企业官网建设流程全解析

简介：这是一份面向微软 AI-900 认证考生的快速入门工具书，适合零基础或初级学习者系统了解人工智能核心概念与云计算平台 Azure 的 AI 服务能力。全书以 docx 文档呈现，从人工智能定义、发展历史、应用场景和技术分类讲起，再逐模块介绍 Azure 中的机器学习、计算机视觉、自然语言处理、对话式 AI，并说明负责任的 AI 原则与实际案例。动手部分，书中完整展示了使用 Azure 机器学习创建模型的流程，包括创建工作区与计算资源、构建数据集、训练模型、部署预测服务，并通过可视化工具和设计器演示回归与分类模型的搭建，覆盖 AI-900 高频考点。资源包仅包含 1 个 docx 文档，大小 2.31MB，文末设有知识检查题，适合自学自测，目前已有 880 人学习使用。对于备考 AI-900 或想快速搭建 Azure AI 认知框架的读者，这份工具书能按章节顺序直接阅读，帮读者节省整理资料的时间。

1. 为什么一份 docx 比刷题网站更值得打磨

AI-900 是微软 Azure AI Fundamentals 认证，很多人把它当成 AI 从业者的第一张证书，但它的考点分布和刷题 App 里的题感完全是两回事。考试里大量题目不考代码实现，而考“该用哪个 Azure 服务”“这个工作负载属于视觉还是语言”“边界在哪里”。这种偏概念、偏决策的知识结构，恰恰最适合整理成一份结构化文档来反复翻阅——而这正是“AI-900快速入门工具书.docx”这个标题背后的真实需求：不是让你去搜题库，而是让你把散落的认知点收敛成一份属于自己的、可检索的 Word 手册。

但 docx 作为载体有个隐蔽问题：它默认的排版能力很强，导航结构却很容易被忽略。很多人把资料往 Word 里一堆，标题层级不设、大纲级别不标、样式不复用，到最后用 Ctrl+F 搜都搜不痛快。本文按“先立知识框架、再用工具把 docx 变成学习系统、最后处理跨平台打开和格式兼容”的顺序，给你一套从标题到落地都能复现的做法。适合两类人：一类是备考 AI-900 但不想啃官方文档的人，另一类是手里已经攒了一堆 Markdown 或 PDF 笔记、想统一收编到一份 docx 里的人。

2. 先把 AI-900 的知识域拆成 docx 可承载的结构

AI-900 的官方大纲覆盖三大块：AI 工作负载与 Azure 服务映射、机器学习的基本概念（训练/验证/推理、回归/分类/聚类）、以及负责任 AI 的原则。如果直接按官方页面顺序复制粘贴到 docx 里，你会得到一份“看起来什么都讲了、关掉页面什么都想不起来”的文档。常见做法是先把知识按决策树形状重排，再把决策树转成 docx 的标题层级。

2.1 用“服务-场景-边界”三段式替代官方大纲的平铺

官方大纲是功能导向的，但考试题目是情景导向的。例如题目描述“一家零售公司想根据历史销量预测下周每个门店的库存需求”，选项里有 Azure Machine Learning、Azure Cognitive Service 里的 Text Analytics、Custom Vision、Anomaly Detector。这种题考的不是“机器学习是什么”，而是“这道题该归到哪个工作负载”。所以在 docx 里，我一般会建三个一级章节：视觉类场景、语言类场景、决策与异常检测场景，每个场景下列出对应的 Azure 服务和判别关键词。

## 2. 场景与服务映射表 | 场景描述关键词 | 对应 Azure 服务 | 工作负载类型 | 典型题目陷阱 | |---|---|---|---| | 图片里有没有猫、质检零件缺陷 | Custom Vision / Computer Vision | 视觉 | 题目说“识别图片内容”不一定选 Custom Vision，也可能是 Computer Vision | | 从客服录音里转写文字 | Speech-to-Text | 语音 | 不要和 Language 服务的文本分析混 | | 判断一段评论是正面还是负面 | Text Analytics / Language Service | 语言 | 情感分析属于文本分类，不属于计算机视觉 | | 预测未来销量、库存、能耗 | Azure Machine Learning 的回归模型 | 决策 | 预测数值是回归，预测类别是分类 | | 检测信用卡交易是否异常 | Anomaly Detector | 异常检测 | 和“预测数值”的区别在于没有明确标签 | | 机器人在 Excel 里自动录入数据 | Azure Bot + Power Automate | 对话式 AI | 不是机器学习训练，而是低代码集成 |

