คู่มือเตรียมสอบ · โดย Reid Chong · ตรวจสอบเมื่อ 26 ตุลาคม 2026
คู่มือเตรียมสอบ GH-600: เตรียมตัวอย่างไรสำหรับข้อสอบ Agentic AI Developer ของ GitHub
หกโดเมนตามคู่มือการสอบของ Microsoft เอง พร้อมแบบฝึกลงมือทำหนึ่งข้อต่อโดเมนที่คุณลองได้ในสัปดาห์นี้
GH-600 ชื่อเต็ม “Developing in Agentic AI Systems” เป็นข้อสอบของ GitHub สำหรับใบรับรอง GitHub Certified: Agentic AI Developer จัดสอบผ่าน Microsoft Learn และนัดสอบผ่าน Pearson VUE คู่มือนี้พาอ่านหกโดเมนที่คู่มือการสอบของ Microsoft ระบุไว้ด้วยภาษาที่เข้าใจง่าย พร้อมแบบฝึกลงมือทำหนึ่งข้อต่อโดเมน ซึ่งคุณลองได้ในสัปดาห์นี้กับ coding agent ตัวไหนก็ได้ที่ใช้อยู่แล้ว Nightschool AI เป็นเว็บไซต์ฝึกอบรมอิสระ เราไม่ใช่ GitHub, Microsoft หรือ Pearson VUE เราไม่ได้จัดสอบและไม่ได้มอบใบรับรอง และทุกข้อเท็จจริงด้านล่างอ้างอิงจากสองหน้านั้นเท่านั้น ไม่ได้อ้างอิงอัตราการสอบผ่านหรือตัวเลขเงินเดือนที่ทั้งสองหน้าไม่ได้เผยแพร่
GH-600 (“Developing in Agentic AI Systems”) เป็นข้อสอบของ GitHub สำหรับใบรับรอง GitHub Certified: Agentic AI Developer จัดสอบผ่าน Microsoft Learn เหมาะกับผู้ที่ใช้งาน กำกับดูแล และควบคุม AI coding agent ภายใน software development lifecycle จริง เช่น สถาปนิก platform engineer DevOps engineer นักพัฒนา และ security engineer ข้อสอบใช้เวลาสองชั่วโมง มีผู้คุมสอบและนัดสอบผ่าน Pearson VUE ค่าสอบ US$165 (ราคาต่างกันตามประเทศหรือภูมิภาค) และต้องได้ scaled score 700 ขึ้นไปจึงจะผ่าน เนื้อหาแบ่งเป็นหกโดเมน ได้แก่ สถาปัตยกรรมเอเจนต์และ SDLC การใช้เครื่องมือ หน่วยความจำและสถานะ การประเมินผล การประสานงานหลายเอเจนต์ และ guardrails
เผยแพร่เมื่อ
บทเรียนฟรี · ไม่ต้องมีบัญชีCLAUDE.md: แกนหลักของโปรเจกต์คุณการตั้งค่าสำหรับผู้ใช้งานจริง6 นาทีเริ่มบทเรียนฟรีสรุปประเด็นสำคัญ
- GH-600 (“Developing in Agentic AI Systems”) เป็นข้อสอบของ GitHub สำหรับใบรับรอง GitHub Certified: Agentic AI Developer จัดสอบผ่าน Microsoft Learn และนัดสอบผ่าน Pearson VUE
- ข้อสอบใช้เวลาสองชั่วโมง ค่าสอบ US$165 (ราคาต่างกันตามประเทศหรือภูมิภาค) และต้องได้ scaled score 700 ขึ้นไปจึงจะผ่าน ตามหน้าเว็บของ Microsoft เอง
- หกโดเมนที่มีน้ำหนักคะแนน ได้แก่ สถาปัตยกรรมเอเจนต์และ SDLC (15-20%) การใช้เครื่องมือและการทำงานกับสภาพแวดล้อม (20-25%) หน่วยความจำ สถานะ และการประมวลผล (10-15%) การประเมินผลและการปรับแต่ง (15-20%) การประสานงานหลายเอเจนต์ (15-20%) และ guardrails กับความรับผิดชอบ (10-15%)
