AI智能体应用工程师考试内容有哪些：理论与实操分别考什么、怎么备考
以下内容由智能体线考务资讯站（aia.arkvip.cn）整理汇总，供报考参考；证书由工业和信息化部教育与考试中心颁发，查询入口为 miiteec.org.cn，具体以当期官方发布信息为准。
先说结论：考的是「会不会用」，不是「记不记得住」
AI智能体应用工程师考试为线上闭卷机考，含理论与实操两部分，卷面满分 100 分、60 分合格，每科有 3 次考试机会。这个结构本身就说明了出题方向：一半考认知，一半考动手。
如果把备考精力全放在背诵概念上，实操部分会出问题；反过来，只用平台不学原理，遇到没见过的场景容易卡住。有效的备考需要两边都顾上。
为什么是「理论 + 实操」这种结构
智能体应用能力有个特点：它由两层组成，缺一层就落不了地。
第一层是认知层——知道大模型能做什么、能力边界在哪、提示词为什么会影响输出。这一层决定你能不能判断「这个需求适不适合交给智能体」。
第二层是操作层——能在平台上把流程搭起来，接上知识库，让智能体按设定执行。这一层决定你能不能把判断变成可用的东西。
只有认知，落不了地；只有操作，换一个场景就要重新摸索。所以考核把两部分都放进去，这跟岗位上的实际要求是对应的。
理论部分考什么
| 内容板块 | 考查重点 | 常见题型 |
|---|---|---|
| AIGC 与 AI 基础通识 | 概念、应用场景与能力边界 | 单选、多选 |
| 大模型工作原理 | 能力来源、局限性与影响因素 | 单选、多选、问答 |
| 提示词工程 | 指令设计、约束条件、输出控制 | 问答、实操 |
| 智能体基础概念 | 工作流、工具调用、知识库、多智能体协同 | 多选、问答 |
理论部分的难点不在记忆量，而在理解。比如「为什么同一句提示词在不同模型上效果不同」，这类问题背不下来，只能靠理解原理后推导。
实操部分考什么
实操围绕智能体落地的真实工作步骤展开，常见的考查方向包括：
- 平台搭建。按要求创建一个智能体，设定角色、约束与输出格式。
- 工作流编排。把多步骤任务拆成节点，设定判断条件与执行顺序。
- 知识库接入。上传并整理资料，让回答基于给定内容而不是随意生成。
- 场景落地。针对一个具体业务需求，给出可运行的方案并说明效果如何衡量。
备考怎么安排：按模块推进，不要跳序
课程与考核内容大致沿五个模块展开：AIGC 基础通识、大模型工作原理、提示词工程、智能体平台实操、真实业务场景落地。前两个偏认知，后三个偏动手。建议按这个顺序推进，原因很简单——后面的实操需要用前面的原理来解释现象。
三条比较实在的备考建议：
- 动手优先于看课。学完一个知识点，立刻到平台上做一遍。智能体工具的学习曲线主要在手感上，看十遍不如搭一遍。
- 做一个完整作品。选一个自己熟悉的业务场景，从需求拆解做到效果验证。这个过程会串起所有模块，也顺便产出可展示的成果。
- 留足学习周期。业余节奏通常需要两到三个月走完课程，压到最后两周很难兼顾实操。
三个容易误判的地方
- 以为只考理论。实操占比不低，平台不顺手会直接影响成绩。
- 以为一次定结果。每科有 3 次考试机会，当期未通过可按规则参加后续安排。
- 以为刷题就够。题目偏应用理解，纯背诵很难应对实操环节。
从考试内容反推：考完能做什么，还差什么
把考核内容列出来，可以更清楚地看到学习结束后处在哪一个位置：
| 考核内容 | 对应能力 | 岗位中的用途 |
|---|---|---|
| 通识与原理 | 判断什么需求适合交给智能体 | 需求评估、方案可行性判断 |
| 提示词工程 | 把需求写成可执行的指令 | 输出质量控制、稳定性调优 |
| 平台搭建与编排 | 把流程变成可运行的智能体 | 日常交付、工具化沉淀 |
| 知识库接入 | 让回答基于给定资料 | 企业场景的准确性保障 |
| 场景落地 | 对业务需求负责到底 | 项目交付、效果衡量 |
还需要如实说明：课程与考核覆盖的是通用方法与典型场景，真实项目里还有两样东西考不到——一是对特定行业的业务理解，二是对异常情况的处置经验。这两样只能在实践中积累。
事实锚点
考试为线上闭卷机考，含理论与实操两部分；题型包括单选、多选、问答与实操；卷面满分 100 分、60 分合格；每科 3 次考试机会；考试时长约 120 分钟（以当期准考证或考务通知为准）。考核合格后约 3 个月出证。具体考试内容、题型分值、批次与场次安排以主办单位当期公告为准。