注意上面这个表不是让我直接抄进 docx 就完了，而是要在每一行后面补一段“判别逻辑”说明。比如第一行：如果题目里出现“训练自定义模型识别特定物体”，选 Custom Vision；如果只是“读取图片里的文字”，选 Computer Vision 里的 OCR。这两个服务在 Azure 门户里长得很像，但在考试里一个考训练、一个考预置能力，区分点就是“是否需要上传图片来训练自定义模型”。

2.2 把机器学习概念映射成 Word 的内置标题样式

机器学习基础概念在 AI-900 里占约 20% 的权重，内容不多但容易丢分。常见误区是把“回归/分类/聚类”当成三个并列知识点各写一段，但考试里会给你一个数据集的特征，让你选该用监督学习还是无监督学习。所以更合适的做法是：按“问题类型 → 训练方式 → 评估指标”三层嵌套来组织内容。

在 docx 里，这意味着给这三种模型分别建一个###三级标题，每个标题下用表格写“输入是什么、输出是什么、常见算法、评估指标”。我一般直接用 Word 的“标题 1 / 标题 2 / 标题 3”内置样式，而不是手动改字号和加粗，因为内置样式会直接生成可折叠的导航窗格，后面用Ctrl+F搜索和做书签目录都方便。

# 仅用于说明映射逻辑，不是 AI-900 考试代码 model_types = { "回归": {"输出": "连续数值", "示例": "预测温度", "评估": "R2 / MAE"}, "分类": {"输出": "离散类别", "示例": "判断垃圾邮件", "评估": "准确率 / 召回率"}, "聚类": {"输出": "无标签分组", "示例": "用户分群", "评估": "轮廓系数"} }

上面这段伪代码对应到 docx 里就是三个三列表格：模型类型、典型题目特征、易混服务。考试中“聚类”的坑在于很多人误以为它需要标签数据，实际上聚类是典型的无监督学习。在文档里把这个坑单独用一段“注意”说明，比写在表格里更醒目。

2.3 负责任 AI 六大原则在 docx 里的最佳呈现形式

负责任 AI 的六大原则（公平性、可靠性、隐私与安全、包容性、透明度、可问责性）是纯记忆型考点，也是拿分最容易的部分。但 Word 文档里如果只是列要点，记忆效率很低。常见做法是把每个原则变成一个####四级标题，下面写两条内容：一句话定义+一道判断题。

提示：判断题比填空题更适合这种纯概念考点。每道判断题后面紧跟答案和解析，复习时直接折叠标题，只看题目回忆答案，形成自测闭环。

“可问责性”这个原则很多人背不住，原因是它的含义和“透明度”太像。我的区分方法是：透明度是“让你知道模型是 AI”，可问责性是“出事了能找到人来负责”。这个对比一定要写进文档里，因为考试里两道题会分别考这两个原则的描述，写在一起才能看出区别。

3. 用 Word 的导航窗格、样式库和表格公式把 docx 变成学习系统

一份好的 AI-900 工具书不止是内容正确，还要在复习时能快速定位“我上一次看到哪了”“哪些题做错了”。这一步靠的是把 docx 的排版功能用成信息架构工具，而不是把它当纯文本记事本。

3.1 三步建立大纲级别，让 Ctrl+F 和导航窗格都能用

新建一份空白 docx 后先不要急着输入正文，先做三步设置。第一步：在“开始-样式”里把“标题 1”“标题 2”“标题 3”的字体、颜色、字号按自己的偏好改一遍，比如标题 1 用 16pt 加粗、标题 2 用 14pt、标题 3 用 12pt。第二步：给每章的第一个标题设置“段落-大纲级别- 1 级”，后续标题分别设为 2 级和 3 级。第三步：在“视图”里勾选“导航窗格”，这时左侧会出现可折叠的目录树。

这个习惯直接解决了“docx 里找不到东西”的问题。复习到“回归和分类的区别”时，不需要滚动几百行去找，直接展开导航窗格里“Azure AI 工作负载”那一章，定位到“机器学习概念”二级标题下的“回归模型”三级标题即可。配合Ctrl+F搜索“回归”关键词，两条路径都能在 3 秒内到达目标位置。

3.2 用表格对齐“服务-API-费用”这组高频记忆单元

AI-900 考试里有一类题专门考“哪个服务是免费的、哪个有每月免费额度”。比如 Language Service 的免费层每个月包含 5000 个文本分析事务，Computer Vision 的免费层是每月 5000 次调用。这些数字单独背很容易混，但放在一张表里就很清晰。在 Word 里插入表格后，把服务名放在第一列，第二列写免费额度，第三列写免费额度和付费额度的界别。

