Deep Dive: AI-102 题库深度分析 — 715 道题分类统计与备考策略

Topic: AI-102 Exam Question Bank Analysis
Category: Certification / Exam Preparation
Data Source: 2 PDF dumps (333题带讨论 + Microsoft-AI-102)
Total Questions Analyzed: 715
Last Updated: 2026-03-15

中文版 (Chinese Version)

1. 数据概览

我们对两份 AI-102 考试题库 PDF 进行了完整提取和自动分类：

PDF 文件 页数 题目数 内容特点
AI-102 333题带讨论 728 页 334 题 含社区讨论和投票，18 个 Topic
Microsoft-AI-102 549 页 381 题 标准题库，含 2 个 Case Study + 364 道独立题
合计 1,277 页 715 题 —

MS-AI102 PDF 的 Topic 结构：

Topic 内容 题数
Topic 1 Wide World Importers Case Study 7
Topic 2 Contoso, Ltd. Case Study 10
Topic 3 Misc. Questions 364

2. 按考试域分类统计

我们将 715 道题按照官方 AI-102 考试的 6 大考试域进行了自动分类：

┌─────────────────────────────────────────────────────────────────────┐
│                    AI-102 题库分布 vs 官方考试权重                    │
│                                                                      │
│  考试域                      题数   题库占比  官方权重   差异          │
│  ─────────────────────────────────────────────────────────────────   │
│  D5-NLP (自然语言处理)        238    33.3%    15-20%   ⚠️ 偏高       │
│  D1-Plan&Manage (规划管理)    189    26.4%    20-25%   ✅ 匹配       │
│  D2-GenerativeAI (生成式AI)   107    15.0%    15-20%   ✅ 匹配       │
│  D6-KnowledgeMining (知识挖掘) 75    10.5%    15-20%   ⚠️ 偏低       │
│  D4-ComputerVision (计算机视觉) 74    10.3%    10-15%   ✅ 匹配       │
│  D3-Agentic (Agent 代理)        8     1.1%     5-10%   🔴 严重偏低   │
│  未分类                         24     3.4%      —      —            │
└─────────────────────────────────────────────────────────────────────┘

可视化分布：

D5-NLP            ████████████████████████████████████████████████  238 (33.3%)
D1-Plan&Manage    █████████████████████████████████████             189 (26.4%)
D2-GenerativeAI   ████████████████████                              107 (15.0%)
D6-KnowledgeMining ██████████████                                    75 (10.5%)
D4-ComputerVision  ██████████████                                    74 (10.3%)
D3-Agentic         █                                                  8 ( 1.1%)

3. 子主题详细拆解

3.1 Domain 5: NLP — 自然语言处理 (238 题 / 33.3%)

子主题 题数 占比 重要度
CLU/LUIS (Intent & Entity) 103 14.4% 🔴🔴🔴 最高频考点
Bot / Dispatch 41 5.7% 🔴🔴
Question Answering 29 4.1% 🔴
Speech Services 19 2.7% 🟡
Translation 16 2.2% 🟡
Text Analytics 15 2.1% 🟡
NLP General 14 2.0% 🟡
Custom Text Classification 1 0.1% 🟢

💡 CLU/LUIS 是整个考试的最大单一考点（103 题），必须精通 Intent、Entity、Utterance 的定义、训练和评估。注意 LUIS 已迁移到 CLU，但题库中旧 LUIS 题仍大量存在。

3.2 Domain 1: Plan & Manage — 规划管理 (189 题 / 26.4%)

子主题 题数 占比 重要度
Planning General 45 6.3% 🔴🔴
Resource Provisioning 40 5.6% 🔴🔴
Responsible AI & Content Safety 33 4.6% 🔴🔴
Security & Authentication 22 3.1% 🔴
Monitoring & Diagnostics 18 2.5% 🟡
Cost & Scaling 16 2.2% 🟡
Container Deployment 15 2.1% 🟡

💡 “选择正确的服务” 是这个域最常见的题型。你需要熟记每个 Azure AI 服务的适用场景和边界。负责任 AI 相关题（Content Safety、Content Filter、Blocklist）出题频率在上升。

3.3 Domain 2: Generative AI — 生成式 AI (107 题 / 15.0%)

子主题 题数 占比 重要度
RAG & Grounding 55 7.7% 🔴🔴🔴 GenAI 最重要考点
GenAI General 30 4.2% 🔴
Parameter Tuning 9 1.3% 🟡
Embeddings 5 0.7% 🟡
Fine-tuning 4 0.6% 🟡
Image Generation (DALL-E) 2 0.3% 🟢
Content Safety (GenAI) 2 0.3% 🟢

