www.awsgood.com
公开的考试指南把 AIP-C01 分成四个领域。买课之前先看权重,因为它们和营销宣传并不一致。
| # | 领域 | 权重 | ≈ 65 题中的题数 |
|---|---|---|---|
| 1 | 基础模型集成、数据管理与合规 | 31% | ~20 |
| 2 | 实现与集成 | 26% | ~17 |
| 3 | GenAI 应用的运营效率与优化 | 20% | ~13 |
| 4 | GenAI 应用的安全、合规与治理 | 23% | ~15 |
领域 1 不是"提示词工程"。它涵盖模型选型权衡(按需吞吐 vs 预置吞吐、基础模型 vs 自托管端点)、RAG 的数据管道、分块与嵌入策略,以及你的数据允许存放在哪里。这个定位很重要:在 g5.xlarge 上自托管的 7B 模型和一次按需 Bedrock 调用,处于完全不同的成本和延迟量级,而考试期望你能针对给定约束做出正确选择。
这门认证面向的是把功能交付上线的人,而不是卖功能的人。你应当已经熟悉 IAM 策略、Lambda、S3 事件流和 CloudWatch。如果你从未写过基于资源的策略,或者从未调试过 API Gateway 授权器返回的 403,先把这些补上——否则领域 2 和领域 4 会把你吃得干干净净。
AIP-C01 在 Professional 级别标价 300 美元,通过 Pearson VUE 在考试中心或线上监考交付。你会得到 100–1000 的换算分,750 及格,考后成绩报告会进入你的 AWS Certification 账户。题型为单选和多选;AWS 在较新的 AI 考试中也开始出现排序题和匹配题,遇到了别慌。
| 考试 | 级别 | 题数 / 时长 | 及格分 | 标价(美元) | 适合谁考 |
|---|---|---|---|---|---|
| AIF-C01 AI Practitioner | Foundational | 65 / 90 分钟 | 720 | $100 | 刚接触 AWS AI 服务或不参与构建的人 |
| MLA-C01 ML Engineer Associate | Associate | 65 / 130 分钟 | 720 | $150 | 负责 SageMaker 训练管道的人 |
| AIP-C01 GenAI Developer Professional | Professional | 65 / 130 分钟 | 750 | $300 | 在生产环境构建 Bedrock 支撑功能的人 |
如果你在决定顺序:如果从未考过 AWS AI 考试,先考 AIF-C01,然后直接上 AIP-C01。跳过 Associate 级别的词汇直接考 AIP-C01 是可行的,但你会花两周时间学服务名称而不是架构。官方模拟考试需额外付费,但每一分钱都值——相同的题型风格,相同的陷阱措辞。
如果以下任何一条属实,就先缓一缓。你从未在 Bedrock 控制台启用过模型访问权限,也没撞上过"模型访问"那堵墙。你解释不清 VPC 端点和 PrivateLink 服务之间的区别。你从未调试过推理 API 的限流错误,也没为此申请过配额提升。为了逼自己而订考试日期对某些人有效;以我的经验,这大多只会产生一次 300 美元的重考,因为 Professional 级别的题是场景链,不是定义题。先做两周实验比改期更便宜。
五十小时,每周 8–10 小时。每周结束时都要有东西跑起来,而不是读完什么东西。
| 周 | 重点 | 小时 | 交付物 |
|---|---|---|---|
| 1 | 领域 1:模型选型、嵌入、分块、数据驻留 | 8 | 基于 S3 中约 200 个 PDF 的知识库 |
| 2 | 领域 1:PII 处理、模型评估、Guardrails | 8 | 评估作业 + 带禁用主题的护栏 |
| 3 | 领域 2:Agents、操作组、异步流程、Step Functions | 10 | 调用 Lambda 操作组的 Agent |
| 4 | 领域 3:延迟与成本——流式、缓存、吞吐 | 8 | 每个模型的 token 成本和 p95 延迟笔记 |
| 5 | 领域 4:IAM、KMS、VPC 端点、CloudTrail、SCP | 8 | 真正能让调用失败的默认拒绝 SCP 测试 |
| 6 | 模拟考试、薄弱区重读、限时演练 | 8 | 两次 130 分钟内完成的 65 题演练 |
第 1 周先检查你的账户实际能调用什么。模型访问是按账户、按区域授权的,这条命令不止一次帮我省下浪费的下午:
aws bedrock list-foundation-models
--region us-east-1
--query "modelSummaries[?modelLifecycle.status=='ACTIVE'].[modelId,providerName]"
--output table
另外两个学习习惯也很有回报。反复阅读考试指南中的四个领域描述,直到你能预判一道模拟题属于哪个领域——仅这一条就能告诉你哪个约束才是关键。还要维护一个持续记录文件,记下你遇到的每一条错误信息;考试里满是读起来像你已经调试过的错误信息的场景。
## 凌晨 1:40 失败的 Bedrock 实验,以及它教会我的东西
备考第 3 周,UTC 01:40,一个 Step Functions 工作流调用 Lambda,Lambda 调用 us-east-1 中的 Claude 模型。这个 Lambda 已经正常运行了两天。然后它开始返回:
An error occurred (ValidationException) when calling the InvokeModel operation:
Invocation of model ID anthropic.claude-3-5-sonnet-20240620-v1:0 with on-demand
throughput isn't supported. Retry your request with the ID or ARN of an inference
profile that contains this model.