- ข้อสอบนี้มุ่งไปที่ผู้ที่ใช้งาน กำกับดูแล หรือควบคุม AI coding agent ใน SDLC จริงอยู่แล้ว เช่น สถาปนิก platform engineer DevOps engineer นักพัฒนา product manager และ security engineer
- คู่มือการสอบของ Microsoft คาดหวังให้มีประสบการณ์กับ coding agent รวมถึง GitHub Copilot, MCP servers และการปรับแต่งเอเจนต์ เช่น custom instructions, custom agents, tools และ Copilot setup steps
- Nightschool AI เป็นอิสระจาก GitHub, Microsoft และ Pearson VUE หน้านี้ช่วยให้คุณเตรียมตัว แต่ไม่ได้จัดสอบและไม่ได้มอบใบรับรอง
เริ่มจากบทเรียนฟรี
ฝึกทักษะหลักของ GH-600 ก่อนวันสอบ
นี่คือบทเรียนของ Nightschool AI ไม่ใช่การอบรมของ GitHub หรือ Microsoft และสอนด้วย Claude Code ไม่ใช่ GitHub Copilot บทเรียนเหล่านี้ฝึกทักษะพื้นฐานเดียวกับที่ GH-600 ทดสอบ ได้แก่ เส้นแบ่งระหว่างแผนกับการลงมือ สิทธิ์เครื่องมือที่จำกัดขอบเขต และหน่วยความจำของเอเจนต์ ด้วยเครื่องมือที่คุณเริ่มใช้ฟรีได้ตั้งแต่วันนี้
ก่อนเริ่ม
GH-600 เหมาะกับใคร และให้คะแนนอย่างไร
โปรไฟล์ผู้เข้าสอบของ Microsoft อธิบายถึงผู้ที่มีความเชี่ยวชาญด้านการใช้งาน การเชื่อมต่อ การกำกับดูแล และการควบคุม AI agent ภายในเวิร์กโฟลว์ SDLC ระดับ production โดยใช้ GitHub เป็นระบบบันทึกหลัก (system of record) และศูนย์ควบคุม (control plane) ตามที่คู่มือการสอบระบุ ความรับผิดชอบของบุคคลนี้รวมถึงการใช้งานเวิร์กโฟลว์ของเอเจนต์ใน SDLC การกำกับพฤติกรรมอัตโนมัติด้วยตัวควบคุมของ GitHub เอง การประเมินและปรับแต่งผลลัพธ์ของเอเจนต์จากผลสแกนและ artifacts การตั้งค่า custom agents และการประสานงานการทำงานของหลายเอเจนต์อย่างปลอดภัย พวกเขาทำงานร่วมกับสถาปนิก platform engineer DevOps engineer นักพัฒนาแอปพลิเคชัน product manager และ security engineer
ด้านประสบการณ์ คู่มือการสอบคาดหวังความคุ้นเคยกับ software development lifecycle เวิร์กโฟลว์และตัวควบคุมของ GitHub คุณภาพโค้ด ความปลอดภัย และแนวปฏิบัติด้านการรีวิว รวมถึงประสบการณ์ลงมือใช้ coding agent เช่น GitHub Copilot, MCP servers และการปรับแต่งเอเจนต์ เช่น custom instructions, custom agents, tools และ Copilot setup steps ส่วนรายละเอียดการสอบ ข้อสอบมีผู้คุมสอบ นัดสอบผ่าน Pearson VUE ใช้เวลาสองชั่วโมง ค่าสอบ US$165 (ราคาต่างกันตามประเทศหรือภูมิภาค) มีให้สอบเป็นภาษาอังกฤษ และต้องได้ scaled score 700 ขึ้นไปจึงจะผ่าน หากสอบไม่ผ่านสามารถสอบซ้ำได้หลังจาก 24 ชั่วโมง หน้าเว็บของ Microsoft ไม่ได้เผยแพร่จำนวนข้อสอบหรืออัตราการสอบผ่าน คู่มือนี้จึงไม่คิดตัวเลขขึ้นมาเอง
