资源介绍
视频数量：21个
总时长：3小时52分
课程介绍：
生成式AI工程师助理认证备考：场景驱动与模块精讲
你有没有遇到过这种情况：题目描述一个航空公司要在手机值机卡片里加LLM助手，要求回答必须短，一两句话，但模型总是啰嗦。四个选项摆在你面前，改温度、改提示、加后处理、让用户自己选长度。你知道该选哪个吗？Databricks生成式AI工程师助理认证考试就爱考这种题。它不问你LLM的定义，而是给你一个真实的工程场景，看你能否把问题定位到正确的组件和策略上。这门课就是为这种考试准备的。
课程一共21个视频，总时长3小时52分，另外还配了六个模块的学习指南和一份速查表。它不是按教科书章节念PPT，而是用100个考试风格的情景题加上系统化的模块梳理，帮你建立一套从读题到判断的思维框架。讲师在开头就说得很清楚：目标是让你阅读情景，识别真正的生成式AI工程问题，然后把它映射到正确的Databricks概念。
一、先搞清楚考试蓝图和工程思维：
课程开头就讲考试六个模块的权重。应用开发占30%，是最大的一块；组装和部署应用占22%，排第二；剩下的分给设计应用、数据准备、治理、评估与监控。讲师会反复强调：考试考的是决策，不是名词解释。比如什么时候用RAG而不是微调？什么时候用向量搜索而不是特征服务？什么时候该动MLflow、模型服务、Unity Catalog或者评估指标？这些不是孤立的知识点，而是一条条判断链。学完这部分，你看到题目就能先分类：这到底是一个检索问题、提示问题、部署问题还是治理问题？有了这个分类意识，后面做题就不会东一榔头西一棒子。
二、100个场景逐个拆解：
这是课程最重的部分，从场景1到100，每5个一组，一共20个视频。每个场景都来自真实考试风格，讲师会先读题，再给你关键线索，然后逐个分析选项，告诉你为什么对、为什么错，最后总结一条记忆规则。举两个例子你就明白它的价值了。第一个例子是航空公司值机助手，关键线索是输出长度受UI限制，必须短。正确做法是在提示里明确告诉模型返回一到两句话的确认消息。温度管的是随机性和创造力，管不了长度；保持提示不变也不行，模型没有句子数量限制的指令；让用户运行时决定长度会导致行为不一致。所以答案是提示优化。第二个例子是监管运营团队用RAG查政策，用户问合规术语，检索器却返回语义相近但不对的章节。问题出在嵌入模型没有适配领域术语，解法是微调或领域适配嵌入模型，而不是加摘要器、增加检索数量或者换成关键词过滤。这些场景覆盖提示工程、RAG管道设计、向量搜索、微调与RAG的取舍、模型服务、MLflow、Unity Catalog、评估指标、成本与延迟权衡等等。你跟着走一遍，就能学会从题干里抓关键词，比如“输出格式必须严格”“领域特定缩写”“延迟敏感”“需要审计追踪”，然后快速映射到对应的Databricks能力。
三、六大模块系统梳理：
场景练完后，课程用六个模块的学习指南帮你把零散知识串成体系。模块一设计应用，讲如何拆解业务问题，选择LLM、RAG还是微调，设计提示和交互流程，以及如何考虑用户体验和约束。模块二数据准备，讲数据摄入、清洗、分块、嵌入生成，以及Delta Lake和特征存储怎么配合，数据质量怎么保证。模块三应用开发，是考试占比最大的部分，深入向量搜索、RAG管道搭建、LangChain集成、提示模板管理、函数调用、工具使用等。模块四组装与部署，讲模型服务、批处理与实时推理、API端点、CI/CD和成本控制，还有如何选择GPU实例和优化推理延迟。模块五治理，讲Unity Catalog、访问控制、数据血缘、PII处理、合规审计，以及如何让生成式AI应用符合企业安全要求。模块六评估与监控，讲如何用MLflow评估LLM输出、检测幻觉、监控漂移、跟踪延迟和成本，以及如何设计人工反馈循环。每个模块都对应考试权重，也对应实际项目里必须做的环节。学完这些，你不仅知道考什么，还知道为什么考。
四、速查表与最后的思维转变：
课程最后还有一份速查表，把关键概念、决策树、常用命令和指标浓缩在一起。考前快速过一遍，能帮你把容易混淆的点再确认一次。结论视频叫“像Databricks生成式AI工程师一样思考”，它不是喊口号，而是把前面所有场景和模块串成一条完整的工作流：拿到需求，先分解问题，再选工具，然后设计管道，部署，治理，评估，迭代。学完这门课，你不会再靠死记硬背去猜答案。你会习惯性地问：这个场景的核心约束是什么？是输出格式、检索质量、延迟、成本还是合规？然后你知道该去调提示、换嵌入模型、加缓存、改部署方式还是补治理策略。这种判断力，既是考试通关的关键，也是你在真实项目里把生成式AI应用做稳做好的基础。
这门课适合谁呢？如果你已经接触过Databricks，知道基本的笔记本、集群、Delta表，但面对RAG、微调、向量搜索、模型服务这些选择时心里没底，那它很适合你。如果你正在准备这个认证，时间有限，不想自己从零整理一百个场景，它也能帮你省下大量时间。如果你是个数据科学家或ML工程师，想转向生成式AI工程，课程里的工程决策框架同样能让你少走弯路。它不是那种听完就忘的考前突击，而是让你真正理解每个选项背后的权衡。