簡(jiǎn)介本資源為微軟 AI-900 Microsoft Azure AI Fundamentals 認(rèn)證的 91 道考題整理包面向準(zhǔn)備參加該認(rèn)證考試的技術(shù)人員、云與人工智能入門學(xué)習(xí)者。內(nèi)容覆蓋人工智能工作負(fù)載與考量、Azure 機(jī)器學(xué)習(xí)基礎(chǔ)、計(jì)算機(jī)視覺、自然語(yǔ)言處理等考核方向題型包含單選、熱點(diǎn)題與拖拽題并附有正確答案與解析說(shuō)明。資源包共 1 個(gè) PDF 文件大小約 2.86MB便于在電腦或移動(dòng)設(shè)備上直接翻閱、打印標(biāo)注適合考前集中刷題與知識(shí)點(diǎn)速查。已有 448 人學(xué)習(xí)下載。讀者可借由逐題解析理解 Webchat Bot 減輕客服工作量的商業(yè)價(jià)值判斷、訓(xùn)練集與評(píng)估集的隨機(jī)劃分方法以及混淆矩陣中真陽(yáng)性、假陰性等指標(biāo)的計(jì)算與應(yīng)用同時(shí)熟悉微軟負(fù)責(zé)任的 AI 原則在自動(dòng)機(jī)器學(xué)習(xí)中的落地方式從而系統(tǒng)查漏補(bǔ)缺、提升應(yīng)試信心。1. AI-900 考的不是算法是 Azure 上 AI 服務(wù)的邊界很多人備考 AI-900 的第一反應(yīng)是去補(bǔ)數(shù)學(xué)梯度下降、反向傳播、正則化一本《機(jī)器學(xué)習(xí)》啃到第三章回頭做 91 題題庫(kù)還是栽在「給一張發(fā)票照片自動(dòng)提取字段該用哪個(gè)服務(wù)」上。微軟考試認(rèn)證體系里的 AI-900Azure AI Fundamentals是基礎(chǔ)級(jí)云 AI 認(rèn)證提問(wèn)方式高度固定給業(yè)務(wù)場(chǎng)景讓你在幾個(gè) Azure AI 服務(wù)之間做選擇或者給一份訓(xùn)練結(jié)果讓你判斷該看哪個(gè)指標(biāo)。它不要求寫模型代碼也不考公式推導(dǎo)考的是服務(wù)邊界和概念口徑。適合誰(shuí)做過(guò)后端、運(yùn)維、數(shù)據(jù)分析、產(chǎn)品想用一張權(quán)威證書把「我懂云上 AI 怎么落地」這句話說(shuō)圓的人也適合需要跟算法團(tuán)隊(duì)對(duì)齊術(shù)語(yǔ)的技術(shù)管理者。下面按考綱拆解、題庫(kù)處理、命令復(fù)現(xiàn)、指標(biāo)計(jì)算、考前復(fù)盤的順序展開每一步都能直接抄。2. AI-900 考綱拆解與 91 題題庫(kù)的刷題路線2.1 五個(gè)考綱域的權(quán)重與題型特征AI-900 的考綱域數(shù)量不多但每個(gè)域下面掛的服務(wù)名很密靠背服務(wù)名背不完得按「場(chǎng)景 → 能力 → 服務(wù)」三層去記。微軟官方的 skills outline 會(huì)隨版本調(diào)整你手上的 91 題 PDF 如果不是同一版權(quán)重會(huì)有出入所以下面給的是常見區(qū)間不是精確分值最終以你下載到的官方 skills outline 為準(zhǔn)。考綱域常見權(quán)重區(qū)間題型特征優(yōu)先級(jí)AI 工作負(fù)載與 Azure AI 服務(wù)考量15%~20%場(chǎng)景選服務(wù)、服務(wù)選能力高Azure 上的機(jī)器學(xué)習(xí)基礎(chǔ)20%~25%概念判斷 指標(biāo)計(jì)算最高計(jì)算機(jī)視覺工作負(fù)載15%~20%服務(wù)與視覺功能匹配中自然語(yǔ)言處理工作負(fù)載15%~20%服務(wù)與語(yǔ)言功能匹配中生成式 AI 工作負(fù)載10%~15%Azure OpenAI、Copilot 概念中高題型分布上選擇題占大頭還夾著拖拽匹配題把服務(wù)拖到對(duì)應(yīng)場(chǎng)景和少量填空。真正讓人翻車的是「兩個(gè)選項(xiàng)都能實(shí)現(xiàn)、但只有一個(gè)是最合適服務(wù)」的那種題判斷依據(jù)通常是任務(wù)是否需要自定義模型、輸入是不是結(jié)構(gòu)化數(shù)據(jù)、延遲和成本有沒有隱含約束。2.2 91 題三輪刷題法從歸類到限時(shí)模擬第一輪不掐時(shí)間把 91 題按上表五個(gè)域分成五摞每錯(cuò)一題在旁邊手寫一句「正確選項(xiàng)為什么對(duì)、我選的為什么錯(cuò)」。這一步的目的不是記住答案而是暴露你腦子里的錯(cuò)誤映射最常見的三類是把 OCR 和文檔智能混為一談、把異常檢測(cè)當(dāng)成分類問(wèn)題、把回歸指標(biāo)用到分類題上。第二輪只做錯(cuò)題和被標(biāo)記的題單題控制在 60 秒內(nèi)。