💡 RAG 占 GenAI 题的一半以上（55/107），必须掌握完整流程：Chunking → Embedding → Index → Retrieval → Grounding → Generation。参数调优（temperature/top_p/max_tokens）也是常考点。

3.4 Domain 4: Computer Vision — 计算机视觉 (74 题 / 10.3%)

子主题 题数 占比 重要度
Vision General 28 3.9% 🔴
Custom Vision (Classification) 18 2.5% 🔴
Face API 12 1.7% 🟡
Video Analysis 7 1.0% 🟡
OCR / Read Text 7 1.0% 🟡
Object Detection 2 0.3% 🟢

💡 Custom Vision（图像分类 vs 对象检测的区别） 和 Face API（PersonGroup 训练流程） 是重点。需要知道 Image Analysis API 返回的 JSON 结构。

3.5 Domain 6: Knowledge Mining — 知识挖掘 (75 题 / 10.5%)

子主题 题数 占比 重要度
Azure AI Search 39 5.5% 🔴🔴
Info Extraction General 22 3.1% 🔴
Document Intelligence 13 1.8% 🟡
Content Understanding 1 0.1% 🟢

💡 AI Search 的 Indexer + Skillset + Index 三件套是这个域的核心。需要掌握数据源配置、内置/自定义 Skill、查询语法（Lucene/简单查询）、Knowledge Store 投影。

3.6 Domain 3: Agentic — Agent 代理 (8 题 / 1.1%)

子主题 题数 占比 重要度
Agent Development 8 1.1% ⚠️ 题库少但趋势增加

⚠️ 重要警告：Agentic 是 2025 年底新增的考试域（官方权重 5-10%），但题库还没跟上（仅 8 题）。实际考试中 Agent 题目会比题库覆盖的更多，建议额外学习 Foundry Agent Service 和 Semantic Kernel。

4. 题型分布

┌────────────────────────────────────────────────────────┐
│                    题型分布 (715 题)                     │
├────────────────────┬──────┬───────┬────────────────────┤
│ 题型               │ 题数 │  占比 │ 可视化              │
├────────────────────┼──────┼───────┼────────────────────┤
│ Multiple Choice    │  328 │ 45.9% │ ██████████████████ │
│ Other (Mixed)      │  232 │ 32.4% │ ████████████       │
│ Hotspot            │   89 │ 12.4% │ █████              │
│ Drag-Drop          │   40 │  5.6% │ ██                 │
│ Yes/No             │   26 │  3.6% │ █                  │
└────────────────────┴──────┴───────┴────────────────────┘

各域题型特点：

域 最常见题型 特殊题型
D1-Plan&Manage 多选 (46%) Hotspot 较多 (14%) — 选择正确的配置项
D2-GenerativeAI 多选 (37%) Drag-Drop 最多 (19%) — 排列 RAG 步骤
D4-ComputerVision 多选 (53%) Hotspot (15%) — 选择 API 参数
D5-NLP 多选 (44%) Other 最多 (39%) — 代码填空题
D6-KnowledgeMining 多选 (49%) Yes/No (7%) — 判断 Skillset 配置正确性

5. 高频考点 TOP 10

┌────┬──────────────────────────────────────────┬──────┬───────┬─────────┐
│ #  │ 考点                                      │ 题数 │  占比  │ 域      │
├────┼──────────────────────────────────────────┼──────┼───────┼─────────┤
│  1 │ CLU/LUIS (Intent & Entity)               │  103 │ 14.4% │ D5-NLP  │
│  2 │ RAG & Grounding                          │   55 │  7.7% │ D2-GenAI│
│  3 │ Planning General                         │   45 │  6.3% │ D1-Plan │
│  4 │ Bot / Dispatch                           │   41 │  5.7% │ D5-NLP  │
│  5 │ Resource Provisioning                    │   40 │  5.6% │ D1-Plan │
│  6 │ Azure AI Search                          │   39 │  5.5% │ D6-KM   │
│  7 │ Responsible AI & Content Safety          │   33 │  4.6% │ D1-Plan │
│  8 │ GenAI General                            │   30 │  4.2% │ D2-GenAI│
│  9 │ Question Answering                       │   29 │  4.1% │ D5-NLP  │
│ 10 │ Vision General                           │   28 │  3.9% │ D4-CV   │
└────┴──────────────────────────────────────────┴──────┴───────┴─────────┘

