动事件响应所需的不变记录。
指标、日志和告警服务——包括 Bedrock 模型调用日志（提示和补全）、Agent 追踪、知识库摄取进度以及 Lambda 操作组执行指标。
为什么会出现在考试中： 领域 4 (运营效率与优化) 和领域 5 (测试、验证与故障排除) 考察 CloudWatch 用于代币成本可观测性、延迟告警以及追踪失败的 Agent 操作组调用。
$140k–$195k–$280k USD 每年
AIP-C01 是一项较新的认证，缺乏专门的薪资调查。此范围来源于美国市场中相关的 GenAI / ML 工程职位的薪酬，应视为近似值。顶尖 AI 实验室和 FAANG 的高级 GenAI 工程师的总薪酬通常超过 40 万美元。入门级“GenAI”职位可能会低于此范围的低端。您的具体情况会因公司级别、地点和展示的已交付工作而差异很大。
来源：levels.fyi 2025–2026 年 GenAI / ML 工程师职位（相关），美国 BLS OEWS 2024 年 5 月（15-1252 software developers, 15-2051 data scientists）。数据为估算值；实际薪酬取决于职位、地区和经验。
随着企业对 Bedrock 和 LLM 的采纳从原型阶段转向生产系统，GenAI 工程职位在 2024-2026 年间成为增长最快的职位家族之一。AIP-C01 被定位为可信的专业级信号，表明候选人能够交付基于 Bedrock 的应用程序，包括 RAG、代理和受保护的生产端点。以 AWS 为中心的企业招聘人员会将其与 GitHub 上展示的 Bedrock 项目或生产工作一同参考。它与 AIF-C01（基础）、MLA-C01（工程广度）和 Solutions Architect Professional (SAP-C02) 强烈搭配，以建立多领域信誉。该认证本身并不能使候选人胜任 ML 研究、基础模型训练或应用科学职位 — 这些职位通常需要深厚的 ML 基础知识和研究生学位。
没有正式的先决条件。AWS 建议至少一年在 AWS 上使用基础模型构建应用程序的经验，外加一年的更广泛软件工程经验。实际期望包括熟练使用 Python、REST/SDK 集成、向量数据库，并至少有一次生产环境下的 Bedrock 或 SageMaker JumpStart 部署经验。
推荐的学习路径是首先学习 AIF-C01 以掌握 GenAI 词汇，然后学习 MLA-C01（工程深度）或 DVA-C02（开发人员熟练度），最后再攻克 AIP-C01。没有 AWS 经验的考生应预期学习曲线会很陡峭 — 许多 AIP-C01 问题都假定考生对 IAM、VPC、Lambda 和 API Gateway 有基本的了解。一个使用 Bedrock 结合 OpenSearch Serverless 或 Knowledge Bases 的个人 RAG 项目是唯一最有用的备考材料。
AIP-C01 被评定为专业级认证，是 AWS 副学士或更高级别考试中较难的一个，因为它涵盖了 LLM 应用程序工程和 AWS 平台深度。如果您已专业地构建 GenAI 应用程序，请计划在 10-14 周内投入 100-160 小时；如果您来自非 GenAI 背景，则需在 16 周以上投入 200+ 小时。考试包含 75 道计分题，时长 180 分钟 — 为多项选择和多项响应题，没有实验。
常见的难点包括 Bedrock 功能的广度（Agents、Action Groups、Guardrails、Knowledge Bases、模型评估、自定义模型导入、跨区域推理）、涉及预置吞吐量的细致成本优化场景，以及关于 RAG 检索质量与微调权衡的微妙问题。考试还会考察对提示注入和数据泄漏缓解措施的实际熟悉程度。
专业级生成式 AI 开发人员认证的首次全面推出。它取代并扩展了基础级 AIF-C01，提供了深入的 Bedrock 和 LLM 应用程序内容。截至 2026 年 4 月为当前版本。
AIP-C01 (AWS Certified Generative AI Developer - Professional) 是一门一项具有挑战性、场景丰富的考试，要求具备深入的实际操作经验以及做出架构权衡决策的能力Professional级别考试。大多数考生需要为专业和专家级别考试学习 150-300 小时，分摊在 3-6 个月内完成。这些考试通常要求具备先前的助理级别熟练度。 大多数在模拟考试中持续得分高于及格线的考生，在第一次尝试时都能通过。
大多数考生需要为专业和专家级别考试学习 150-300 小时，分摊在 3-6 个月内完成。这些考试通常要求具备先前的助理级别熟练度。 通过考试所需时间因个人经验而异。在底层技术方面具有实际生产经验的工程师通常所需时间较少；平台新手则应计划在学习时间范围的上限。
AIP-C01 是 AWS 生态系统中公认的证书，向雇主、招聘人员和客户表明您已具备经过验证的知识。它是否值得您投入时间和费用取决于您的角色和目标——对于日常使用 AWS 或希望从事相关工作的云工程师、架构师和顾问来说，其回报通常最大。
AIP-C01 的及格分数是 750 / 1000。考试包含 75 道题，时长为 3 小时。
AIP-C01 考试费用为 $300 USD。费用由 AWS 设定，并可能因地区而异；预订前请务必在 AWS 官方认证页面确认当前价格。
AWS 认证有效期为 3 年。在证书过期前，您可以通过通过相同考试的当前版本，或通过同一路径中更高级别的考试来重新认证。
是的。您可以选择在线考试（通过提供商的安全浏览器进行监考，在大多数地区全天候可用）或在工作时间内前往 Pearson VUE 线下考试中心参加。两种形式使用相同的题目、时间限制和及格分数。
CertLabPro 为 AIP-C01 提供了包含 15 种学习模式的练习题库。考试模拟模式与真实考试一致：75 道题，时长 3 小时，及格分数同样为 750 / 1000。浏览模式允许您静态阅读所有问答。