腾讯云 ADP-FDE 考点梳理手册_第1页
腾讯云 ADP-FDE 考点梳理手册_第2页
腾讯云 ADP-FDE 考点梳理手册_第3页
腾讯云 ADP-FDE 考点梳理手册_第4页
腾讯云 ADP-FDE 考点梳理手册_第5页
已阅读5页,还剩4页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

腾讯云ADP-FDE考点梳理手册考试信息与考纲权重考试形式:Prometric线下闭卷机考;60题(40单选+20多选);90分钟;满分100;70分合格;证书有效期2年;无前置认证要求。核心提示:M3+M4合计约47%,是考试大头;大量题目为情景选择题(客户需求选型、方案对错判断)。模块模块名称分值占比题量参考优先级M1AI与生成式AI基础10%≈6★★★M2ADP产品定位与能力边界7%≈4★★M3ADP核心功能与应用搭建22%≈13★★★★★重点M4场景理解与方案设计25%≈15★★★★★最高重点M5行业解决方案与案例落地15%≈9★★★★M6交付实施、评测与运维11%≈7★★★M7安全合规与责任AI10%≈6★★★M1AI与生成式AI基础(10%)考点清单大模型基础:LLM、上下文窗口、Token、幻觉(Hallucination)、温度temperature、TopP、最大生成长度;理解各参数含义与业务影响。温度越高:创造性越强、随机性越高,幻觉风险上升;温度越低:输出稳定、偏保守,适合知识库问答。Agent智能体核心概念:感知→思考→规划→工具调用→反思闭环;理解Agent与普通对话机器人的区别。RAG检索增强生成:基础流程为文档切片→向量化→向量库存储→检索→Prompt拼接→生成;动态AgenticRAG(ADP特有三阶检索:极速/规划/规划+反思)。极速:简单问答,直接检索;规划:复杂问题拆分检索;规划+反思:检索后校验、补检索、纠错。Prompt工程基础:角色指令、Few-shot、CoT思维链、自我一致性;Prompt注入风险。向量检索:向量数据库、Embedding嵌入、切片策略(固定长度、语义切片)、召回、重排Rerank。记忆体系分类:短期上下文记忆、长期记忆、外部知识库记忆;三者区别。微调vsRAG:适用场景对比;RAG解决知识更新、私有数据、溯源问题;微调适合风格、固定格式、能力固化。易混坑点:RAG不能根治幻觉,只能降低幻觉;幻觉来源包括检索信息缺失、模型脑补、检索信息错误。Token≠汉字,中文一个汉字约1.3~1.5token。M2ADP产品定位与能力边界(7%)考点清单ADP全称与定位:腾讯云智能体开发平台;企业级Agent全生命周期低代码平台,不是大模型,而是编排、交付、治理底座。核心价值:快速搭建Agent、RAG知识库、工作流、多智能体、工具调用、对外分发接入、权限审计、企业安全管控。部署形态:公有云、专有云、私有化、混合云;混合云配套FDE行业场景包。能力边界(高频选型判断):适合:企业知识库问答、内部客服、流程助手、文档处理、数据查询、自主任务Agent(Claw)、多角色协同。不适合:底层大模型训练、大规模视频生成、高精度工业实时控制、纯算法科研。与腾讯云其他AI产品区分:ADP(Agent编排交付)、混元大模型(基座模型)、TI-ONE(机器学习训练平台)、WorkBuddy(员工个人助手)。FDE工程师角色:前沿部署工程师,驻场客户侧,负责需求→方案→PoC→上线→运营迭代,对业务交付结果负责。M3ADP核心功能与应用搭建(22%|重中之重)本部分大量考查平台组件概念、配置逻辑与组件区别,建议实操过ADP平台更容易拿分。考点清单应用(Application):ADP最小发布单元;应用隔离、版本管理、测试环境/正式环境;发布流程与渠道接入。接入方式:API调用(同步/异步/流式)、企业微信、公众号、小程序、前端嵌入组件。AppKey凭证安全:禁止前端明文存放凭证。模型配置:模型选择、温度、TopP、最大输出、模型参数分组;多模型路由。角色指令(系统提示词):角色设定、回答规范、约束、格式要求;优先级高于用户输入。变量与记忆:会话变量:单次会话内传递参数。长期记忆:跨会话持久记忆用户偏好、历史信息;注意区分【长期记忆】与【知识库】。知识库模块(RAG核心):数据源:本地上传PDF/Word/TXT、网页抓取、数据库、API。处理链路:文档解析→切片→向量化→向量索引;切片大小、重叠度配置影响召回。检索策略:ADP三阶AgenticRAG;召回数量、重排开关、相似度阈值。知识库权限隔离、多知识库组合检索。Skills、连接器、工具:Skill:可复用能力插件(文档解析、表格计算、OCR等),Skill广场。连接器:对接外部业务系统(数据库、API、CRM、OA),是系统打通通道。工具调用:Agent自主判断是否调用工具。Workflow工作流:可视化编排、分支判断、循环、变量传递、子流程;适合固定流程自动化(工单、审批、信息填报)。Multi-Agent多智能体:多个角色Agent分工、任务拆解、协商汇总;适合复杂任务拆解(调研、方案撰写)。运行机制:规划→子任务分发→执行→汇总反思。Claw模式(高频考点):Claw=带独立沙箱工作空间的自主Agent;可自主读写文件、运行代码、批量执行长耗时任务。