🎯 TOP 10 考点合计覆盖 443 题（62%）。集中精力掌握这些就能覆盖大部分考试内容。

6. 关键发现与备考建议

6.1 关键发现

┌────────────────────────────────────────────────────────────────────┐
│  发现 1: NLP 题量远超官方权重                                       │
│  ├── 题库占 33.3%，官方仅 15-20%                                   │
│  ├── CLU/LUIS 单独占 103 题（14.4%），是最大考点                     │
│  └── 原因：题库积累时间长，LUIS→CLU 迁移期新旧题并存                  │
│                                                                     │
│  发现 2: RAG 是 GenAI 的绝对核心                                    │
│  ├── RAG 相关 55 题，占 GenAI 域的 51%                              │
│  └── 检索增强生成的完整流程必须倒背如流                               │
│                                                                     │
│  发现 3: Agentic 题库严重不足                                       │
│  ├── 仅 8 题（1.1%），官方权重 5-10%                                │
│  ├── 2025 年底新增领域，题库尚未跟上                                 │
│  └── ⚠️ 实际考试中 Agent 题会比题库多，需额外准备                     │
│                                                                     │
│  发现 4: 两份 PDF 有显著重叠                                        │
│  ├── 分布模式高度一致（NLP > Plan > GenAI > CV ≈ KM）               │
│  └── 建议以 MS-AI102 (381题) 为主，333题版参考社区讨论               │
│                                                                     │
│  发现 5: Content Safety 出题趋势上升                                │
│  ├── 社区讨论中多人反馈考试出现大量 Content Safety 题                 │
│  └── 建议重点学习 Azure AI Content Safety 服务                       │
└────────────────────────────────────────────────────────────────────┘

6.2 备考优先级

🔴 P0 - 必须精通 (合计 270 题 / 38%):
   ├── CLU/LUIS: Intent, Entity, Utterance         (103 题)
   ├── RAG & Grounding: 检索增强生成               ( 55 题)
   ├── Resource Provisioning: 服务选择与部署         ( 40 题)
   ├── Responsible AI: 内容安全、伦理               ( 33 题)
   └── Azure AI Search: Indexer/Skillset/Index     ( 39 题)

🟡 P1 - 重点掌握 (合计 170 题 / 24%):
   ├── Bot / Dispatch: 聊天机器人框架               ( 41 题)
   ├── GenAI General: OpenAI 模型部署/调用          ( 30 题)
   ├── Question Answering: 问答服务                 ( 29 题)
   ├── Vision General: 图像分析 API                 ( 28 题)
   ├── Security: 认证/密钥/网络                     ( 22 题)
   └── Speech Services: STT/TTS/SSML              ( 19 题)

🟢 P2 - 基本了解 (合计 99 题 / 14%):
   ├── Custom Vision: 图像分类与对象检测             ( 18 题)
   ├── Monitoring: 监控诊断                         ( 18 题)
   ├── Cost & Scaling: 成本与扩展                   ( 16 题)
   ├── Translation: 翻译服务                        ( 16 题)
   ├── Container Deployment: 容器部署               ( 15 题)
   ├── Text Analytics: 文本分析                     ( 15 题)
   └── Document Intelligence: 文档智能              ( 13 题)

⚠️ 补充 - 题库不足但考试会考:
   └── Agent Development: Foundry Agent Service    (  8 题, 趋势↑)

7. 两份 PDF 对比

维度 333题带讨论 MS-AI102
题数 334 381
页数 728 549
结构 18 Topics 3 Topics (2 Case Study + Misc)
特色 含社区讨论投票 标准格式，有详细解释
Case Study 分散在各 Topic Topic 1: Wide World Importers, Topic 2: Contoso
NLP 占比 35.9% 31.0%
Plan&Manage 占比 26.9% 26.0%
GenAI 占比 15.9% 14.2%
CV 占比 9.0% 11.5%
KM 占比 9.3% 11.5%
Agent 占比 0.3% 1.8%

建议使用方式：

  • 主要刷题：MS-AI102 (381题) — 格式规范，解释详细
  • 争议题参考：333题版 — 社区讨论可帮助判断正确答案
  • Case Study 重点：Wide World Importers + Contoso 两个场景必须熟悉