ทุกข้อเท็จจริงในหน้านี้ตรวจสอบกับสองหน้าที่เปิดอ่านโดยตรงระหว่างเขียน ได้แก่ “Study guide for Exam GH-600: Developing in Agentic AI Systems” ของ Microsoft Learn และหน้า “GitHub Certified: Agentic AI Developer” ทั้งสองหน้าอยู่ที่ learn.microsoft.com อ่านเมื่อวันที่ 26 ตุลาคม 2026 หากหน้าใดเปลี่ยนน้ำหนักคะแนน ราคา หรือโดเมน หน้านี้ก็ควรเปลี่ยนตาม ไม่มีส่วนใดอ้างอิงจากเว็บไซต์ข้อสอบจำลองของบุคคลที่สามหรือกระทู้ในฟอรัม
ทักษะที่วัด
ภาพรวมหกโดเมนของ GH-600
น้ำหนักคะแนนตามที่ Microsoft กำหนด รวมกันแล้วเป็นช่วง ไม่ใช่ตัวเลขตายตัว เพราะแต่ละโดเมนมีช่วงคะแนนกว้าง 15-25 จุดเปอร์เซ็นต์
1. สถาปัตยกรรมเอเจนต์และ SDLC (15-20%)
การวางเอเจนต์ใน SDLC การแยกการวางแผนออกจากการลงมือทำ และการให้คนมีจุดตรวจก่อนที่เอเจนต์จะลงมือ
2. การใช้เครื่องมือและการทำงานกับสภาพแวดล้อม (20-25%)
การเลือกและกำหนดขอบเขตเครื่องมือของเอเจนต์ การตั้งค่า MCP servers และ allow lists และการให้เอเจนต์ทำงานอย่างปลอดภัยภายใน repo, branch หรือ CI job
3. หน่วยความจำ สถานะ และการประมวลผล (10-15%)
การเลือกหน่วยความจำระยะสั้น ระยะยาว หรือภายนอก การเก็บสถานะข้ามเซสชัน และการจับ context drift ก่อนที่จะสะสมเป็นปัญหาใหญ่
4. การประเมินผล การวิเคราะห์ข้อผิดพลาด และการปรับแต่ง (15-20%)
การเขียนเกณฑ์ความสำเร็จไว้ล่วงหน้า การอ่าน log และ trace เพื่อหาสาเหตุราก และการปรับ instructions หน่วยความจำ หรือสิทธิ์เข้าถึงเครื่องมือตามที่พบ
5. การประสานงานหลายเอเจนต์ (15-20%)
การให้หลายเอเจนต์ทำงานขนานกันโดยไม่ทับกัน และการตรวจจับกับกู้คืนเมื่อเอเจนต์หยุดชะงักหรือทำงานแย่ลง
6. Guardrails และความรับผิดชอบ (10-15%)
การกำหนดระดับอิสระให้เหมาะกับความเสี่ยง การจำกัดสิทธิ์แบบ least privilege และการกำหนดให้ต้องอนุมัติอย่างชัดเจนก่อนปล่อยการเปลี่ยนแปลงที่ย้อนกลับไม่ได้
โดเมน 1 · 15-20%
เตรียมสถาปัตยกรรมเอเจนต์และกระบวนการ SDLC
โดเมนนี้ว่าด้วยตำแหน่งของเอเจนต์ในกระบวนการพัฒนาของคุณ ไม่ใช่แค่ว่าเอเจนต์ทำงานได้หรือไม่ คู่มือการสอบของ Microsoft แบ่งเป็นสามส่วน ส่วนแรกคือการวางเอเจนต์ใน SDLC (ระบุว่าขั้นตอนใดควรให้เอเจนต์ทำ สังเกต anti-pattern ที่พบบ่อย และกำหนดอินพุต เอาต์พุต และเกณฑ์ความสำเร็จไว้ล่วงหน้า) ส่วนที่สองคือการแยกการวางแผนออกจากการลงมือทำ (ตั้งค่าให้เอเจนต์สร้างแผนที่มีโครงสร้าง ตรวจสอบแผนนั้น และป้องกันไม่ให้เอเจนต์ลงมือจนกว่าแผนจะได้รับการตรวจและอนุมัติ) และส่วนที่สามคือการตั้งค่า observability และการควบคุม (กำหนดระดับอิสระที่เหมาะสม สร้าง artifacts ที่ตรวจสอบได้ในเครื่องมือปกติของคุณ และใส่การแทรกแซงโดยคนโดยไม่ทำให้การส่งมอบช้าลงมาก)