-- 这段 SQL 用来在 notion 或数据库中建表，但实际复习时可以直接在 Word 表格里手写 SELECT service_name, free_tier_limit, billing_boundary FROM ai900_service_tiers WHERE free_tier_limit IS NOT NULL;

上面这段代码想说明的是：你应该先在你的笔记系统里把所有服务的免费额度列成表，再复制到 docx 中。直接在 Word 里现想很容易漏项，尤其是“Language Service 和 Translator 的免费额度是否相同”这种边界问题，写 SQL 查询的过程本身就是一次主动回忆。

3.3 把错题集用 Word 的“批注”功能而不是“高亮”来记录

很多人会用黄色高亮标记不会的题目，但高亮有两个缺陷：第一，高亮不区分“语法错误”和“概念错误”；第二，高亮太多以后视觉上等于没有高亮。我一般建议把每道错题的解析写在原题下方，用 Word 的“批注”功能挂在题目右侧。这样复习时可以先只看正文题目，把答案写在草稿纸上，再打开批注对照解析。批注的颜色也可以按错误类型区分：红色批注代表“服务选型错误”，蓝色批注代表“概念理解偏差”，绿色批注代表“粗心看错”。

注意：批注内容不要只写“这题我选错了”，要写“我选的是 Azure Machine Learning，但正确是 Anomaly Detector，原因是题目里说没有标签且要检测异常行为”。这种差异才是后续复习时真正能让你进步的信息。

4. 用 VBA 宏和样式批量处理 docx 题库，避免手动重复劳动

当 AI-900 工具书的内容量上来以后，手动维护格式会变得非常痛苦。比如你从题库网站复制了 100 道题到 docx 里，每道题的格式都不一样：有的题号是“1.”，有的是“第1题”，有的选项是 A/B/C/D，有的是 ①②③。如果靠手动逐条统一格式，一晚上就耗进去了。这时候用 Word 自带的 VBA 宏做批量清洗，能把 2 小时的工作压到 10 分钟。

4.1 一段可用的 VBA 宏：把“题号+选项”统一成规范格式

先看下面这段宏，它的作用是把全文中所有符合“数字+小数点”开头的段落，统一设置成“题目样式”，并把该段落的大纲级别设为 3 级。这样处理后，所有题目都会自动出现在导航窗格里，形成一份可折叠的刷题清单。

Sub FormatQuestionParagraphs() Dim para As Paragraph Dim rng As Range Dim matchPattern As String matchPattern = "^[0-9]+\." For Each para In ActiveDocument.Paragraphs Set rng = para.Range ' 只处理段落开头是数字加句点的情况，避免误伤正文 If rng.Text Like "[0-9]*" Then ' 用正则判断是否为题号格式 With rng.Find .Text = matchPattern .MatchWildcards = True .Execute If .Found Then para.Style = "标题 3" para.OutlineLevel = wdOutlineLevel3 End If End With End If Next para MsgBox "题目格式处理完成" End Sub

这段宏的执行流程是：遍历文档中所有段落，检查段落文本是否以“数字+句点”开头，如果是，就把该段落的样式设置为“标题 3”并调整大纲级别。有三个参数值得注意：第一个是matchPattern里的^[0-9]+\.，这里用了 Word 的通配符语法，[0-9]匹配单个数字，+表示一个或多个，\.是转义后的句点。如果你题库里的题号格式是“第1题”，需要把正则改成第[0-9]+题。第二个是wdOutlineLevel3，它决定题目出现在导航窗格的第三级，如果你的笔记层级更浅，可以改成wdOutlineLevel2或wdOutlineLevel4。第三个是MsgBox后面的提示文字，实际使用中可以删掉这行，避免每次运行都弹窗。

这段宏只处理“题号行”，不会动选项行（A. B. C. D.），是因为选项行通常也是“字母+点”开头，但它们的正则模式不同。如果在.Text = matchPattern这里直接把所有“字母+点”也纳入处理，就会把正文里的缩写（如“e.g.”）错误地变成标题。这是最常见的坑。

4.2 宏运行后的复查清单：样式冲突和层级跳级

宏跑完后不要把文档直接拿去打印，先做两件复查。第一，打开导航窗格，检查三级标题里有没有混入“页码”“日期”等非题目的文本。第二，检查大纲级别是否跳级——比如某个一级标题下直接出现了三级标题，而没有二级标题。Word 允许这种跳级，但生成目录时会提示“有标题不在大纲结构中”。修复方法是全选后按Ctrl+A，然后在“段落-大纲级别”里统一重设，或者手动把跳级的标题改到正确的级别。

