微软AI103认证简介

此次调整不再以传统 AZ 系列为主线，新认证统一向AI-xxx、SC-xxx代码迁移，彻底重构能力考核方向。

• AI-102 正式退役时间

  2026 年 6 月 30 日 23:59（美国中部时间）
• 6 月 30 日后全球考场不再提供 AI-102 考试，无法报名、无法补考；

• 已考取 AI-102 证书永久有效

  有效期 1 年，到期可通过微软免费线上测评续证，证书含金量不受退役影响。

• AI-103 上市节奏

• 2026 年 5 月：Beta 测试版开放报名；
• 2026 年 6 月：正式 GA 全面上线，与 AI-102 退役同步接管 Azure AI 助理级认证赛道。

• 旧证（AI-102）：Microsoft Certified: Azure AI Engineer Associate 
  全称：Designing and Implementing a Microsoft Azure AI Solution
• 新证（AI-103）：Microsoft Certified: Azure AI Apps and Agents Developer Associate 全称：Developing AI Apps and Agents on Azure
  

1. 考试时长：120 分钟

   题目数量：约 65 道选择 / 案例场景题

   合格分数线：700 分（满分 1000）

   考试费用：165 美元（全球统一助理级定价）

   语言：中文、英文主流语言均开放

   前置技能：Python/C# 开发、Azure 基础、LLM 应用开发经验优先

AI-102 旧大纲重心（传统认知服务）

以独立 Cognitive Services API 为主：计算机视觉、语音、传统 NLP、Bot Framework、基础 Azure ML 部署，生成 AI 仅为边缘考点，无 Agent 体系内容。

AI-103 全新核心（生成式 AI + 智能 Agent，完全重构）

以Azure AI Foundry（原 Azure AI Studio） 为统一平台，考点权重全面倾斜大模型与智能体：

1. 规划、安全、治理 Azure AI 解决方案（负责任 AI、提示词安全、访问权限）
2. 生成式 AI 应用与智能 Agent 开发（核心占比最高）
• Azure AI Agent Service、Semantic Kernel 智能体编排
• RAG 检索增强、Function Calling 工具调用、多智能体工作流
3. Azure OpenAI 全链路落地、Prompt Flow 工程化
4. 多模态内容处理、结构化信息抽取
5. AI 应用运维监控、模型评估、生产级部署传统视觉 / 语音 / NLP 内容大幅缩减，仅保留基础必备内容。

1. 即将完成 AI-102 备考

若能在6 月 30 日前完成考试，可正常拿证，证书长期有效；不建议中途转 AI-103，两套题库重合度仅 30% 左右，重新学习成本高。

2. 零基础 / 刚启动备考

直接备考AI-103：

• 贴合当下企业真实用人需求（Agent、RAG、Azure Foundry 是行业刚需）；
• 未来续证、求职均以 AI-103 为标准认证；
• AI-102 老题库资料参考价值极低，不要依赖旧题库刷题。

3. 已有 AI-102 持证人员

证书无需重考自动保留；如需更新生成 AI/Agent 相关能力，自愿报考 AI-103 获取新版认证，无强制过渡路径。

1. 权威认可：微软认证是全球范围内公认的技能认证标准，得到了业界和雇主的高度认可。持有微软认证，将让您在众多求职者中脱颖而出，更容易获得心仪职位。

2. 丰富选择：微软认证涵盖了各种技能领域，包括但不限于云计算、数据分析、人工智能、开发和管理等。不论您的兴趣和专业方向是什么，都能在微软认证体系中找到适合您的认证课程。

3. 提升技能：微软认证课程由业界专家精心设计，结合最新的技术趋势和实际应用场景。通过学习微软认证课程，您将掌握最新的技术知识和实践技能，为您的职业生涯增添独特的竞争力。