แบบฝึกของสัปดาห์นี้: เลือกงานจริงหนึ่งงานที่คุณจะมอบให้ coding agent ก่อนปล่อยให้มันแตะอะไร ให้มันเขียนแผนก่อนเป็นข้อความธรรมดา ระบุว่าจะแก้ไฟล์ไหน ขั้นตอนเรียงลำดับอย่างไร และคำว่า “เสร็จ” หน้าตาเป็นอย่างไร อ่านแผนนั้นแล้วอนุมัติหรือปฏิเสธก่อนที่จะมีการแก้ไขใดๆ เกิดขึ้น นี่คือเส้นแบ่งที่โดเมนนี้ทดสอบ คือแผนที่เอเจนต์สร้างขึ้น และคน (หรือกฎ) ที่ตรวจแผนก่อนเริ่มลงมือ
โดเมน 2 · 20-25%
ใช้เครื่องมือและทำงานกับสภาพแวดล้อม
นี่คือโดเมนที่มีน้ำหนักมากที่สุดในข้อสอบ และผูกกับงานประจำวันกับเอเจนต์มากที่สุด ครอบคลุมการเลือกและตั้งค่าเครื่องมือของเอเจนต์พร้อมสิทธิ์ การตั้งค่า MCP servers ซึ่งรวมถึงการเพิ่มเป็นเครื่องมือ การตั้งค่า GitHub remote MCP server และการจัดการ MCP registries กับ allow lists การผสานเอเจนต์เข้ากับสภาพแวดล้อมการพัฒนาโดยจำกัดขอบเขตไว้ที่ repository หรือ branch การเรียกใช้ใน CI workflow และการให้เอเจนต์ทำงานอัตโนมัติ เช่น เปิด branch และ pull request รวมถึงการใช้เอเจนต์ด้วยเส้นทางการทำงานที่ปลอดภัย ซึ่งรวมถึงการจัดการข้อผิดพลาด การ retry การ rollback เส้นทางการ escalate และการตรวจสอบย้อนหลังได้ว่าเอเจนต์ทำอะไรไปบ้าง
แบบฝึกของสัปดาห์นี้: เปิดเอเจนต์ที่คุณใช้เขียนโค้ดอยู่แล้ว แล้วดูว่าตอนนี้มันแตะอะไรได้บ้าง ทั้งไฟล์ คำสั่ง และ MCP server ทุกตัวที่เชื่อมไว้ จากนั้นลดขอบเขตให้เหลือเท่าที่งานหนึ่งงานต้องใช้ คือโฟลเดอร์แคบๆ allow list คำสั่งสั้นๆ และ MCP server หนึ่งหรือสองตัวแทนที่จะเปิดทั้งหมด รันงานเดิมอีกครั้งและดูว่ามีอะไรพังหรือไม่ การอุดช่องว่างตรงนั้นคือทักษะเรื่องสิทธิ์ของเครื่องมือที่โดเมนนี้ทดสอบ
โดเมน 3 · 10-15%
จัดการหน่วยความจำ สถานะ และการประมวลผล
โดเมนนี้ว่าด้วยสิ่งที่เอเจนต์จำได้และจำนานแค่ไหน ครอบคลุมการเลือกระหว่างหน่วยความจำระยะสั้น ระยะยาว และภายนอก การจำกัดหน่วยความจำให้เฉพาะสิ่งที่เกี่ยวกับงาน พร้อมกฎว่าเมื่อไรหน่วยความจำหมดอายุ ถูกตัดทอน หรือรีเซ็ต การเก็บสถานะและจัดการ context drift หมายถึงการบันทึกความคืบหน้าและการตัดสินใจเป็น artifacts ถาวร เพื่อให้เอเจนต์ทำงานต่อได้โดยไม่ต้องทำขั้นตอนซ้ำหรือขัดกับการตัดสินใจก่อนหน้า และจับ drift ระหว่างการทำงานยาวๆ ได้ และการรักษาหน่วยความจำและสถานะให้สอดคล้องกันข้ามเครื่องมือและสภาพแวดล้อม เพื่อให้เอเจนต์ใช้สถานะร่วมกันได้โดยไม่ขัดแย้งหรือใช้บริบทที่ล้าสมัย
แบบฝึกของสัปดาห์นี้: ก่อนเริ่มงานหลายขั้นตอนกับเอเจนต์ ให้สร้างไฟล์สถานะสั้นๆ (ข้อความธรรมดาก็พอ) ที่บันทึกเป้าหมาย การตัดสินใจที่ทำไปแล้ว และสิ่งที่ยังเหลือ อัปเดตไฟล์หลังทุกขั้นตอนแทนที่จะพึ่งความจำของเอเจนต์เองจากบทสนทนา ปิดเซสชัน แล้วเปิดใหม่อีกครั้งในอีกไม่กี่วัน และดูว่าไฟล์นั้นอย่างเดียวพอให้ทำต่อจากจุดเดิมได้พอดีหรือไม่
