中文
中文English

AIP-C01 练习题 — AIP-C01：生成式 AI 开发 - 专业级

1、题库联网，会自动更新，无需重新获取；

2、激活题库，可同时拥有中英文的访问权限；

3、包含在线练习，模拟测试，PDF下载，视频课程；

4、可使用小程序，或电脑网页端刷题学习，有效期一年；

5、激活码可直接购买，或通过天猫旗舰店购买；

6、有问题可通过微信，whatsapp,Line联系客服；

考试信息

生成式 AI 开发 - 专业级 考试代码：AIP-C01


·报名链接：https://aws.amazon.com/cn/certification/certification-prep/testing/

·考试费用：300美金。可以购买考试券，价格在1550RMB左右（考试券购买： https://item.taobao.com/item.htm?id=991899961156 ）。

·考试语言：简体中文、英文，日语等。不同语言证书含金量一样，用中文考，也可以下载英文证书。

·考试地点：可在对应城市的线下Pearson VUE考点，也可以使用自己的电脑线上考试（考试全程开摄像头，不要想着作弊哦）。

·考试环境：在线考试时需要背景简洁，不能有噪音，有条件可申请公司会议室，并多备一个网络（不一定需要VPN）。

·考试时长：180分钟。考完一个工作日内会通过邮件发送成绩单。

·考试题型：75道选择题（单选+多选 ），总分1000分，成绩750分以上即可通过。


附：获取此证书可以申请北京的居住证。


样题

AIP-C01 · Q1
Topic 1 Question #1 一家零售公司拥有一款基于 Amazon Bedrock 的生成式人工智能 (GenAI) 产品推荐应用。该应用会根据用户的浏览历史和人口统计信息向其推荐产品。该公司需要对多个人口统计群体进行公平性评估，以检测和衡量两种推荐方式之间的偏差。该公司希望实时收集和监控公平性指标。如果不同人口统计群体之间的公平性指标差异超过 15%，则必须收到警报。此外，该公司还必须每周收到比较两种推荐方式性能的报告。 哪种解决方案能够以最少的定制开发工作量满足这些要求？
  • A.
    配置 Amazon CloudWatch 控制面板，以显示来自 Amazon Bedrock API 调用的默认指标。基于模型输出创建自定义指标。设置 Amazon EventBridge 规则，以调用 AWS Lambda 函数对模型响应执行后处理分析，并发布自定义公平性指标。
  • B.
    在 Amazon Bedrock Prompt Management 中创建两个提示变体。使用 Amazon Bedrock Flows 部署这些提示变体，并定义流量分配。配置 Amazon Bedrock 防护栏，使其包含内容过滤器，以监控受众群体公平性。在 GuardrailContentSource 维度上设置 Amazon CloudWatch 警报，使用 InvocationsIntervened 指标来检测推荐差异阈值违规情况。
  • C.
    设置 Amazon SageMaker Clarify 以分析模型输出。将公平性指标发布到 Amazon CloudWatch。创建 CloudWatch 复合告警，将 SageMaker Clarify 偏差指标与 Amazon Bedrock 延迟指标相结合，以提供全面的公平性评估仪表板。
  • D.
    创建一个 Amazon Bedrock 模型评估作业，以比较两种提示变体的公平性。在 Amazon CloudWatch 中启用模型调用日志记录。为每个用户群体设置维度，并针对 InvocationsIntervened 指标设置 CloudWatch 警报。

