Microsoft 将于 2026 年 6 月 30 日退役 AI-102（《设计和实现 Microsoft Azure AI 解决方案》），并以 考试 AI-103：在 Azure 上开发 AI 应用和代理 取而代之——这是通往全新 Microsoft 认证：Azure AI 应用和代理开发人员助理 认证的路径。这次更名绝非表面功夫。考试围绕 Microsoft Foundry（前身为 Azure AI Foundry，更早为 Azure AI Studio）、Responses API 代理运行时以及 2026 年真实团队交付 AI 的方式进行了重建。
我在学习新蓝图的过程中整理了一套密集、经过事实核查的学习指南，并将其作为免费开源资源发布。以下是内容概览，以及为什么在一个每季度都重新定价每个模型、重命名每个服务的世界里，认证仍然有其价值。
AI-103 考试涵盖什么
AI-103 分为五个加权域。指南与这些域一一对应，并按建议学习顺序编号——权重优先——而非官方考试顺序：
| # | 指南 | 考试域 | 权重 |
|---|---|---|---|
| 1 | 生成式 AI 和代理式解决方案 | 实现生成式 AI 和代理式解决方案 | 30–35% |
| 2 | 规划和管理 Azure AI 解决方案 | 规划和管理 Azure AI 解决方案 | 25–30% |
| 3 | 信息抽取解决方案 | 实现信息抽取解决方案 | 10–15% |
| 4 | 文本分析和语音 | 实现文本分析解决方案 | 10–15% |
| 5 | 计算机视觉解决方案 | 实现计算机视觉解决方案 | 10–15% |
生成式和代理式域（指南 1）是最大的单一板块，占 30–35%。在 AI-102 中，这些内容被拆分到两个较小的域中——所以这次合并是 Microsoft 希望工程师把时间花在哪里的强烈信号。还有一个早该指出的陷阱：语音不是独立域。它作为文本分析域（指南 4）内的一个子节存在，所以在规划学习时间时不要重复计算。
学习指南包含什么
本材料专为使用 Python 和 Microsoft Foundry 构建、管理和部署代理及 AI 解决方案的 Azure AI 工程师和开发者而设计——他们希望获得以服务选择为重点的复习，而非点击式教程。每份指南附带三样东西：
- 一份密集的域指南，将每个目标映射到满足它的当前 Foundry 服务，并附上在重叠选项之间选择的决策标准
- 一份配套幻灯片（PowerPoint），用于快速复习或教学
- 一段音频深度解析——播客风格的节目，可在通勤路上收听
每个事实性主张都可对照当前的 Microsoft Learn 文档 验证，关键服务在正文中内联链接，并在每份指南的延伸阅读部分列出。链接指向当前文档，并于 2026 年 6 月进行了实时验证，对照的是日期为 2026 年 4 月 16 日的技能大纲。
AI-103 考试主题与关键学习领域
生成式 AI 和代理式解决方案（域 1 — 30–35%）
最大的域。在 Foundry 项目端点上构建生成式应用；Responses API (Agents v2) 运行时模型——代理、对话和响应；代理工具、函数调用和多代理编排；以及调优、评估、追踪和可观测性。这里考察的是您能否真正组装一个代理，而不仅是描述它。
规划和管理 Azure AI 解决方案（域 2 — 25–30%）
选择模型、Foundry 服务和工具；设计检索、索引、记忆和知识集成；建立 Foundry 资源和部署（Standard / Provisioned / Batch / Data Zone）；CI/CD 流水线；通过 RBAC、Entra ID 和专用网络运营、监控和保护解决方案；以及带护栏的负责任 AI 治理。这是架构师的域。
信息抽取解决方案（域 3 — 10–15%）
检索和基础管道——拉取式 vs 推送式摄入，以及全文/向量/混合/语义/代理式检索——加上文档抽取。这里的高价值区分是 Azure AI Document Intelligence（确定性字段）与 Content Understanding（生成式、模式驱动、RAG 就绪输出），以及辨清一道题究竟在问哪一个。
文本分析和语音（域 4 — 10–15%）
带结构化 JSON 输出的实体、主题和摘要抽取；情感、PII 和内容安全；Azure Translator vs. LLM 翻译流程；以及语音转文本/文本转语音、自定义语音、Realtime API 和多模态音频推理。
计算机视觉解决方案（域 5 — 10–15%）
图像生成（gpt-image-*，不是已退役的 DALL-E 3）和视频生成（Sora 2）；支持视觉的聊天模型；标题和无障碍替代文本；Content Understanding 分析器；以及多模态安全、来源（Content Credentials / C2PA）和审核。
容易出错的高杠杆事实
Microsoft 快速重命名和重新划定这些服务，过时的答案是强候选人丢失易得分数的方式。指南重点强调的几个：
