结语
获取对《Grokking the AWS Certified Generative AI Developer – Professional》课程内容的全面概览。
恭喜您完成 AWS 认证生成式 AI 开发者 – 专业级课程。
我们涵盖的内容
我们首先简要介绍了 AWS 核心服务，这些服务对于构建可扩展 AI 解决方案的架构基础至关重要。我们简要讨论了计算、容器和存储服务，例如 EC2、ECS、EKS 和 S3。我们也回顾了属于无服务器架构的服务，如 Lambda、SQS、SNS、EventBridge 和 Step Functions。
随后我们讲解了生成式 AI 的基础知识，包括提示工程、提示模板以及思维链推理等技术，用于提升模型响应质量。内容还涵盖了模型选择框架、多模型策略、微调方法（如低秩适应 LoRA），以及按需和预置吞吐量等部署选项。
我们的重点是检索增强生成（RAG）。我们研究了结构化数据准备、元数据提取、分块策略、混合搜索、查询转换以及向量数据库优化。我们还分析了在业务约束和考试术语背景下，何时选择微调 vs. RAG。
接着我们讨论了代理型 AI 系统，包括 Bedrock Agents、多代理编排、记忆管理以及自主工作流。我们探讨了如何通过 IAM 策略、超时设置、护栏机制和熔断器模式来构建可控且可观测的系统。
我们还介绍了使用 SageMaker AI 端点、Model Registry 和管道来部署和管理基础模型的方法。监控、评估和生命周期管理被呈现为生产环境 AI 运维的核心实践。课程还涵盖了安全与合规主题，包括 Amazon Bedrock 护栏机制、幻觉缓解、威胁检测、数据保护、审计以及负责任 AI 实践，这些都被视为核心架构要求，而非次要功能。
关键收获
此认证并非关于记忆 AWS 服务。而是关于在约束条件下进行设计的能力。专业级别的期望是您能够分析需求，在延迟、成本、准确性、可扩展性和合规性之间权衡利弊，并选择最合适的 AWS 原生架构。
现在，您已具备构建稳健、安全且高效的生成式 AI 系统所需的技术深度和架构推理能力。无论您的下一步是参加认证考试，还是实施企业级 AI 解决方案，您都已掌握自信且清晰地应对 GenAI 系统设计的框架。