答案: C

本题考察AWS生成式AI开发中负责任AI的公平性评估方案选型，核心要求是最小定制开发量实现实时公平性指标监控、阈值告警和周度性能报告。SageMaker Clarify是AWS托管的机器学习与生成式AI公平性、可解释性检测服务，内置了多种标准化公平性偏差指标计算逻辑，无需用户自行开发偏差检测算法，可直接对接Amazon Bedrock的模型输出开展跨人口统计群体的偏差分析，同时支持将计算得到的公平性指标自动发布到Amazon CloudWatch。CloudWatch可直接配置阈值告警，当不同群体的公平性指标差异超过15%时触发通知，同时CloudWatch支持生成定期统计报告，可自动输出每周的两种推荐方式性能对比结果，整个流程仅需完成服务配置即可，定制开发工作量极低，完全满足题目的所有需求。 各选项分析： A. 该方案需要用户自行开发Lambda函数实现公平性指标的后处理分析逻辑，涉及大量定制开发工作，不符合题目要求的最少定制开发量原则，因此错误。 B. Amazon Bedrock防护栏（Guardrails）的核心功能是内容安全管控，用于过滤有害、敏感内容，本身不具备跨人口统计群体的公平性偏差检测能力，InvocationsIntervened指标代表被防护栏拦截的调用次数，与不同群体的推荐差异没有关联，无法满足公平性评估需求，因此错误。 C. 该方案使用托管的SageMaker Clarify完成公平性指标计算，无需自定义偏差检测逻辑，指标直接同步到CloudWatch后即可实现阈值告警和周度报告生成，完全覆盖所有需求且定制开发量最少，因此正确。 D. Amazon Bedrock模型评估作业属于离线批量评估工具，无法实现实时收集和监控公平性指标的需求，同时InvocationsIntervened是防护栏的内容拦截指标，不适合用于衡量公平性偏差，因此错误。 关键知识点： 1. Amazon SageMaker Clarify核心能力：SageMaker Clarify是AWS官方托管的公平性与可解释性检测服务，内置多种标准化公平性偏差指标，支持对接包括Bedrock在内的各类生成式AI模型开展负责任AI评估，无需用户自行开发底层检测逻辑。 2. Amazon CloudWatch生成式AI监控能力：CloudWatch支持接收各类AWS服务的自定义指标，可配置阈值告警触发通知，同时支持生成定期统计报告，满足生成式AI应用的实时监控和周期性报表需求。 3. Amazon Bedrock服务场景边界：Bedrock Guardrails仅适用于内容安全管控，Bedrock模型评估作业仅适用于离线批量模型效果评估，二者均不支持实时跨群体公平性偏差检测场景。 参考资料： Amazon SageMaker Clarify 公平性检测文档, https://docs.aws.amazon.com/sagemaker/latest/dg/clarify-fairness.html Amazon CloudWatch 告警与报告文档, https://docs.aws.amazon.com/AmazonCloudWatch/latest/monitoring/AlarmThatSendsEmail.html
AIP-C01 · Q2
Topic 1 Question #2 一家金融公司正在开发一款人工智能助手，以帮助客户规划投资和管理投资组合。该公司发现一些高风险对话模式，例如客户要求提供特定股票推荐或保证收益。如果该公司无法实施适当的控制措施，这些高风险对话模式可能会导致违规行为。 该公司必须确保人工智能助手不会提供不恰当的财务建议、生成有关竞争对手的内容，或做出任何未经公司批准的财务指导原则证实的声明。该公司希望使用 Amazon Bedrock Guardrails 来实现解决方案。 以下哪些步骤组合能够满足这些要求？（选择三个。）
  • A.
    将高风险对话模式添加到禁止话题的防护措施中。
  • B.
    配置内容过滤保护机制，过滤掉包含高风险对话模式的提示。
  • C.
    配置内容过滤规则，过滤包含竞争对手名称的提示。
  • D.
    将竞争对手名称添加为自定义词过滤器。将输入和输出操作设置为阻止。
  • E.
    设置较低的接地分数阈值。
  • F.
    设置较高的接地分数阈值。