- 平台是 Microsoft Foundry。 不要重新引入旧的 Azure AI Foundry / Azure AI Studio 名称，除非在对比新旧时。
- 考试是 AI-103，不是 AI-102——AI-102 于 2026 年 6 月 30 日退役。
- 新 Foundry 中的无密钥模型推理使用
Foundry User角色，不是Cognitive Services User（那是经典 Azure OpenAI 的答案——注意题目中的资源类型）。 - 运行时是 Responses API (Agents v2) — 对话 / 项 / 响应 / 代理版本 — 不是旧版 Assistants API（线程 / 消息 / 运行 / 助手），后者据报告将于 2026 年 8 月 26 日日落。
为什么认证在快速变化的世界中仍然重要
这是个合理的问题。模型每月发布。服务季度中更名。等您通过考试时，一半内容不是已经过时了吗？以下是我仍然认为 AI-103 值得花时间的原因：
- 它迫使您接触本会跳过的广度。 大多数工程师在他们当前项目需要的两三个服务上深入，从不碰其余的。蓝图带您走过检索设计、治理、视觉、语音和部署模型——这些您永远不会主动学习——而正是这种广度使您在下一个项目与上一个截然不同时变得有用。
- 它验证的是判断力，而非冷知识。 AI-103 最难的问题不是"这个 API 返回什么"。而是"给定这些约束，您选择哪个服务？“Document Intelligence 还是 Content Understanding？Translator 还是 LLM？Standard 还是 Provisioned 部署？这种服务选择肌肉是持久的技能——它在每次更名后都能存活，因为底层的权衡不会像营销名称那样快速变化。
- 基础比标签长寿。 基础、RBAC、可观测性、负责任 AI 护栏、检索架构——无论门户显示 Foundry、Studio 还是下一个什么，这些都是相同的。学习一次平台的形态，每次 Microsoft 重新布置家具时您都能低成本地重新包装。
- 它是嘈杂市场中可信的信号。 现在谁都可以说"做 AI”。一个当前、由厂商背书的助理认证告诉雇主和客户您可以在 Azure 的 AI 堆栈上构建——是今天的样子，不是两年前的样子。在充斥炒作的市场中，近期认证是便宜、易懂的时效证明。
- 时钟是特性，不是缺陷。 重新认证让您保持诚实。快速变化的领域正是周期性强制刷新最有价值的领域——它在您的心智模型悄然过时之前把您拉回文档。
任何单一事实的半衰期都很短。知道平台如何组织以及如何在其中选择的半衰期很长。这才是好的学习指南——以及当前认证——真正买到您的东西。
本学习指南面向谁
- AI 工程师，使用 Python 和 Foundry 在 Azure 上构建生成式和代理式应用
- 解决方案架构师，为 AI 工作负载设计检索、部署、安全和治理
- 开发者，专门为 AI-103 考试做准备——或从即将退役的 AI-102 迁移
- 任何人，希望获得当前、无废话的 Microsoft Foundry 及其周边服务的地图
AI-103 考试常见问题
AI-103 认证值得考吗？
如果您在 Azure 上构建 AI，值得。它验证了在更名和模型变动中存活的服务选择判断力和架构广度——正是一个快速变化领域所奖励的技能。它也是当前可信的信号，证明您可以按平台今天的样子交付。
我已通过 AI-102 认证——该怎么办？
AI-102 于 2026 年 6 月 30 日退役。规划过渡到 AI-103。概念重叠确实存在，但考试围绕 Microsoft Foundry 和 Responses API 重建，所以不要假设您的 AI-102 知识一一对应——指南明确指出了不对应的地方。
考试最难的部分是什么？
占 30–35% 的生成式和代理式域，以及贯穿始终的服务选择问题。考试奖励的是知道哪个服务符合约束，而不仅是每个服务做什么。
学习指南有多新？
链接和事实于 2026 年 6 月进行实时验证，对照 2026 年 4 月 16 日的技能大纲。部分指南开头有带日期的准确性说明，记录检查发生的时间。Microsoft 变动很快，所以考试前务必对照官方 AI-103 学习指南确认具体内容。
在哪里报名？
通过 Microsoft 官方认证页面。从考试学习指南和认证概览开始，了解当前定价、格式和先决条件。官方培训课程是 AI-103T00-A：在 Azure 上开发 AI 应用和代理。
获取学习指南
完整的 AI-103 学习指南——全部五个域指南、幻灯片和音频深度解析——在 GitHub 上开源：
github.com/kkaminsk/AI-103-Study-Guide
克隆它、fork 它、从中学习。如果您发现错误或又被重命名的服务，欢迎提交 PR 和 issue——在这个领域，保持最新是团队运动。
需要在 Azure AI 上构建的帮助？ Big Hat Group 在 Microsoft Foundry 上设计并交付生产 AI 解决方案——代理式工作流、检索管道和受治理的企业 AI 平台。探索我们的咨询服务或联系我们。