考試介紹
面向生成式 AI 開發人員，考覈在 AWS 上設計、構建、保護及部署生產級生成式 AI 應用。
- 考試代碼
- AIP-C01
- 官方考試／認證名稱
- AWS Certified Generative AI Developer – Professional
- 考試形式
- 單選題及多選題
- 考試時長
- 180 分鐘
- 官方考試題量
- 75 題
- 官方可選考試語言
- 英文、日文、韓文、簡體中文
官方考試語言與下方練習題文件的語言分別列出；實際考試版本及可選語種以官方預約頁面爲準。
官方來源：官方資料
信息覈對日期：2026-10-20
先試閱，再決定前20 題免費試閱
題庫共 136 題
題目按題庫原始順序展示。展開查看答案和解析。
本頁試閱由簡體題庫轉換爲繁體中文。
免責聲明：本站所有題目均整理自互聯網，僅供學習參考。
第 6 題
Question#6Topic1
一家金融服務公司正在構建一個客戶支持應用程序，該應用程序根據與用戶查詢的語義相似性從數據庫中檢索相關的金融監管文檔。該應用程序必須與 Amazon Bedrock 集成才能生成響應。該應用程序必須能夠搜索英語、西班牙語和葡萄牙語的文檔。應用程序必須按元數據（例如發佈日期、監管機構和文檔類型）過濾文檔。
該數據庫存儲了大約 1000 萬個文檔嵌入。爲了最大限度地減少運營開銷，該公司需要一種能夠最大限度地減少管理和維護工作的解決方案。應用程序必須爲實時客戶交互提供低延遲響應。
哪種解決方案可以滿足這些要求？
A.使用 Amazon OpenSearch Serverless 提供矢量搜索功能和元數據過濾。連接到 Amazon Bedrock 知識庫以啓用使用 Anthropic Claude 基礎模型 (FM) 的檢索增強生成 (RAG) 功能。
B.使用 pgvector 擴展部署 Amazon Aurora PostgreSQL 數據庫。定義表來存儲嵌入和元數據。使用 SQL 查詢執行相似性搜索。將檢索到的文檔發送到 Amazon Bedrock 以生成響應。
C.使用 Amazon S3 矢量來配置矢量索引和不可過濾的元數據字段。將 S3 Vector 與 Amazon Bedrock 集成以啓用檢索增強生成 (RAG) 功能。
D.設置 Amazon Neptune Analytics 圖形數據庫。配置具有適當維度的向量索引來存儲文檔嵌入。使用 Amazon Bedrock 執行基於圖形的檢索並生成響應。
查看答案與解析
第 7 題
Question#7Topic1
一家醫療公司正在構建生成式 AI (GenAI) 應用程序，該應用程序使用 RAG 提供基於證據的醫療信息。該應用程序使用 Amazon OpenSearch Service 來檢索向量嵌入。用戶報告說，搜索經常會錯過包含確切醫學術語和首字母縮略詞的結果，並返回太多語義相似但不相關的文檔。即使文檔集合增長到數百萬個文檔，公司也需要提高檢索質量並保持較低的最終用戶延遲。
哪種解決方案能夠以最少的運營開銷滿足這些要求？
A.通過將向量相似性與關鍵字匹配相結合來配置混合搜索，以提高語義理解以及精確的術語和首字母縮略詞匹配。
B.將向量嵌入的維度從 384 增加到 1536。檢索後使用後處理 AWS Lambda 函數過濾掉不相關的結果。
C.將 OpenSearch 服務替換爲 Amazon Kendra。在預處理期間使用查詢擴展來處理醫學首字母縮略詞和術語變體。
D.實施一個兩階段檢索架構，其中初始矢量搜索結果由 Amazon SageMaker AI 上託管的 ML 模型重新排序。
查看答案與解析
第 8 題
Question#8Topic1
一家公司在使用 Amazon Bedrock 的應用程序 AWS 賬戶中運行由生成式 AI (GenAI) 支持的摘要應用程序。該應用程序架構包括一個 Amazon API Gateway REST API，該 API 將請求轉發到附加到私有 VPC 子網的 AWS Lambda 函數。該應用程序彙總了公司存儲在集中數據存儲帳戶的受管數據湖中的敏感客戶記錄。該公司已在數據存儲賬戶中啓用 Amazon S3、Amazon Athena 和 AWS Glue。
公司必須確保應用程序對 Amazon Bedrock 進行的調用僅使用公司應用程序 VPC 和 Amazon Bedrock 之間的專用連接。公司的數據湖必須跨公司的 AWS 賬戶提供細粒度的列級訪問。
哪種解決方案可以滿足這些要求？