答案: ADF

本题要求通过Amazon Bedrock Guardrails实现三个核心合规目标，分别是拦截不当财务建议类高风险对话、禁止生成竞争对手相关内容、确保输出仅符合公司批准的财务指导原则。选择ADF三个选项的组合可完整覆盖需求：首先通过禁止话题配置拦截股票推荐、收益保证等高风险金融咨询交互，再通过自定义词过滤器全链路阻止竞争对手相关内容的输入输出，最后通过调高接地分数阈值确保所有输出内容严格匹配公司官方的财务指导知识库，从三个维度同时满足合规要求，符合AIP-C01认证中生成式AI应用合规管控的核心考核要求。 各选项分析： A. 正确，Amazon Bedrock Guardrails的禁止话题功能支持用户自定义专属的风险主题，本题中提到的特定股票推荐、收益保证等高风险对话模式可直接作为禁止话题添加，触发后系统会自动拦截相关交互，完美匹配避免不当财务建议的需求。 B. 错误，Bedrock Guardrails的内容过滤保护机制是AWS预设的通用有害内容过滤能力，覆盖仇恨言论、暴力、色情等通用有害类别，不支持自定义匹配用户专属的高风险对话模式，因此无法满足本题的个性化风险拦截需求。 C. 错误，预设的内容过滤规则仅能过滤通用类别的有害内容，无法针对特定自定义关键词（如竞争对手名称）进行精准过滤，竞品名称类的特定词汇管控需要使用自定义词过滤器功能，而非通用内容过滤规则。 D. 正确，Bedrock Guardrails的自定义词过滤器功能支持用户添加专属敏感词汇，本题中将竞争对手名称添加到该列表后，同时配置输入输出都阻止的动作，既可拦截用户输入的竞品相关查询，也可阻止AI生成竞品相关内容，完全满足禁用竞品内容的要求。 E. 错误，接地分数是Bedrock Guardrails用于衡量生成内容与用户指定的授权知识库（本题中为公司批准的财务指导原则）匹配程度的指标，较低的接地分数阈值会允许大量与授权知识库匹配度低的内容输出，极易出现未经公司批准的违规声明，不符合合规要求。 F. 正确，较高的接地分数阈值会强制要求AI生成的内容必须与公司授权的财务指导原则有极高的匹配度才能输出，有效避免AI生成未经验证的违规财务声明，完全满足输出内容仅可基于公司批准规则的要求。 关键知识点： 1. Amazon Bedrock Guardrails禁止话题功能，支持用户自定义生成式AI应用不可涉及的专属风险主题，触发后自动执行拦截、告警等预设动作，是生成式AI应用个性化合规管控的核心能力之一。 2. Amazon Bedrock Guardrails自定义词过滤功能，支持用户添加专属敏感词汇，可分别对用户输入提示和AI输出响应配置拦截、屏蔽、替换等处理动作，实现特定词汇的全链路管控。 3. Amazon Bedrock Guardrails接地验证功能，通过接地分数量化生成内容与用户指定授权知识库的匹配程度，可通过调整阈值控制输出内容的合规性，是实现生成内容可控可信的核心手段。 参考资料： 1. Amazon Bedrock Guardrails 官方文档, https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails.html 2. Amazon Bedrock Guardrails 内容管控配置指南, https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails-controlling-content.html
AIP-C01 · Q3
Topic 1 Question #3 一家公司部署了一个基于 React 的 AI 助手应用程序，该应用程序使用了 AWS Amplify、AWS AppSync GraphQL API 和 Amazon Bedrock 知识库。该应用程序使用 GraphQL API 调用 Amazon Bedrock RetrieveAndGenerate API 来进行知识库交互。该公司配置了一个 AWS Lambda 解析器，使用 RequestResponse 调用类型。 应用程序用户反映经常出现超时和响应缓慢的情况。对于需要更长时间处理的复杂问题，用户反映这些问题的频率更高。 该公司需要一个解决方案来解决这些性能问题并提升用户体验。 哪个解决方案能够满足这些要求？
  • A.
    使用 AWS Amplify AI Kit 实现来自 GraphQL API 的流式响应，并优化客户端渲染。
  • B.
    增加 Lambda 解析器的超时值。实现指数退避重试逻辑。
  • C.
    更新应用程序，使其向 Amazon SQS 队列发送 API 请求。更新 AWS AppSync 解析器，使其轮询并处理该队列。
  • D.
    将 RetrieveAndGenerate API 更改为 InvokeModelWithResponseStream API。更新应用程序，使其使用 Amazon API Gateway WebSocket API 来支持流式响应。