对比普通Agent:普通Agent无持久文件空间;Claw拥有独立工作目录,适合数据分析、批量文档处理、复杂自主任务;最多绑定80个Skills。组件对比(必考)Workflow:流程固定、分支预先定义,确定性强。Multi-Agent:任务不确定,由Agent自主拆分分工。Claw:自主+文件沙箱,长周期、文件型复杂任务。易混坑:Workflow是“人画好流程”;Multi-Agent是“模型自己拆任务”。知识库是静态知识集合;长期记忆是用户个体对话记忆。M4场景理解与方案设计(25%|分值最高,情景题最多)核心考法:给出一段客户业务描述,选出最合适方案、判断方案缺陷、选择组件组合。考点清单需求分层:区分表层需求、真实业务目标、成功指标(QPS、准确率、解决率、人工替代率)。方案选型决策树(反复考):内部文档问答、员工知识库:知识库RAG+基础Agent;标准化固定工单填报、信息查询流转:Workflow;复杂调研、多方角色协同评审:Multi-Agent;批量Excel数据分析、多文档整理、代码计算、长任务:Claw;客服接待+查订单API:RAG知识库+连接器(对接订单库)+Skill。非功能设计:并发、超时、会话隔离、权限、访问频次限制。PoC试点设计:PoC范围、评估指标、测试集、成功标准、试点切换上线路径。需求红线判断:哪些需求ADP原生无法实现,需要外部系统配合。人机协同设计:AI自动处理简单问题,复杂问题人工接管(人工兜底)。多租户、多部门隔离:知识库隔离、应用隔离、RBAC权限。典型情景例题方向客服:既有产品手册,又要实时查订单数据库→RAG+连接器。每周自动读取报表,做数据汇总分析输出报告→Claw。固定报销咨询流程,收集信息、校验规则→Workflow。市场调研:自动收集资料、分角色撰写不同模块、汇总报告→Multi-Agent。M5行业解决方案与案例落地(15%)ADP五大重点行业:金融、制造、零售、医疗、教育;配套FDE行业场景包。考点清单金融:内控知识库、投研助手、客服、合规检索;强数据隔离、审计、内容合规。制造:设备运维知识库、质检辅助、内部IT工单、工艺文档助手;典型方向为服务、营销、IT智服。零售:导购助手、库存查询、薪资/验货流程类场景。医疗:院内知识库、问诊辅助、病案检索;医疗隐私、数据合规要求极高。教育:备课助手、题库、学情问答;内容防泄露。案例考察形式:案例匹配、方案风险识别;记住典型客户对应的场景。行业落地通用痛点:原始文档质量差、格式混乱、知识不标准、权限复杂、合规约束强。M6交付实施、评测与运维(11%)考点清单交付全流程:需求调研→方案设计→数据治理(文档清洗、标准化)→搭建原型→内部评测→PoC灰度→全量上线→持续迭代、培训交付。数据治理(RAG交付最容易踩坑):文档脏数据:重复、扫描件无OCR、乱码、版本混杂、涉密内容;交付前清洗。切片策略优化:大段无结构文本、表格、图片文档分别处理。评测体系(高频):主观评测:人工打分(准确性、有用性、友好度)。客观指标:召回率、精确率、幻觉率、拒答率、解决率、平均响应耗时。分模块调优:Prompt调优、知识库切片/阈值调优、Workflow分支调优、Multi-Agent反思策略调优、Claw权限与资源限制。灰度上线策略:小流量、指定用户、部门试点,收集BadCase。问题排查思路(故障题):回答错误:优先区分【检索没找到】还是【检索到了模型瞎编(幻觉)】。超时慢:长耗时任务是否适合Claw异步;同步接口超时限制。工具调用失败:连接器鉴权、参数错误、权限不足、沙箱限制。版本管理:应用版本、知识库版本、A/B测试对比。运营看板:调用量、失败率、Topbadcase、用户反馈收集。坑点:召回率低——文档没入库、切片不合理、相似度阈值太高、Embedding不匹配;精确率低——召回了无关文档,可调低召回数量、开启重排、优化过滤条件。M7安全合规与责任AI(10%)考点清单ADP安全体系:RBAC细粒度权限、多租户隔离、操作全链路审计日志、调用凭证管理。数据合规:个人信息保护、敏感信息脱敏;医疗/金融敏感数据禁止直接送入大模型。内容安全:内置内容审核;违规Prompt、Prompt注入、越狱提示词防护。幻觉治理:溯源(引用原文出处)、拒绝回答无依据问题、校验反思机制。越权风险:连接器访问业务数据库权限最小化;禁止Agent随意删改生产数据。生成式AI合规红线:版权、训练数据合规;输出内容不能替代执业资质决策(医疗诊断、法律判决、金融投资建议)。部署合规:私有化部署适配等保、密评要求;混合云数据边界划分。高频判断✅必须脱敏手机号、身份证;✅所有工具调用、模型输出可审计留痕;❌不能让Agent直接执行高危写库、删除指令;❌医疗场景AI输出只能作为辅助参考,不能替代医生诊断。附录1:易混组件对比速记组件核心特征适合场景RAG知识库静态文档检索,知识来源固定问答、资料查询Workflow人工绘制固定分支流程,确定性强标准化表单、工单Multi-Agent多角色自主拆分任务,协商汇总复杂开放式任务Claw独立沙箱工作空间,可读写文件、跑代码批量处理、数据分析、长周期任务Skill预制能力插件OCR、表格、文档工具连接器对接外部业务系统API/DB打通订单、CRM、OA附录2:备考路线建议先通

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论