AWS Certified AI Practitioner（AIF-C01）备考指南：考试大纲、学习重点与练习方法

AWS Certified AI Practitioner（AIF-C01）面向希望理解 AI 基础概念、常见应用和 AWS AI 工具的人。重点是看懂场景、判断方案边界并识别风险；不要求你从零训练模型或推导复杂数学公式。

这篇指南会说明考试覆盖什么、哪些概念容易混淆，以及怎样安排学习和练习。考试目标和服务范围可能更新，准备时请以 AWS 最新考试指南为准。

这门考试适合谁？

云和应用开发人员：想理解 AI 能力，并判断某类工具是否适合当前需求。
数据与业务分析人员：需要理解 AI 能做什么、不能做什么，以及如何评估结果。
技术负责人和方案顾问：需要参与成本、安全、合规和风险讨论。

它不是 ML 工程或 AI 研究认证。如果你的目标是训练、部署和监控 ML 模型，可继续了解 MLA-C01；如果要构建生产级生成式 AI 应用，可了解 AIP-C01。

需要什么基础？

不要求编程、数学推导或模型训练经验。了解基本云概念会有帮助，例如账号、权限和云服务的用途。如果这些概念也很陌生，可以先看 CLF-C02 指南；这不是报考前置条件。

学习时，不必把每个 AI 术语都背成定义。更有用的是能解释：问题属于什么类型、需要什么数据、怎样判断结果好坏，以及可能带来什么风险。

考试大纲与权重

下表列出 AWS 指南中的五个 Domain。权重指计分内容占比；考试目标和服务列表会更新，复习前请再对照官方指南。

Domain	官方名称	重点	权重
1	Fundamentals of AI and ML	AI/ML 基础、实际应用、AI/ML 生命周期	20%
2	Fundamentals of GenAI	生成式 AI、基础模型、提示与上下文、成本和 agentic AI 概念	24%
3	Applications of Foundation Models	基础模型应用、定制方式、提示管理、评估与迭代	28%
4	Guidelines for Responsible AI	公平、透明、隐私、偏差与人工监督	14%
5	Security, Compliance, and Governance for AI Solutions	AI 系统安全、合规、治理、输出校验与数据保护	14%

Domain 3 权重最高，但不要因此忽略其他部分。Domain 1 和 2 的基础概念会贯穿应用题；Domain 4 和 5 则涉及如何负责任、安全地使用 AI。

五个 Domain 怎么学

Domain 1：AI 与机器学习基础

理解 AI、机器学习（ML）、深度学习和生成式 AI 的关系；识别分类、预测、推荐等常见应用；了解数据准备、训练、推理、评估和监控组成的 AI/ML 生命周期。还要能区分不同推理方式，并根据场景判断传统 ML 或基础模型（FM，能适应多种任务的大型预训练模型）更合适。

容易混淆： 把所有预测都当成生成式 AI；只记模型指标，却忽略业务结果。复习时试着用一个例子讲清输入数据、模型输出和如何衡量效果。

Domain 2：生成式 AI 基础

了解生成式 AI 的用途与限制、模型选择因素，以及提示和上下文如何影响结果。新版本目标还涉及 token 计费对成本和性能的影响，以及 agentic AI 的基础概念，例如工具调用、记忆、多 agent 协作和工作流编排。

容易混淆： 认为模型越大就越准确；把检索增强生成（RAG，用外部资料为回答提供依据）和微调（用示例调整模型行为）当成同一种方法。用“需要新知识还是需要稳定的特定行为”来比较两种方案。

Domain 3：基础模型的应用

关注怎样把模型用于实际任务：提示与上下文设计、RAG、微调等定制方法的成本取舍、agent 的多步骤任务、提示词版本管理，以及怎样用人工评估、基准数据和业务指标检查效果。

容易混淆： 还没验证提示和数据，就先决定微调；只看演示效果，不检查失败案例、延迟、成本或用户满意度。练习时从“目标—数据—方法—评估—迭代”梳理方案。

Domain 4：负责任 AI

理解公平、透明、可解释、隐私和安全使用等原则，识别偏差可能来自哪里，以及哪些情况需要人工监督、用户反馈或明确告知。

容易混淆： 把责任都交给模型供应商。试着为每种风险写出一个具体控制措施，并说明由谁执行、何时执行。

Domain 5：安全、合规与治理

学习权限和数据保护、审计与日志、威胁防护、提示注入、数据泄露、输出过滤和验证等考点；理解治理要求如何约束数据与模型的使用。官方指南也会列出相关 AWS 服务，服务清单请以最新版本为准。

容易混淆： 只想到加密，忽略最小权限、日志、输出检查和事件响应。可以用“谁能访问、数据如何保护、交互如何记录、异常如何处理”检查一个方案。

建议的学习顺序

先掌握 AI/ML 基础和常见应用（Domain 1）。
学生成式 AI、基础模型、上下文和 agentic AI 概念（Domain 2）。
再学应用方案、成本取舍和评估方法（Domain 3）。
最后集中复习负责任 AI、安全、合规和治理（Domain 4–5）。

按这个顺序建立概念框架后，再用官方目标逐项查漏。不要只背服务名称；要能说明服务解决哪类问题，并知道它的适用边界。

备考三步

对照官方指南。 阅读最新考试指南，按目标标记熟悉、模糊和未学过的内容。指南给出目标范围，但不代表完整题库。
整理简短笔记。 每个 Domain 记录关键概念、容易混淆的对比和一个实际例子；对新目标特别留意 agent、上下文、成本和评估。
练习并回看错题。 按 Domain 归类错误，找出是概念不清、场景判断错误还是忽略风险，再回到官方材料复习。

准备度可以用三个问题自查：能否向非技术同事解释 ML 和生成式 AI 的区别？能否为知识问答场景比较 RAG 与微调？能否列出 AI 应用上线前的安全和责任检查？答不上来时，先补对应概念，再增加练习量。

常见问题

考 AIF-C01 需要机器学习经验吗？

不要求。基础云知识有帮助，但不需要先成为 ML 工程师。

一定要先考 CLF-C02 吗？

不需要。若云服务和权限等概念比较陌生，可以先补基础；已有云基础则可以直接准备 AIF-C01。

AIF-C01、MLA-C01 和 AIP-C01 怎么选？

AIF-C01 侧重 AI 概念与应用判断；MLA-C01 侧重 ML 工程；AIP-C01 侧重生产级生成式 AI 应用。具体考试范围请分别查看 AWS 最新指南。