内容领域 2： GenAI 基础知识
领域 2 涵盖了 GenAI 的基础知识，占考试计分内容的 24%。
任务
任务说明 2.1： 解释生成式人工智能 (GenAI) 的基本概念。
目标：
定义 GenAI 的基础概念（例如：Token、分块、嵌入、向量、提示工程、基于 Transformer 的大语言模型 [LLMs]、基础模型 [FMs]、多模态模型、扩散模型）。
确定 GenAI 模型的潜在使用案例（例如：图像、视频和音频生成；摘要；AI 助手；翻译；代码生成；客服代理；搜索；推荐引擎）。
描述 FM 生命周期（例如：数据选择、模型选择、预训练、微调、评估、部署、反馈）。
描述基于令牌的定价模型及其对推理成本和性能的影响。
描述上下文工程在 FM 应用中的作用。
定义基础的智能体 AI 概念（例如：复杂 AI 应用的多智能体系统模式、模型上下文协议 [MCP] 及其在连接智能体和外部系统中的作用、多智能体通信模式、内存管理、工具使用和工作流编排）。
任务说明 2.2： 了解 GenAI 解决业务问题的能力和局限性。
目标：
描述 GenAI 的优势（例如：适应性、响应能力、对话能力、生成内容的能力）。
确定 GenAI 解决方案的缺点（例如：幻觉、可解释性、不准确、不确定性）。
识别选择 GenAI 模型时需要考虑的因素（例如：模型类型、性能要求、性能、限制、合规性、成本、延迟、模型复杂性）。
确定 GenAI 能应用的业务价值和衡量指标（例如：跨领域表现、投资回报率 (ROI)、效率、转化率、每用户平均收入 (ARPU)、准确率、客户终身价值 (CLV)）。
任务说明 2.3： 描述用于构建 GenAI 应用程序的 AWS 基础设施和技术。
目标：
确定用于开发 GenAI 应用程序的 AWS 服务和功能（例如：Amazon Bedrock、Amazon SageMaker AI、SageMaker JumpStart、Amazon Quick、Kiro、Strands Agents、 Amazon Bedrock AgentCore).
描述使用 AWS GenAI 服务构建应用程序的优势（例如：可访问性、较低的准入门槛、效率、成本效益、上市速度、满足业务目标的能力）。
描述 AWS 基础设施对 GenAI 应用程序的优势（例如：安全性、合规性、责任性和可靠性）。
描述 AWS GenAI 服务的成本权衡（例如：响应速度、可用性、冗余性、性能、区域覆盖范围、基于令牌的定价、资源吞吐量、自定义模型）。