同一道題第二次還錯(cuò)說(shuō)明不是記性問(wèn)題而是概念沒建立回到 Microsoft Learn 對(duì)應(yīng)學(xué)習(xí)路徑讀原文別在題庫(kù)內(nèi)部找證據(jù)。第三輪連續(xù)做兩套限時(shí)模擬單題 45 秒左右正確率穩(wěn)定在 85% 以上再約考。AI-900 的通過(guò)線常見說(shuō)法是 700/1000考試時(shí)長(zhǎng)通常在 45 分鐘上下題量 40 到 50 題。輪次目標(biāo)單題時(shí)間通過(guò)標(biāo)準(zhǔn)第一輪建立場(chǎng)景到服務(wù)的映射不限每道錯(cuò)題能一句話說(shuō)清錯(cuò)因第二輪消滅錯(cuò)題60 秒錯(cuò)題集正確率 100%第三輪模擬考場(chǎng)節(jié)奏45 秒連續(xù)兩套 ≥ 85%提示題庫(kù) PDF 的參考答案本身可能有錯(cuò)。遇到兩個(gè)選項(xiàng)都像對(duì)的題去官方學(xué)習(xí)路徑上找原文不要用「另一道題的答案」來(lái)反推。2.3 用 Python 把題庫(kù) PDF 拆成可檢索的 CSV91 題的 PDF 直接翻效率很低無(wú)法按關(guān)鍵詞檢索也沒法統(tǒng)計(jì)自己哪塊薄弱。用 pdfplumber 抽文本再按題號(hào)切塊是最省事的做法。import re import csv import pdfplumber PDF_PATH AI-900-91Q.pdf # 題庫(kù) PDF放腳本同目錄 OUT_CSV ai900_questions.csv # 題號(hào)格式可能是 1. 12、 Q3. Question 4按你手上的 PDF 實(shí)際格式調(diào)整 Q_PATTERN re.compile(r(?m)^\s*(?:Q(?:uestion)?\s*)?(\d{1,3})[\.\、\)]\s) # 選項(xiàng)格式 A. B) C、多選、拖拽題的選項(xiàng)可能不帶字母需要單獨(dú)處理 OPT_PATTERN re.compile(r(?m)^\s*([A-F])[\.\、\)]\s(.*)$) def main(): rows [] with pdfplumber.open(PDF_PATH) as pdf: for page_no, page in enumerate(pdf.pages, start1): # x_tolerance 調(diào)小可避免雙欄 PDF 把左右兩欄串成一行 text page.extract_text(x_tolerance2, y_tolerance2) or marks list(Q_PATTERN.finditer(text)) for i, m in enumerate(marks): start m.start() end marks[i 1].start() if i 1 len(marks) else len(text) block text[start:end].strip() options OPT_PATTERN.findall(block) stem OPT_PATTERN.sub(, block).strip() # 去掉選項(xiàng)行剩下題干 rows.append({ qid: m.group(1), page: page_no, stem: .join(stem.split()), options: | .join(f{k}.{v.strip()} for k, v in options), }) with open(OUT_CSV, w, newline, encodingutf-8-sig) as f: writer csv.DictWriter(f, fieldnames[qid, page, stem, options]) writer.writeheader() writer.writerows(rows) print(fextracted {len(rows)} questions - {OUT_CSV}) if __name__ __main__: main()邏輯上分三步逐頁(yè)抽文本、按題號(hào)正則切成塊、用選項(xiàng)正則把題干和選項(xiàng)分離。參數(shù)上有幾個(gè)坑值得說(shuō)明x_tolerance和y_tolerance是控制字符合并距離的雙欄排版時(shí)調(diào)小到 1 能減少左右欄混行單欄排版調(diào)大反而更干凈encodingutf-8-sig是為了 Excel 雙擊打開不亂碼Q_PATTERN必須按你手上 PDF 的真實(shí)編號(hào)格式改照抄大概率切不出 91 條跑完先看打印的條數(shù)對(duì)不對(duì)。2.4 用詞頻統(tǒng)計(jì)定位薄弱考綱域把 CSV 生成后用一條 grep 就能看出哪類關(guān)鍵詞在你的錯(cuò)題里高頻出現(xiàn)再對(duì)應(yīng)到考綱域。