答案: A

本题场景为基于Amplify、AppSync GraphQL的React应用，通过同步RequestResponse模式调用Bedrock RetrieveAndGenerate API，复杂问题处理时间长导致用户感知超时、响应慢。核心解决思路是在最小化改动现有技术栈的前提下，实现生成内容的实时返回，避免用户等待完整响应生成。选项A采用Amplify AI Kit实现流式响应，是适配现有技术栈的原生最优方案，可将Bedrock生成的内容分片实时推送给前端，配合客户端渲染优化，用户无需等待全部内容生成即可看到输出，既解决了同步调用的超时问题，又大幅提升用户体验，完全满足需求。 各选项分析： A. 正确。AWS Amplify AI Kit是AWS官方为Amplify栈应用提供的生成式AI集成工具，原生支持与现有AppSync GraphQL API、Amazon Bedrock整合实现流式响应，无需大幅修改后端架构，配合客户端渲染优化即可实现内容的实时返回，完美解决同步调用的超时问题和感知延迟，符合业务需求且改造成本最低。 B. 错误。Lambda最大超时仅为15分钟，且前端HTTP请求本身存在固定超时阈值，单纯增加Lambda超时和添加重试逻辑无法解决用户端等待时间过长的问题，重试还会额外增加Bedrock调用压力和用户等待时长，无法有效提升体验。 C. 错误。引入SQS队列加轮询的架构会大幅提升系统复杂度，轮询机制无法实现内容的实时推送，用户依然需要等待完整响应生成才能获取结果，无法解决响应慢和超时的体验问题，同时还会增加消息丢失、重复处理等运维风险。 D. 错误。该方案需要完全替换现有AppSync GraphQL API为API Gateway WebSocket API，对现有应用架构改动极大，重构成本高，而题目现有技术栈已经有更轻量化的Amplify原生流式方案可选，因此不是最优解。 关键知识点： 1. AWS Amplify AI Kit可实现与AppSync、Amazon Bedrock的原生流式响应集成，无需大量重构现有Amplify栈应用即可优化生成式AI交互体验，是AIP-C01认证中前端生成式AI集成的核心考点。 2. 生成式AI长响应场景下，流式响应相比同步RequestResponse调用，可大幅降低用户感知延迟，避免客户端超时，是生成式AI应用交互优化的首选方案。 3. 生成式AI应用架构选型需优先考虑现有技术栈的原生集成能力，最小化重构成本的同时满足业务需求，是AIP-C01认证中架构设计的核心评估原则。 参考资料： AWS Amplify AI Kit 官方文档, https://docs.aws.amazon.com/amplify/latest/userguide/ai.html Amplify 与 Amazon Bedrock 集成实现流式响应官方指南, https://docs.aws.amazon.com/amplify/latest/userguide/ai-bedrock.html#ai-bedrock-streaming
AIP-C01 · Q4
Topic 1 Question #4 一家电商公司运营着一个全球产品推荐系统，该系统需要根据监管、成本优化和性能要求，在 Amazon Bedrock 的多个基础模型 (FM) 之间切换。该公司必须应用基于专有业务逻辑的自定义控制，包括动态成本阈值、AWS 区域特定合规性规则以及跨多个 FM 的实时 A/B 测试。系统必须能够在不部署新代码的情况下切换 FM。系统必须根据复杂的规则路由用户请求，这些规则包括用户级别、交易金额、监管区域以及每小时变化且需要立即在数千个并发请求中传播的实时成本指标。 哪种解决方案能够满足这些要求？
  • A.
    部署一个 AWS Lambda 函数，该函数使用环境变量来存储路由规则和 Amazon Bedrock FM ID。当业务需求发生变化时，使用 Lambda 控制台更新环境变量。配置一个 Amazon API Gateway REST API 来读取请求参数，从而做出路由决策。
  • B.
    部署 Amazon API Gateway REST API 请求转换模板，以实现基于请求属性的路由逻辑。将 Amazon Bedrock FM 端点存储为 REST API 阶段变量。当系统在不同模型之间切换时，更新这些变量。
  • C.
    配置一个 AWS Lambda 函数，用于从 AWS AppConfig Agent 获取每个用户请求的路由配置。在 Lambda 函数中运行业务逻辑，为每个请求选择合适的函数模块 (FM)。通过单个 Amazon API Gateway REST API 端点公开该函数模块。
  • D.
    使用 AWS Lambda 授权器来评估存储在 AWS AppConfig 中的路由规则，从而为 Amazon API Gateway REST API 提供授权。根据业务逻辑返回授权上下文。将请求路由到每个 Amazon Bedrock FM 的特定模型 Lambda 函数。

