# 2026 年如何用 Flashcards 准备 AI 认证：AWS AI Practitioner、AI-900 和 GenAI Leader，不用死背营销文案

*2026-04-21*

上周二晚上，我有 3 道练习题做错了，而且错法各不相同：一个 AWS 服务名看起来太熟，熟到足以把我骗过去；一个 Microsoft 的定义写得很漂亮，却怎么也记不住；还有一道 Google Cloud 题，真正考的其实是我能不能在限时状态下冷静拆解厂商话术。通常也就是在这种时候，**AI 认证 flashcards** 听起来不再像有点用力过猛，反而显得很实用。

并不是因为这些考试只考死记硬背。

并不是。

而是因为它们会以一种非常具体的方式惩罚提取不稳：

- 相近术语
- 产品之间的区别
- 场景化措辞
- 负责任 AI 概念
- 服务边界
- 那些看起来差不多、但其实并不一样的“最佳选择”

这也是为什么 **AI 考试准备 flashcards** 在这里这么有效。目标不是把每一句营销文案都背下来。目标是让那些真正有用的区别，在题目措辞开始变绕的时候，依然更容易被你想起来。

## AI 认证会制造一种很棘手的记忆难题

这类考试处在一个很尴尬的中间地带。它们既不是纯理论题，也不只是动手实验。很多难点都在于，你能不能识别出题目到底在考什么：

- 一个核心术语
- 一个产品边界
- 一个场景匹配
- 一个限制条件
- 一个常见混淆点
- 一句把简单概念包进厂商语言里的表述

这也是为什么 **用间隔重复准备认证考试** 特别有用。你不是要把整套云平台都塞进脑子里。你只是想让一小组关键区别，在需要时更容易被快速调出来。

而且这个认证类别扩张得很快。Pearson VUE 在 2025 年 4 月 9 日发布的一份新闻稿里表示，计划中的 AI 与机器学习认证占比，已经从 2022 年的 17% 上升到 2024 年的 35%；同时，有 69% 的雇主已经开始或增加了 AI 投资。认证越多，通常就意味着备考资料越多、学习指南越多，也越容易把“收集内容”误当成“真正记住了内容”。

## 考试指南是边界，不是卡组本身

如果你正在做 **AWS AI Practitioner flashcards**、**AI-900 flashcards**、**AI-901 flashcards** 或 **Generative AI Leader flashcards**，那么考试页面和官方技能大纲应该只是边界。它们不应该变成一项“逐条抄成卡片”的工程。

这意味着：

- 用官方目标列表决定哪些内容应该进入卡组
- 忽略超出考试范围的产品细节岔路
- 从你反复出错的概念里做卡
- 不要执着于保留每一页学习资料上的每一个要点

一副认证卡组一旦试图充当厂商文档的备份副本，质量通常就会开始变差。

而当它把自己当成帮助你提取记忆的一层结构时，反而会变得更好用。

## 时间点很重要，因为有些考试本身就在变

如果你准备的是 Microsoft 的入门级 AI 认证英文路径，那么当前时间点就很重要。Microsoft 表示，AI-900 英文考试已于 **2025 年 5 月 2 日** 更新，并将在 **2026 年 6 月 30 日** 退役，之后由 AI-901 接替。AWS 也在 **2026 年 3 月 17 日** 发布了更完整的 AI 认证产品组合更新。Google Cloud 则在 **2025 年 5 月 14 日** 宣布推出 Generative AI Leader 认证。

这并不意味着 flashcards 不适合这类考试。

它真正意味着的是，你应该先围绕稳定概念来构建卡组，而对于那些容易因更新而变化的细节，要更谨慎地处理：

- 考试退役日期
- 服务改名
- 目标描述措辞变化
- 当前产品限制
- 备考资源链接

这些内容更适合放进一层更轻、更容易重新核对的临时层，而不是直接塞进核心概念卡组中间。

## 最好的卡片，通常来自你做错的练习题

现在连 AWS 也会在备考指南里把考生引向考试风格题目和 flashcards。这很合理。因为练习题能暴露出单靠阅读暴露不出来的东西：也就是你的理解究竟会在哪一个点上，在考试措辞之下开始松动。