# 統(tǒng)計(jì)題庫(kù)中各類能力關(guān)鍵詞出現(xiàn)次數(shù)按頻次倒序 grep -o -i -E computer vision|ocr|read api|sentiment|key phrase|entity|speech|translator|anomaly|regression|classification|clustering|azure openai|responsible ai|confusion matrix \ ai900_questions.csv | sort | uniq -c | sort -rn這條命令做的是「關(guān)鍵詞 → 出現(xiàn)次數(shù)」的聚合-o讓 grep 只輸出匹配片段而不是整行-i忽略大小寫最后的sort -rn按次數(shù)倒序。如果你發(fā)現(xiàn)自己丟分集中在confusion matrix、regression這類詞上優(yōu)先補(bǔ)第 4 章那套指標(biāo)算法如果集中在speech、translator就補(bǔ)語(yǔ)言服務(wù)的功能邊界。3. 把 AI-900 考點(diǎn)落成 Azure 資源CLI 與 SDK 最小復(fù)現(xiàn)3.1 用 Azure CLI 建多服務(wù)認(rèn)知服務(wù)資源考試?yán)锍霈F(xiàn)頻率最高的一個(gè)映射是「一個(gè) key 打通多個(gè) AI 能力」對(duì)應(yīng)的是多服務(wù)資源。用 CLI 建一遍比看十遍文檔記得牢。# 登錄會(huì)拉起瀏覽器走微軟賬戶授權(quán)CI 環(huán)境用 --use-device-code az login # 建資源組region 選離你近的也影響后面服務(wù)是否可用 az group create --name rg-ai900-lab --location eastasia # 查看當(dāng)前訂閱支持哪些 kind別照抄老教程里的名字 az cognitiveservices account list-kinds -o table # 建多服務(wù)資源kind 選 CognitiveServices新版可能叫 AIServices az cognitiveservices account create \ --name ai900-cog-demo-001 \ --resource-group rg-ai900-lab \ --kind CognitiveServices \ --sku F0 \ --location eastasia \ --custom-domain ai900-cog-demo-001 \ --yes # 取 key 和 endpoint兩個(gè)值后面寫進(jìn)環(huán)境變量 az cognitiveservices account keys list \ --name ai900-cog-demo-001 --resource-group rg-ai900-lab -o table az cognitiveservices account show \ --name ai900-cog-demo-001 --resource-group rg-ai900-lab \ --query properties.endpoint -o tsv參數(shù)含義逐個(gè)說(shuō)清--kind決定這個(gè)資源能調(diào)哪些 APICognitiveServices是多服務(wù)ComputerVision、TextAnalytics、FormRecognizer是單服務(wù)考試?yán)铩敢粋€(gè)資源支持多種 AI 能力」問(wèn)的就是多服務(wù)資源--sku F0是免費(fèi)層每個(gè)訂閱每類服務(wù)通常只能建一個(gè)練手優(yōu)先用它S0 是標(biāo)準(zhǔn)層按量計(jì)費(fèi)--custom-domain會(huì)生成帶子域名的 endpoint部分服務(wù)必須要有--yes跳過(guò)確認(rèn)提示腳本里不加會(huì)卡住。3.2 用 Python SDK 跑通文本情感分析與圖像識(shí)別文本側(cè)先裝包pip install azure-ai-textanalytics azure-ai-vision-imageanalysis然后把上面取到的 endpoint 和 key 寫進(jìn)環(huán)境變量。