A.在應用程序賬戶中，爲 Amazon Bedrock 運行時創建接口 VPC 終端節點。在私有子網中運行 Lambda 函數。在推理和數據平面策略上使用 IAM 條件，僅允許調用經批准的終端節點和角色。在數據存儲賬戶中，使用 AWS Lake Formation 基於 LF 標籤的訪問控制來創建表和列級跨賬戶授權。
B.在私有子網中運行 Lambda 函數。配置 NAT 網關以提供對 Amazon Bedrock 和數據湖的訪問。使用 S3 存儲桶策略和 ACL 來管理權限。將 AWS CloudTrail 日誌導出到 Amazon S3 以執行每週審覈。
C.在應用程序賬戶中僅爲 Amazon S3 創建網關終端節點。通過公共終端節點調用 Amazon Bedrock。使用 AWS Lake Formation 中的數據庫級授權來管理數據訪問。將 AWS CloudTrail 日誌流式傳輸到 Amazon CloudWatch Logs。不要設置指標過濾器或警報。
D.使用 VPC 終端節點提供對應用程序賬戶中的 Amazon Bedrock 和 Amazon S3 的訪問。僅使用 IAM 基於路徑的策略來管理數據湖訪問。將 AWS CloudTrail 日誌發送到 Amazon CloudWatch Logs。定期創建儀表板並允許跨區域讀取的公共回退以減少設置時間。
查看答案與解析
第 9 題
Question#9Topic1
媒體公司必須使用 Amazon Bedrock 爲 AI 生成的內容實施穩健的治理流程。公司需要管理數百個提示模板。多個團隊跨多個 AWS 區域使用模板來生成內容。該解決方案必須提供帶有審批工作流程的版本控制，其中包括待審覈的通知。該解決方案還必須提供詳細的審計跟蹤，記錄提示活動和一致的提示參數化，以執行質量標準。
哪種解決方案可以滿足這些要求？
A.配置 Amazon Bedrock Studio 提示模板。使用 Amazon CloudWatch 創建顯示提示使用指標的控制面板。將內容的審批狀態存儲在 Amazon DynamoDB 中。使用 AWS Lambda 函數強制執行批准。
B.使用 Amazon Bedrock Prompt Management 實施版本控制。配置 AWS CloudTrail 以進行審覈日誌記錄。使用IAM策略控制審批權限。通過指定變量創建參數化提示模板。
C.使用 AWS Step Functions 創建審批工作流程。將提示存儲爲 Amazon S3 中的文檔。使用標籤來實現版本控制。使用 Amazon EventBridge 發送通知。
D.使用存儲在 Amazon S3 中的提示模板部署 Amazon SageMaker Canvas。使用 AWS CloudFormation 實施版本控制。使用 AWS Config 強制執行審批策略。
查看答案與解析
第 10 題
Question#10Topic1
一家公司正在開發一款客戶支持應用程序，該應用程序使用 Amazon Bedrock 基礎模型 (FM) 爲公司員工提供實時 AI 幫助。應用程序必須在生成響應時逐個字符地顯示 AI 生成的響應。該應用程序需要以最小的延遲支持數千個併發用戶。響應通常需要 15 到 45 秒才能完成。
哪種解決方案可以滿足這些要求？
A.使用 AWS Lambda 集成配置 Amazon API Gateway WebSocket API。配置 WebSocket API 以調用 Amazon Bedrock InvokeModelWithResponseStream API 並通過 WebSocket 連接流式傳輸部分響應。
B.使用 AWS Lambda 集成配置 Amazon API Gateway REST API。配置 REST API 以調用 Amazon Bedrock 標準 InvokeModel API 並每 100 毫秒實施一次前端客戶端輪詢以獲得完整的響應塊。
C.使用 IAM 用戶憑證和 InvokeModelWithResponseStream API 實現與 Amazon Bedrock 的直接前端客戶端連接，無需任何中間網關或代理層。
D.使用 AWS Lambda 集成配置 Amazon API Gateway HTTP API。配置 HTTP API 以在 Amazon DynamoDB 表中緩存完整響應，並通過多個分頁 GET 請求向前端客戶端提供響應。
查看答案與解析
下載與使用
- 本資料按考試單獨購買，支持 1、3、6 或 12 個月期限。
- 支付確認後，在“我的練習題”中查看下載入口和準確到期時間。
- 有效期內可重複下載；到期後需要重新購買。
- PDF 僅供購買者個人學習使用，不可轉售或公開分享。
- 已下載至設備的文件不會因權限到期被遠程刪除。
如何選擇適合自己的認證