答案: C

正确答案为C。本题核心需求包括四点，一是无需部署新代码即可切换Bedrock基础模型，二是支持复杂动态路由规则，涵盖用户级别、交易金额、区域合规、实时成本阈值、A/B测试逻辑，三是规则更新后可立即在数千并发请求中生效，四是满足成本、合规、性能的综合要求。选项C使用AWS AppConfig作为动态配置中心存储所有路由规则和模型ID，AppConfig支持配置的秒级全量推送，无需修改应用代码即可完成规则更新，Lambda集成AppConfig Agent可在每次请求处理时获取最新的配置数据，Lambda中可运行任意复杂的业务逻辑完成规则校验和模型选择，通过统一的API网关入口对外提供服务，完全匹配所有需求，符合AWS生成式AI开发的最佳实践。 各选项分析： A. 错误。Lambda环境变量的更新仅对更新后启动的新Lambda实例生效，已经运行的温实例无法立即获取最新环境变量，无法满足规则更新立即传播到数千并发请求的要求，同时环境变量不适合存储结构复杂、频繁更新的路由规则，维护成本极高。 B. 错误。API Gateway的请求转换模板仅支持简单的参数映射逻辑，无法实现用户级别判断、成本阈值计算、合规校验等复杂业务路由逻辑，且阶段变量的更新需要重新部署API阶段，无法实现规则的立即生效，不符合需求。 C. 正确。AWS AppConfig是专门用于动态应用配置管理的服务，支持配置的秒级下发、灰度验证、自动回滚能力，无需修改代码即可更新路由规则和模型ID，Lambda集成AppConfig Agent可实时获取最新配置，在Lambda中可灵活实现所有自定义业务逻辑完成模型选择，统一API网关入口也符合性能和成本优化要求，完全满足所有题设条件。 D. 错误。Lambda授权器的设计定位是处理身份验证、权限校验等授权逻辑，不适合承载业务路由功能，同时为每个Bedrock模型部署独立的Lambda函数会大幅提升架构复杂度和运行成本，不符合最佳实践和成本优化要求。 关键知识点： 1. AWS AppConfig核心能力：AWS AppConfig可在不部署应用代码的前提下动态管理配置，支持配置的秒级全量生效、格式校验、灰度发布，是动态业务规则场景的首选配置管理服务。 2. Amazon Bedrock动态路由最佳实践：对于需要多模型切换的Bedrock应用，应将模型ID、路由规则与业务代码解耦，通过独立的配置管理服务存储规则，避免硬编码导致的发布风险。 3. 无服务器动态配置选型：Lambda环境变量、API Gateway阶段变量仅适用于静态、低频率更新的配置，复杂、高频、需要实时生效的动态配置需使用专门的配置管理服务。 参考资料： AWS AppConfig 用户指南, https://docs.aws.amazon.com/appconfig/latest/userguide/what-is-appconfig.html Amazon Bedrock 开发者指南, https://docs.aws.amazon.com/bedrock/latest/userguide/what-is-service.html
AIP-C01 · Q5
Topic 1 Question #5 一家公司正在开发一款内部生成式人工智能 (GenAI) 助手，该助手使用 Amazon Bedrock 为多个业务部门生成公司文档摘要。GenAI 助手必须以一致的格式生成回复，其中包括文档摘要、业务风险分类以及需要审核的标记术语。GenAI 助手必须能够根据每个用户所属的业务部门（例如法务、人力资源或财务）调整回复的语气。GenAI 助手必须能够屏蔽仇恨言论、不当话题以及敏感信息（例如个人健康信息）。 该公司需要一个解决方案来集中管理跨业务部门和团队的提示变体。该公司希望最大限度地减少后续处理逻辑的持续编排工作和维护。此外，该公司还希望能够随着时间的推移调整 GenAI 助手的内容审核标准。 哪种解决方案能够以最低的维护成本满足这些要求？
  • A.
    使用 Amazon Bedrock 提示管理功能配置可重用的模板和特定于业务部门的提示变体。应用 Amazon Bedrock 防护措施，包括类别过滤器和敏感词列表，以阻止违禁内容。
  • B.
    使用 Amazon Bedrock 提示管理功能定义基础模板。通过系统提示变量强制执行特定业务部门的提示语调。配置 Amazon Bedrock 防护措施以应用基于受众的阈值调整。使用内部管理 API 管理防护措施。
  • C.
    在 API 调用中使用基于业务单元的指令注入，并结合 Amazon Bedrock。将响应格式规则存储在 Amazon DynamoDB 中。使用 AWS Step Functions 验证响应。在 GenAI 助手生成响应后，使用 Amazon Comprehend 应用内容过滤器。
  • D.
    使用 Amazon Bedrock 和存储在 Amazon DynamoDB 中的自定义提示模板。创建一个 AWS Lambda 函数来选择特定于业务部门的提示。创建第二个 Lambda 函数来调用 Amazon Comprehend 来过滤响应中的违禁内容。