import os from azure.core.credentials import AzureKeyCredential from azure.ai.textanalytics import TextAnalyticsClient ENDPOINT os.environ[AI900_ENDPOINT] # https://xxx.cognitiveservices.azure.com/ KEY os.environ[AI900_KEY] client TextAnalyticsClient(endpointENDPOINT, credentialAzureKeyCredential(KEY)) docs [ The new GPU instance cut our training time in half., The invoice upload failed three times this morning., ] # show_opinion_mining 開啟觀點(diǎn)挖掘能定位到評(píng)價(jià)對(duì)應(yīng)的具體對(duì)象 result client.analyze_sentiment(documentsdocs, languageen, show_opinion_miningTrue) for doc in result: if doc.is_error: # 單條失敗不影響整批務(wù)必判斷 print(doc.id, doc.error.code, doc.error.message) continue print(doc.id, doc.sentiment, doc.confidence_scores) for s in doc.sentences: print( , s.text, s.sentiment)視覺側(cè)用同一個(gè) endpoint 和 key 即可這就是多服務(wù)資源的價(jià)值from azure.core.credentials import AzureKeyCredential from azure.ai.vision.imageanalysis import ImageAnalysisClient from azure.ai.vision.imageanalysis.models import VisualFeatures vision ImageAnalysisClient(endpointENDPOINT, credentialAzureKeyCredential(KEY)) res vision.analyze( image_urlhttps://example.com/invoice-sample.jpg, # 換成可公網(wǎng)訪問(wèn)的圖片 visual_features[VisualFeatures.CAPTION, VisualFeatures.READ, VisualFeatures.TAGS], ) print(res.caption.text, round(res.caption.confidence, 3)) for block in res.read.blocks: # READ 對(duì)應(yīng) OCR按塊返回文本行 for line in block.lines: print(line.text)關(guān)鍵點(diǎn)在于visual_features這個(gè)參數(shù)CAPTION生成整圖描述、READ做 OCR、TAGS打標(biāo)簽、OBJECTS做目標(biāo)檢測(cè)?？荚?yán)飭?wèn)「哪項(xiàng)功能能從圖片里讀出文字」答案就是 READ / OCR 這條線問(wèn)「生成圖片的一句話描述」是 caption。image_url必須是服務(wù)端可訪問(wèn)的公網(wǎng)地址本地文件要先上傳到 Blob 存儲(chǔ)再傳 URL這是新手最常踩的落地坑。3.3 key、endpoint、region 三類錯(cuò)配的排錯(cuò)表打印doc.error.code是定位問(wèn)題的關(guān)鍵動(dòng)作常見的錯(cuò)誤碼和真實(shí)原因?qū)?yīng)如下。報(bào)錯(cuò) / 現(xiàn)象真實(shí)原因修法401 Access denied due to invalid subscription keykey 用成了另一個(gè)資源的重新執(zhí)行az cognitiveservices account keys list并核對(duì)資源名404 Resource not foundendpoint 粘貼時(shí)帶了多余路徑或少了協(xié)議頭用--query properties.endpoint原樣輸出再?gòu)?fù)制403 該區(qū)域不支持此功能region 選到了服務(wù)未覆蓋的區(qū)域換成 eastasia、eastus 等常見區(qū)域重建資源429 Too many requestsF0 免費(fèi)層有 QPS 上限加指數(shù)退避重試或換成 S0 標(biāo)準(zhǔn)層400 InvalidRequest: language not supported文檔語(yǔ)言不在支持列表里顯式傳language或改用自動(dòng)檢測(cè)重試策略可以直接交給 SDK 的傳輸層參數(shù)不用自己寫循環(huán)from azure.ai.textanalytics