# 用 python-docx 检查 docx 的标题层级连贯性（不需要打开 Word） python -c " from docx import Document doc = Document('AI900_toolkit.docx') last_level = 1 for para in doc.paragraphs: if para.style.name.startswith('Heading'): level = int(para.style.name.split()[-1]) if level > last_level + 1: print(f'跳级: {para.text[:20]} 当前{level}级, 前一个{last_level}级') last_level = level "

上面这段 Python 脚本不是考试内容，但它能帮你在不打开 Word 的情况下快速检查格式问题。脚本逻辑很简单：遍历 docx 中所有段落，找到以 Heading 开头的样式，把样式名中的数字提取出来，如果当前标题级别比前一个标题级别大 1 以上，就打印提示。这样你可以在发给别人或导入飞书之前，先排除掉最明显的结构问题。

4.3 为什么不用 Excel 或 Markdown 而坚持用 docx

有个很现实的场景：你考完 AI-900 之后，这份工具书大概率会变成团队内部的学习资料。Markdown 在 GitHub 上很好用，但大多数人（尤其是非技术背景的同事）拿到 Markdown 文件以后第一反应是问“这个怎么打开”。Excel 的问题则在于它的强项是数据结构化，而不是排版和阅读体验。docx 的优势在于：几乎所有办公环境都能打开、可以用内置样式快速重排版、批注和修订功能对协作友好。考试备考这件事，docx 的信息密度和可消费性平衡得最好。

5. 用“三栏一表”验证你的 docx 工具书是否真的能应付考试

最后一章不再讲怎么排版，讲一个验证方法：用你已经整理好的 docx 工具书，能不能在 30 分钟内答对一套随机抽的 20 道模拟题。如果做不到，问题往往不在知识点数量，而在于工具书的“检索速度”不够快。这章给一个可以直接操作的验证框架，也是我对这份工具书最终形态的建议。

5.1 三栏布局：题目类型、判别线索、易混服务

在 docx 末尾加一页三栏表格。第一栏写题目类型（例如“OCR 文字提取”“自定义图像分类”），第二栏写题目里最容易出现的判别线索（例如“识别印刷体文字”“需要训练模型识别特定物体”），第三栏写最容易被误选的干扰项（例如“Computer Vision vs Custom Vision”“Text Analytics vs Language Understanding”）。这张表在考前一天看一遍，比重新翻完整份文档效率高得多。表格里不需要写答案，只需要写“看到什么词选什么服务”的映射。

OCR 识别 看到“提取图片中的文字” 误选: Custom Vision 自定义图像分类 看到“上传图片训练模型” 误选: Computer Vision 情感分析 看到“判断评论是正面还是负面” 误选: Speech 异常检测 看到“没有标签、检测异常行为” 误选: 回归预测

上面这个文本表可以直接复制进 docx 的表格里。注意每行的“误选”列写的都是考试里真实出现的干扰项，这些干扰项往往不是随机生成的，而是基于两个服务之间“功能重叠”制造的。比如 OCR 和 Custom Vision 都有图像处理能力，但前者是预置 API，后者需要训练。写这个表的过程，本身就是一次对易混服务的主动回忆。

5.2 检索速度测试：用 Ctrl+F 模拟考试时的查表操作

考试时你不能查资料，但备考最后阶段，你可以模拟一个场景：合上文档，随机念一个服务名（比如 Anomaly Detector），然后按下Ctrl+F，在文档里输入这个词，看自己能否在 3 秒内定位到对应章节并且说出它的核心用途和边界。如果搜出来的是十几处高亮（因为你在多章都提到这个词），说明文档的索引结构还没收敛——需要把每个服务的主要定义固定在“服务映射表”那一章，其他章节只做交叉引用，不要在多个章节里各自展开完整定义。这也是“工具书”和“笔记”的区别：笔记允许同一个知识点出现在多处，工具书必须让每个知识点有一个唯一权威位置。

5.3 一份可以长期更新的“增量记录”模板

AI-900 的考点会随 Azure 服务的更新而变化，比如某些服务的免费额度调整或新功能发布。在 docx 末尾留一页空表，列名为“日期、变更内容、涉及章节、是否需要修改错题集”。每次做完一套新的模拟题，如果发现文档里没有覆盖的知识点，就在表里加一行，然后在对应章节补一段简短说明。这样维护三个月后，你的这份 docx 就从一个“入门工具书”变成了“基于真实考题反馈迭代的备考资料”，比重新去外面找资料有用得多。

本文还有配套的精品资源，点击获取