答案: A

本题的核心需求可归纳为四点，一是集中管理跨业务部门的提示变体，二是最小化后续编排和维护工作量，三是可灵活调整内容审核标准，四是满足固定输出格式、分部门调整语气、违规内容屏蔽的功能要求。选项A全部采用Amazon Bedrock原生托管功能实现需求，无需自定义开发额外组件，是维护成本最低的方案。其中Bedrock提示管理功能原生支持集中存储、版本管理提示模板，可直接配置不同业务部门的专属提示变体，实现输出格式统一、按部门调整语气的要求，无需自行搭建提示存储、调度逻辑。Bedrock防护措施是全托管的内容审核工具，内置违规内容类别过滤、敏感信息如个人健康信息检测、自定义敏感词列表功能，可直接实现仇恨言论、不当内容、敏感信息的屏蔽，且审核规则可随时调整，无需自行开发内容审核逻辑，完全匹配所有需求。 各选项分析： A. 该选项正确。Amazon Bedrock提示管理是原生托管功能，支持集中管理提示模板和分业务部门的提示变体，可直接实现输出格式统一、按部门调整语气的需求，无需自定义存储和调度逻辑。Bedrock防护措施是全托管内容安全功能，支持配置类别过滤器、自定义敏感词列表，可直接满足内容屏蔽需求，且规则调整便捷，无额外自定义组件需要维护，完全符合最低维护成本的要求。 B. 该选项错误。方案中提到使用内部管理API管理防护措施，以及额外配置基于受众的阈值调整，这些都属于不必要的自定义开发内容，会增加后续维护工作量，且题目未要求基于受众的阈值调整，相比选项A维护成本更高，不符合要求。 C. 该选项错误。方案需要自行维护DynamoDB存储响应规则、使用Step Functions做响应验证、基于Amazon Comprehend开发内容过滤逻辑，所有组件均需自定义编排和持续维护，运维成本极高，不符合最小化维护的要求。 D. 该选项错误。方案需要自行维护DynamoDB存储提示模板、开发两个Lambda函数分别实现提示选择和内容过滤功能，自定义组件多，后续需要持续维护代码、权限、监控等，维护成本远高于使用Bedrock原生功能的选项A。 关键知识点： 1. Amazon Bedrock提示管理是Amazon Bedrock原生托管的提示生命周期管理工具，支持集中创建、版本化、管理提示模板和多场景变体，无需自行搭建提示存储和调度系统，可大幅降低GenAI应用的运维成本。 2. Amazon Bedrock防护措施是全托管的内容安全控制功能，支持配置内容过滤等级、自定义敏感词、拒绝话题、敏感信息检测规则，可直接作用于Bedrock模型调用，无需自行开发内容审核逻辑。 3. 低运维GenAI应用架构原则为在满足需求的前提下，优先使用云服务厂商原生托管的GenAI相关功能，减少自定义开发和编排的组件数量，可有效降低后续维护工作量。 参考资料： 1. Amazon Bedrock Prompt Management 官方文档, https://docs.aws.amazon.com/bedrock/latest/userguide/prompt-management.html 2. Guardrails for Amazon Bedrock 官方文档, https://docs.aws.amazon.com/bedrock/latest/userguide/guardrails.html

常见问题

AIP-C01 有多少道练习题？

本题库收录 AIP-C01 练习题共 97 道，含单选、多选等题型，每题配有答案与解析。

AIP-C01 练习题支持中英文吗？

支持，AIP-C01 练习题为中英双语对照，便于对照原文理解。

AIP-C01 练习题可以免费试做吗？

可以，本页提供免费样题在线试做；完整题库可在掌学兔注册后获取。

免费试做 获取题库

相关考试