import TextAnalyticsClient from azure.core.pipeline.policies import RetryPolicy client TextAnalyticsClient( endpointENDPOINT, credentialAzureKeyCredential(KEY), retry_policyRetryPolicy(total_retries5, backoff_factor0.5), # 5 次重試間隔指數(shù)增長(zhǎng) )total_retries是重試總次數(shù)backoff_factor是退避基數(shù)SDK 默認(rèn)只對(duì) 408、429、500 這類可重試狀態(tài)碼生效。寫業(yè)務(wù)代碼時(shí)把它調(diào)大一點(diǎn)比在業(yè)務(wù)層包一層 for 循環(huán)更省心考試不考這段但真實(shí)項(xiàng)目里必踩。4. Azure 機(jī)器學(xué)習(xí)與負(fù)責(zé)任 AI丟分最多的兩塊4.1 workspace、compute instance 與 compute cluster 的分工Azure 機(jī)器學(xué)習(xí)這塊的高頻考法是「哪個(gè)組件負(fù)責(zé)什么」用命令行建一遍比背概念有效。先裝擴(kuò)展az extension add -n ml。# 建 workspace它是 AML 的頂層組織單元 az ml workspace create --name aml-ai900 --resource-group rg-ai900-lab --location eastasia # compute instance單機(jī)開發(fā)環(huán)境給數(shù)據(jù)科學(xué)家寫 notebook 用 az ml compute create --name dev-instance --type ComputeInstance \ --size STANDARD_DS3_V2 --workspace-name aml-ai900 --resource-group rg-ai900-lab # compute cluster訓(xùn)練用集群可自動(dòng)伸縮用完縮到 0 省錢 az ml compute create --name cpu-cluster --type AmlCompute \ --size STANDARD_DS3_V2 --min-instances 0 --max-instances 2 \ --workspace-name aml-ai900 --resource-group rg-ai900-lab--type是這道題的答案本體ComputeInstance是單節(jié)點(diǎn)的開發(fā)機(jī)AmlCompute是可自動(dòng)伸縮的訓(xùn)練集群推理集群通常建在 AKS 上用于部署。--min-instances 0表示集群閑置時(shí)縮容到零節(jié)點(diǎn)只在有任務(wù)時(shí)計(jì)費(fèi)是控制成本最直接的手段。workspace 下面還掛著數(shù)據(jù)存儲(chǔ)datastore、數(shù)據(jù)集dataset、模型注冊(cè)表model registry、管道pipeline和環(huán)境environment考題會(huì)問(wèn)「保存訓(xùn)練好的模型該放哪」答案是 model registry。4.2 負(fù)責(zé)任 AI 六原則的識(shí)別技巧六個(gè)原則的題目幾乎每套必出難點(diǎn)是場(chǎng)景描述一繞就分不清。記住每個(gè)原則的「一句話識(shí)別點(diǎn)」比背定義管用。原則識(shí)別點(diǎn)典型場(chǎng)景公平性不同群體結(jié)果不能有系統(tǒng)性偏差招聘篩選模型對(duì)某群體的通過(guò)率明顯偏低可靠性與安全性異常輸入下不能產(chǎn)生危險(xiǎn)結(jié)果識(shí)別失敗時(shí)要能安全降級(jí)而不是亂輸出隱私與安全數(shù)據(jù)合規(guī)、加密、脫敏訓(xùn)練數(shù)據(jù)里含身份證號(hào)或病歷包容性覆蓋殘障、語(yǔ)言、口音差異語(yǔ)音識(shí)別要支持多種口音透明性決策過(guò)程可解釋拒貸必須給出可理解的理由問(wèn)責(zé)制有人對(duì)系統(tǒng)結(jié)果負(fù)責(zé)設(shè)立 AI 治理委員會(huì)與責(zé)任人判斷時(shí)的抓手是如果題干提到「某類人群受到不公平對(duì)待」選公平性提到「數(shù)據(jù)泄露、加密、授權(quán)」選隱私與安全提到「解釋、可理解、為什么拒絕」選透明性提到「誰(shuí)負(fù)責(zé)、治理機(jī)制」選問(wèn)責(zé)制?？