8. 考试实战建议

基于 715 道题的分析，以下是针对性的考试策略：

8.1 每个域的应对策略

域 题量预估 (60题考试) 应对策略
D1 Plan&Manage 12-15 题 记住服务选择决策树 + Responsible AI 4 类内容 4 级严重度
D2 GenAI 9-12 题 掌握 RAG 完整流程 + temperature/top_p 参数含义
D3 Agentic 3-6 题 了解 Agent 概念 + Foundry Agent Service 基础操作
D4 CV 6-9 题 区分 Classification vs Detection + Face API PersonGroup
D5 NLP 9-12 题 CLU 三要素 (Intent/Entity/Utterance) + Q&A 知识库流程
D6 KM 9-12 题 AI Search 三件套 (Indexer/Skillset/Index) + 查询语法

8.2 必须记住的关键区分

📌 CLU vs QnA Maker:
   CLU = 理解用户意图 (Intent) 和提取参数 (Entity)
   QnA = 从知识库匹配最佳答案

📌 Custom Vision Classification vs Object Detection:
   Classification = 是什么 (整图一个标签)
   Detection = 是什么 + 在哪里 (边界框)

📌 RAG vs Fine-tuning:
   RAG = 运行时注入知识 (最新数据, 快速实施)
   Fine-tuning = 训练时改变行为 (特定风格/格式)

📌 API Key vs Managed Identity:
   API Key = 简单但不安全
   Managed Identity = 推荐生产方式，无需管理密钥

📌 Serverless API vs Managed Compute:
   Serverless = 按 Token 付费，无需管理基础设施
   Managed Compute = 独占资源，适合高吞吐

📌 AI Search 内置 Skill vs 自定义 Skill:
   内置 = OCR, NER, Key Phrase, Language Detection
   自定义 = 调用你自己的 REST API (Azure Function)

English Version

1. Data Overview

PDF File Pages Questions Features
AI-102 333 Questions with Discussion 728 334 Community discussions and votes, 18 Topics
Microsoft-AI-102 549 381 Standard format, 2 Case Studies + 364 standalone
Total 1,277 715 —

2. Classification by Exam Domain

Domain Questions Bank % Official Weight Gap Analysis
D5-NLP 238 33.3% 15-20% ⚠️ Over-represented
D1-Plan & Manage 189 26.4% 20-25% ✅ Matched
D2-Generative AI 107 15.0% 15-20% ✅ Matched
D6-Knowledge Mining 75 10.5% 15-20% ⚠️ Under-represented
D4-Computer Vision 74 10.3% 10-15% ✅ Matched
D3-Agentic 8 1.1% 5-10% 🔴 Severely under-represented

3. Top 10 High-Frequency Topics

# Topic Count % Domain
1 CLU/LUIS (Intent & Entity) 103 14.4% D5-NLP
2 RAG & Grounding 55 7.7% D2-GenAI
3 Planning General 45 6.3% D1-Plan
4 Bot / Dispatch 41 5.7% D5-NLP
5 Resource Provisioning 40 5.6% D1-Plan
6 Azure AI Search 39 5.5% D6-KM
7 Responsible AI & Content Safety 33 4.6% D1-Plan
8 GenAI General 30 4.2% D2-GenAI
9 Question Answering 29 4.1% D5-NLP
10 Vision General 28 3.9% D4-CV

🎯 Top 10 topics cover 443 questions (62%). Master these and you’ll cover the majority of the exam.

4. Key Findings

  1. NLP is over-represented (33.3% vs 15-20% official) — CLU/LUIS alone has 103 questions
  2. RAG is the GenAI core — 55/107 GenAI questions are RAG-related
  3. Agentic is severely under-covered — Only 8 questions vs 5-10% official weight; expect more Agent questions on the actual exam
  4. Two PDFs overlap significantly — Use MS-AI102 (381q) as primary, 333q version for community discussion
  5. Content Safety trending up — Multiple test-takers report increased Content Safety questions

5. Study Priority

Priority Topics Questions %
🔴 P0 Must Master CLU/LUIS, RAG, Resource Provisioning, Responsible AI, AI Search 270 38%
🟡 P1 Important Bot/Dispatch, GenAI General, Q&A, Vision, Security, Speech 170 24%
🟢 P2 Basic Understanding Custom Vision, Monitoring, Cost, Translation, Containers, Text Analytics, Doc Intelligence 99 14%
⚠️ Supplement Agent Development (low in bank but increasing in real exam) 8 1%

6. Question Type Distribution

Type Count %
Multiple Choice 328 45.9%
Other (Mixed/Code) 232 32.4%
Hotspot 89 12.4%
Drag-Drop 40 5.6%
Yes/No 26 3.6%

7. References