4. 职业发展：微软认证不仅仅是一张证书，更是您职业发展道路上的引路人。持续学习微软认证课程，将帮助您不断提升技能，适应行业变化，实现职业目标。

5. 提高薪资：拥有微软认证，意味着您拥有了被市场认可的技能，雇主更愿意为拥有这些技能的人提供更高的薪资。微软认证是提高薪资和职业地位的有效途径。

不论您是正在寻找新的职业机会，还是希望在当前职位上取得更大突破，微软认证都将成为您职业生涯中的得力助手。走向成功的职业之路，从微软认证开始！

立即行动，获取微软认证，开启您的职业新篇章！

微软AI-103

受众概况

作为此 Microsoft 认证的候选者，你是一名 Azure AI 工程师，负责构建、管理和部署

利用 Microsoft Foundry 的代理和 AI 解决方案。

对于本考试，你应该具备使用 Python 开发应用的经验，并且你需要熟悉一般 AI、生

成 AI 和 Azure 服务的功能。

你的职责包括：

• 规划和管理 Azure AI 解决方案。

• 实现生成式 AI 和代理解决方案。

• 实现计算机视觉解决方案。

• 实现文本分析解决方案。

• 实现信息提取解决方案。

在此角色中，你将与业务利益干系人、解决方案架构师、数据科学家、DevOps 工程

师和云安全工程师协作，设计、实现和维护 AI 解决方案。

技能概览

• 规划和管理 Azure AI 解决方案（25-30%）

• 实现生成式 AI 和智能代理解决方案（30-35%）

• 实现计算机视觉解决方案（10-15%）

• 实现文本分析解决方案（10-15%）

• 实现信息提取解决方案（10-15%）

规划和管理 Azure AI 解决方案（25-30%）

为生成式 AI 和软件代理选择合适的 Foundry 服务

• 为每个任务选择适当的模型，包括大型语言模型（LLM）、小型语言模型、多模

式模型和 Foundry 工具

• 为生成任务、基础建模、矢量搜索、智能体工作流或多模态处理选择适当的

Foundry 服务。

• 选择用于检索和编制索引的适当方法

• 为代理解决方案选择适当的内存、工具和知识集成服务在 Foundry 中设置 AI 解决方案

• 为基于 AI 应用和基于代理的解决方案设计 Azure 基础结构

• 选择适当的部署选项

• 配置模型和代理部署

• 使用持续集成和持续部署 (CI/CD) 管道集成 Foundry 项目

管理、监视和保护 AI 系统

• 管理模型和智能体工作负荷的配额、缩放、速率限制和成本占用情况

• 监视模型性能、漂移、安全事件和基础质量

• 监视数据引入质量、搜索索引运行状况和相关性性能

• 配置安全性，包括托管标识、专用网络、无密钥凭据和角色策略

在生成式 AI 和代理系统中实施负责任的 AI

• 配置安全筛选器、防护栏、风险检测和内容审查

• 在 AI 应用中使用负责任的人工智能工具，包括评估器、安全评估和可解释性

工具。

• 通过跟踪日志记录、证明元数据和审批工作流实现审核

• 使用监督模式、约束和工具访问控制控制代理行为

实现生成式 AI 和智能代理解决方案（30-35%）

使用 Foundry 生成生成应用程序

• 部署和使用 LLM、小型模型、代码模型和多模式模型

• 在应用程序中实现检索扩充生成（RAG）

• 设计工作流、工具增强流和多步骤推理管道

• 评估模型和应用，包括检测制造、相关性、质量和安全性

• 使用 Foundry SDK 和连接器将生成工作流集成到应用程序中

• 配置应用程序以连接到 Foundry 项目

使用 Foundry 生成代理

• 定义代理角色、目标、聊天跟踪方法和工具架构

• 生成集成检索、函数调用和聊天内存的代理• 集成代理工具，包括 API、知识存储、搜索、内容理解和自定义函数

• 实现协调的多代理解决方案

• 使用保障和审批流控制构建自治或半自动工作流

• 将监视集成到已部署的代理、评估代理行为和执行错误分析

优化和实施生成式 AI 系统

• 优化生成行为，例如提示工程和调整模型参数

• 实现模型反射、思考链评价和自我批评循环

• 通过实现跟踪、令牌分析、安全信号和延迟细分来设置可观测性

• 协调多个模型、流或混合 LLM 和规则引擎

实现计算机视觉解决方案（10-15%）

设计和实现图像和视频生成解决方案

• 实现从文本提示和引用媒体生成图像的解决方案

• 实现从文本提示和引用媒体生成视频的解决方案

• 配置图像编辑工作流，包括修补、基于掩模的编辑和提示驱动型修改

• 实现工作流以编辑生成的视频

• 选择并应用平台提供的相应生成和编辑控件

设计和实现多模式理解工作流

• 生成使用多模式模型分析视觉上下文的解决方案

• 配置应用以生成单个或多张图像的简洁或详细字幕

• 实现支持以视觉证据为依据的问答的解决方案

• 配置符合辅助功能准则的替代文本和扩展图像说明的生成

• 在 Foundry 工具中通过配置 Azure 内容理解功能来实现视觉理解，以提取视

觉特征。

• 实现视频分析工作流以处理和解释视频段

• 配置单任务和专业模式的内容理解流程

• 实现用于标识图像或视频中的对象、组件或区域的解决方案

为多模式内容实现负责任的 AI• 实现筛选器以对不安全或不允许的视觉内容进行分类

• 使用图像中的嵌入文本检测和缓解间接提示注入

• 强制实施视觉策略规则，例如应用水印、标记禁止的符号、维护品牌使用要求

以及检测可能不适当的内容

实现文本分析解决方案（10-15%）

应用语言模型文本分析

• 使用生成提示和 Foundry 工具实现用于提取实体、主题、摘要和结构化 JSON  

输出的解决方案

• 配置对情感、语气、安全问题和敏感内容的检测

• 在 Foundry 工具或 LLM 支持的翻译流中使用 Azure 翻译器生成翻译文本的

解决方案

• 自定义域任务的语言模型输出，例如合规性摘要和域提取

实现语音解决方案

• 实现工作流以将语音转换为文本和文本转换为语音，以便进行代理交互

• 将语音作为代理形式集成，包括自定义语音模型

• 从音频输入启用多模式推理

• 使用语言模型和 Foundry 工具将语音翻译为其他语言

实现信息提取解决方案（10-15%）

构建检索与对接管道

• 引入和索引内容，如文档、图像、音频和视频

• 配置用于定位的语义搜索、混合搜索和矢量搜索

• 使用文本、图像和布局的自定义或内置技能实现扩充

• 配置 RAG 数据引入流程，包括文档处理和使用光学字符识别（OCR）

• 将检索管道直接连接到工作流和代理工具

从文档中提取内容

• 使用结合 OCR、布局分析和字段提取的多模式管道来提取信息

• 使用内容理解生成简洁、基础扎实的表示形式，以便与代理和 RAG 一起使用

• 使用内容理解实现分析器，以生成用于下游推理的结构化输出或 Markdown 输出。