煽啃耘c安全性常和公平性混區(qū)別在于前者看的是系統(tǒng)在異常情況下是否安全與人群無(wú)關(guān)。4.3 混淆矩陣與 F1、AUC 的手算與代碼校驗(yàn)計(jì)算類題目數(shù)量不多但基本必出給一個(gè) 2×2 表讓你算 precision、recall、F1。定義上precision 的分母是「預(yù)測(cè)為正的樣本數(shù)」recall 的分母是「實(shí)際為正的樣本數(shù)」這兩個(gè)分母記反就是最常見的失分點(diǎn)。tp, fp, fn, tn 80, 20, 10, 90 # 行實(shí)際列預(yù)測(cè)按題干表格對(duì)應(yīng)填寫 accuracy (tp tn) / (tp tn fp fn) precision tp / (tp fp) # 關(guān)注「預(yù)測(cè)為正」里有多少是真的 recall tp / (tp fn) # 關(guān)注「實(shí)際為正」里有多少被抓到 f1 2 * precision * recall / (precision recall) print(faccuracy{accuracy:.3f} precision{precision:.3f} recall{recall:.3f} f1{f1:.3f})這段代碼的意義在于考試時(shí)你可以先把四個(gè)數(shù)按題干填進(jìn)去心算一遍再對(duì)。accuracy在類別極不平衡時(shí)會(huì)騙人比如 95% 樣本是負(fù)類全預(yù)測(cè)為負(fù)也有 95% 準(zhǔn)確率所以考題常問(wèn)「該用哪個(gè)指標(biāo)衡量」答案是 precision、recall 或 F1 而不是 accuracy?；貧w任務(wù)對(duì)應(yīng)的指標(biāo)是 MAE、MSE、RMSE 和 R2MAE 與目標(biāo)同量綱、可解釋性最好RMSE 對(duì)大誤差更敏感。AUC 衡量的是模型把正樣本排在負(fù)樣本前面的能力取值 0.5 相當(dāng)于隨機(jī)猜測(cè)1.0 是完美排序聚類任務(wù)沒有標(biāo)簽因此不適用這些指標(biāo)考核點(diǎn)是「無(wú)監(jiān)督」。5. 考前 72 小時(shí)的復(fù)盤清單與考場(chǎng)排除法5.1 錯(cuò)題歸因表怎么填考前三天不適合再刷整套新題應(yīng)該把 91 題里的錯(cuò)題壓縮成一張歸因表按「錯(cuò)因類型」而不是「題目編號(hào)」聚合。我在實(shí)際操作里常用四列題干關(guān)鍵詞、正確服務(wù) / 概念、我選錯(cuò)的選項(xiàng)、錯(cuò)因歸類。錯(cuò)因歸類只允許填四類之一——服務(wù)邊界混淆、指標(biāo)定義記反、概念術(shù)語(yǔ)不熟、題目本身有爭(zhēng)議。前三類回官方學(xué)習(xí)路徑對(duì)應(yīng)模塊補(bǔ)第四類直接劃掉不再看避免在無(wú)效題上反復(fù)消耗時(shí)間。5.2 題干關(guān)鍵詞到 Azure 服務(wù)的速查映射把高頻關(guān)鍵詞整理成一張速查表考前過(guò)兩遍比重新讀一遍考綱快得多。題干關(guān)鍵詞對(duì)應(yīng)方向從照片中讀取文字、發(fā)票字段提取計(jì)算機(jī)視覺 OCR / 文檔智能判斷評(píng)論是正面還是負(fù)面文本分析情感分析從文本中提取人名、地名、公司名命名實(shí)體識(shí)別識(shí)別語(yǔ)音、語(yǔ)音轉(zhuǎn)文字、實(shí)時(shí)字幕語(yǔ)音服務(wù)跨語(yǔ)言翻譯文本或語(yǔ)音翻譯服務(wù)預(yù)測(cè)房?jī)r(jià)、銷量等連續(xù)值回歸判斷郵件是垃圾還是正常二分類把客戶按行為自動(dòng)分組聚類從歷史數(shù)據(jù)預(yù)測(cè)未來(lái)趨勢(shì)時(shí)序預(yù)測(cè)生成摘要、對(duì)話、代碼Azure OpenAI / 生成式 AI5.3 時(shí)間分配與標(biāo)記策略考試界面上有標(biāo)記review功能用法值得提前想清楚讀題超過(guò) 30 秒仍無(wú)把握的先按第一直覺選一個(gè)再標(biāo)記不要空著因?yàn)槎鄶?shù)平臺(tái)不扣錯(cuò)題分。45 分鐘的考試建議前 25 分鐘做完單選留 12 分鐘給拖拽匹配題和計(jì)算題最后 8 分鐘只回看被標(biāo)記的題?；乜磿r(shí)如果第二遍仍然猶豫就維持原答案——第一遍的判斷往往建立在對(duì)服務(wù)邊界的整體印象上反復(fù)改反而容易把對(duì)的改錯(cuò)。拖拽題注意選項(xiàng)數(shù)量與空位數(shù)是否相等有的題會(huì)多給一個(gè)干擾項(xiàng)多出來(lái)的那個(gè)通常就是最像正確答案的那個(gè)服務(wù)。本文還有配套的精品資源點(diǎn)擊獲取