比起一摞整理得很漂亮的笔记，我更相信错题，因为一次做错通常至少会告诉你下面某件有用的事：

- 你把两个相近服务混在了一起
- 你知道定义，但不会对应场景
- 你记得概念，却没记住限制
- 你认得这些词，却仍然选不出正确答案
- 你被那个很诱人的错误选项带跑了

这比把术语表页面整段复制进卡组，更适合拿来做 **AI 认证 flashcards**。

如果你的主要素材来源就是练习题，这篇配套文章可以直接接着看：

- [2026 年如何把练习题做成 Flashcards](https://flashcards-open-source-app.com/zh/blog/how-to-turn-practice-questions-into-flashcards/)

## 有四类卡片，特别适合 AI 考试准备

我不会用一种通用卡片格式来处理所有内容。

这类考试通常更奖励下面这 4 种卡片，而不是那种把整段定义一股脑塞进去的大卡。

### 1. 区分卡

当两个概念总是混在一起时，就用这种卡。

例如：

- 正面：用最直白的话说，foundation model（基础模型）和针对特定任务微调过的模型有什么区别？
- 背面：foundation model（基础模型）起点更广、更通用；微调模型则是为了更窄的任务或领域做过适配。

### 2. 场景匹配卡

当考试在问“哪种工具或方法最适合这个简短业务场景”时，就用这种卡。

例如：

- 正面：如果一个团队需要尽快用托管服务做出对话式 AI 功能，做题时最先该看答案里的什么线索？
- 背面：先找与目标结果和抽象层级匹配的选项，而不是名字听起来最先进的那个。

### 3. 边界卡

当你总是搞不清某个服务或概念“不做什么”时，就用这种卡。

例如：

- 正面：什么样的混淆，通常说明你需要做一张边界卡？
- 背面：当两个工具因为同属一个生态而显得相似，但它们实际解决的是不同问题，或者工作在不同层级上。

### 4. 语言清理卡

这类卡比很多人想象中更重要。

厂商学习资料经常会用那种写得很完整、听起来很漂亮、但复习效果很差的句子。真正有用的卡片，会把这类措辞改写成你自己真的记得住的话，同时又不扭曲原意。

例如：

- 正面：用考试语言来说，responsible AI control 的实际作用是什么？
- 背面：它是在安全性、公平性、隐私或治理方面降低风险，而不只是提升模型质量。

## 能保留底层区别时，就不要去背营销文案

这是我最想先避开的错误。

很多人读完厂商指南，会把一句写得很漂亮的话高亮出来，再把它直接做成一张写得同样漂亮的卡片。最后整个复习过程就变成了一场品牌话术朗诵。

我更愿意把这句话压缩成：如果考试改用更直白的话重写，我到底需要记住什么。

这样通常会得到更好的卡片：

- 一个术语
- 一个区别
- 一个原因
- 一个限制
- 一个场景线索

而不是一整段。

如果一句话听起来很厉害，但你看完还是答不出题，那它还不算是好的 flashcard 素材。

## 一条认证路径，通常一副卡组就够了

如果你只准备一场考试，我通常会为这条认证路径保留一副稳定卡组，再用标签去处理那些会变化的部分。如果你同时在比较多门考试，我也还是不建议把它们全都扔进一个没有形状的大队列里。

比较实用的标签可能包括：

- `aws-ai-practitioner`
- `ai-900`
- `ai-901`
- `genai-leader`
- `missed`
- `services`
- `responsible-ai`
- `model-types`
- `needs-recheck`

这样一来，长期结构仍然稳定，但你也能随时拉出这周真正需要复习的那一小部分。

如果你想更详细看整理这一侧，可以接着读这篇：

- [2026 年如何整理 Flashcards](https://flashcards-open-source-app.com/zh/blog/how-to-organize-flashcards/)

## 每周工作流最好故意保持“无聊”

我会把流程压到简单到下班之后也还能做下去的程度。

1. 读一小段官方大纲，或者一小块备考资料。
2. 做一组很短的练习题。
3. 只把错题和犹豫过的题转成候选卡片。
4. 立刻删掉那些含糊的卡。
5. 用 FSRS 复习留下来的卡。