我最初的配置错了两处。模型 ID 是硬编码的,没有跨区域推理配置文件前缀;而且 IAM 策略只在裸的基础模型 ARN 上授予了 `bedrock:InvokeModel`。这两处我都是从一个写于推理配置文件出现之前的教程里抄来的。
一旦停止瞎猜,诊断只花了约 15 分钟。我列出了推理配置文件,然后确认了调用所需的确切资源:
```bash
aws bedrock get-inference-profile
--inference-profile-identifier us.anthropic.claude-3-5-sonnet-20240620-v1:0
--region us-east-1
aws cloudtrail lookup-events
--lookup-attributes AttributeKey=EventName,AttributeValue=InvokeModel
--max-results 5 --query "Events[].[EventTime,CloudTrailEvent]" --output text
修复方法是将模型 ID 改为带 `us.` 前缀的推理配置文件,并在推理配置文件 ARN 以及该配置文件路由到的各区域中的底层基础模型 ARN 上同时授予 `bedrock:InvokeModel`。下一次部署全部通过。我带进考场的是这个模式,而不是模型名称:当托管基础模型不接受你的调用时,你命名的资源和该服务解析出的资源是两回事。这就是领域 2 的思维方式。
考试当天还会出现一个相关的错误:`ThrottlingException: Too many requests, please wait before trying again.` 按需 InvokeModel 配额是按模型、按区域、按账户计算的。在一个模型上被限流,并不说明你在另一个模型上的配额如何,而跨区域推理配置文件无需提交支持工单就能提高你的有效上限。
## 高收益陷阱与 130 分钟考试技巧
这些是我在模拟题中反复看到的区分点:
- Bedrock Guardrails(内容过滤器、禁用主题、上下文接地检查)vs WAF(HTTP 层规则)vs Macie(S3 数据发现)vs Comprehend(对已有文本做 PII 检测)。
- 预置吞吐以承诺换取稳定容量 vs 按需按 token 付费并受配额上限约束。
- Knowledge Bases 管理分块、同步和检索 vs 你手搓 OpenSearch 并拥有整条管道。
- 围绕数据驻留的合规题——跨区域推理配置文件会跨区域路由,这是合规决策,不只是延迟决策。
- 要求你对 RAG 管道排序的题目。在点击之前先把步骤写在提供的草稿纸上。
时间安排:130 分钟 65 题,每题两分钟。我做一遍,把需要再读的题标记出来,最后剩了 22 分钟——这大概就是你想要的缓冲,因为匹配题和排序题每题要花三四分钟。答错不扣分,所以任何题都不要空着交卷。
再给实验周一个预算提示:OpenSearch Serverless 按 OCU 小时计费,而且较旧的集合类型不会缩容到零,所以你第 3 天搭的知识库到第 30 天还在计费。设一个日历提醒,每周五拆除实验堆栈。我们通过 awsgood.com 托管服务清理过不止一个客户被遗忘的 GenAI 沙箱,而且这