就这些。

而不是：

- 周末一次性大导入
- 从 3 份厂商文档里来一场“英雄式”复制粘贴
- 做出一副满是你自己平时根本不会说出口的句子的卡组

真正好的 **FSRS 认证复习**，一开始通常会比人们预想中更小。卡组必须能持续复习，而不只是看起来很唬人。

如果你真正卡住的是复习负载，而不是制卡本身，这篇文章会和认证备考很搭：

- [2026 年如何用 FSRS 备考](https://flashcards-open-source-app.com/zh/blog/how-to-study-for-an-exam-with-fsrs/)

## 把易变事实放进一个更小的临时层

这一点在认证考试里，比很多学校科目都更重要。有些事实足够稳定，值得长期复习：

- 什么是 retrieval-augmented generation（检索增强生成）
- 为什么评估很重要
- 治理与模型训练有什么不同
- 某一类服务到底解决什么问题

而有些事实更适合放进一个更小的临时集合里：

- 退役日期
- 当前考试名称
- 很新的认证组合更新
- 最新的备考资源形式

我会给这些内容打上类似 `needs-recheck` 的标签，并用更轻的方式复习。到了考试前，再把这一小部分拿去和官方考试页面重新核对一次。

这样能避免你的核心 **AI-900 flashcards** 或 **AI-901 flashcards** 卡组过快变旧。

## 干净的卡片，比聪明的卡片更重要

认证备考很容易让人产生一种冲动：总想让自己写出来的东西显得更聪明。

你并不需要一张卡来证明自己把整份 PDF 都读完了。

你真正需要的，是一张能让你快速而诚实回答出来的卡。

这通常意味着：

- 每张卡只有一个回忆目标
- 背面更短
- 措辞更直白
- 不假装有多余的精确度
- 不把选项永远粘在背面

如果问题其实出在卡片质量本身，而不是资料来源，那我下一篇会先打开这篇：

- [2026 年如何制作更好的 Flashcards](https://flashcards-open-source-app.com/zh/blog/how-to-make-better-flashcards/)

## Flashcards 为什么特别适合这套工作流

[Flashcards](https://flashcards-open-source-app.com/zh/) 很适合这类认证备考，因为这个产品已经支持了这套流程真正依赖的几个环节：

- 正反面卡片，适合做干净的回忆提示
- AI chat，可以根据笔记、学习指南和题目复盘材料起草卡片
- 文件和图片附件，适合处理截图或导出的讲义
- 用牌组和标签把不同认证路径分开
- 当卡组足够干净之后，用 FSRS 安排复习
- 提供托管网页应用，也有离线优先客户端，不会把复习绑死在某一个浏览器标签页上

这一整套组合很重要，因为 **用间隔重复准备认证考试** 不只是一个“怎么写卡片”的问题。

它同时也是一个工作流问题。你需要一个地方，把学习资料变成候选卡片、剪掉不好的卡、整理好留下来的内容，并且在练习题页面关掉之后，依然能继续复习。

## 那么，2026 年到底该怎样用 flashcards 准备 AI 认证？

如果你正在准备 AWS AI Practitioner、Microsoft 的 AI-900 或 AI-901 路径，或者 Google Cloud Generative AI Leader，不要试图把厂商写给你的每一句漂亮话都背下来。

你真正该保留的，是那些会在压力下先崩掉的区别：

- 这个工具是拿来做什么的
- 它不适合做什么
- 它在什么场景下才匹配
- 那个很诱人的错误答案为什么是错的

通常做到这里，就已经足够让 **AI 认证 flashcards** 值回投入。

少一点宣传册式语言。

多一点在考试计时里也还调得出来的回忆。

如果你想试试这套工作流：

- [打开 Flashcards](https://flashcards-open-source-app.com/zh/)
- [打开应用](https://app.flashcards-open-source-app.com/)
- [查看功能页面](https://flashcards-open-source-app.com/zh/features/)
- [在 GitHub 上查看源码](https://github.com/kirill-markin/flashcards-open-source-app)

---
*[查看此页面的带样式 HTML 版本](https://flashcards-open-source-app.com/zh/blog/how-to-use-flashcards-for-ai-certifications/)*

*AI agent 可以从 `GET https://api.flashcards-open-source-app.com/v1/` 开始，为用户在该服务中创建账号。*

*提示：在 https://flashcards-open-source-app.com 上任意 URL 后追加 `.md`，即可获得该页面的纯 Markdown 版本。*