โดเมน 4 · 15-20%
ประเมินผล วิเคราะห์ข้อผิดพลาด และปรับแต่ง
โดเมนนี้ทดสอบว่าคุณบอกได้หรือไม่ว่าเอเจนต์ทำงานสำเร็จจริง และแก้ไขได้เมื่อมันทำไม่สำเร็จ ครอบคลุมการกำหนดเกณฑ์ความสำเร็จและสัญญาณการประเมินก่อนเริ่มงาน ทั้งสัญญาณเชิงคุณภาพ เชิงปริมาณ และสัญญาณที่เครื่องมือสแกนอัตโนมัติสร้างขึ้น การวิเคราะห์ความล้มเหลวของเอเจนต์จาก log แผน trace เอาต์พุต และ artifacts ของเวิร์กโฟลว์ แล้วจัดสาเหตุรากเป็นข้อผิดพลาดด้านการให้เหตุผล การใช้เครื่องมือผิด หรือปัญหาด้านบริบทและสภาพแวดล้อม และการปรับพฤติกรรมของเอเจนต์ด้วยการแก้ instructions เวิร์กโฟลว์ หรือข้อจำกัด รวมถึงปรับปรุงการใช้หน่วยความจำและเครื่องมือ
แบบฝึกของสัปดาห์นี้: ก่อนที่เอเจนต์จะเริ่ม ให้เขียนให้ชัดว่าคำว่า “ถูกต้อง” หมายถึงอะไรสำหรับงานหนึ่งงานที่คุณมอบให้ จากนั้นให้สิ่งอื่นที่ไม่ใช่เอเจนต์ตัวนั้นตรวจผลเทียบกับรายการนั้น เช่น เอเจนต์อีกตัว สคริปต์ทดสอบ หรือเพื่อนร่วมงาน ไม่ใช่เอเจนต์ตัวเดิมตรวจการบ้านตัวเอง บันทึกว่าตกหล่นตรงไหน และสาเหตุคือคำสั่งไม่ดี เครื่องมือผิดตัว หรือบริบทล้าสมัย
โดเมน 5 · 15-20%
ประสานงานหลายเอเจนต์
โดเมนนี้ครอบคลุมการให้เอเจนต์มากกว่าหนึ่งตัวทำงานพร้อมกันโดยไม่ชนกัน คู่มือการสอบของ Microsoft จัดกลุ่มเป็น การใช้เวิร์กโฟลว์หลายเอเจนต์ (ใช้รูปแบบการ orchestrate แยกเอเจนต์ให้ทำงานขนานกันได้ และตรวจจับกับแก้ความขัดแย้ง เช่น การแก้โค้ดทับกันหรือเอาต์พุตที่ขัดแย้งกัน) การตั้งค่า observability ข้ามเอเจนต์ (สร้าง artifacts ที่เหมาะกับการรีวิวและการตรวจสอบ และบันทึกการส่งต่องานและการตัดสินใจ) การตรวจจับและตอบสนองต่อความล้มเหลวของหลายเอเจนต์ (สังเกตการทำงานที่หยุดชะงักหรือแย่ลง และใช้รูปแบบการกู้คืน รวมถึง rollback และ human-in-the-loop) และการจัดการวงจรชีวิตของเอเจนต์ภายในเวิร์กโฟลว์โดยไม่รบกวนการทำงาน
แบบฝึกของสัปดาห์นี้: ให้ coding agent สองตัวทำงานกับ repository เดียวกัน ตัวละ branch โดยแต่ละตัวมีการเปลี่ยนแปลงที่ทับซ้อนกัน (ไฟล์เดียวกัน แก้คนละแบบ) ปล่อยให้ทั้งสองทำจนเสร็จ แล้วแก้ merge conflict ด้วยตัวคุณเอง และเขียนหนึ่งประโยคว่าคราวหน้าจะป้องกันการทับซ้อนแบบไหน เช่น กำหนดให้เอเจนต์ตัวหนึ่งทำคนละไฟล์ หรือเรียงลำดับสองงานแทนการรันพร้อมกัน
โดเมน 6 · 10-15%
ใช้ Guardrails และความรับผิดชอบ
โดเมนสุดท้ายว่าด้วยการกำหนดระดับอิสระให้เหมาะกับความเสี่ยง ครอบคลุมการกำหนดระดับอิสระ การจัดประเภทการกระทำของเอเจนต์ตามความเสี่ยงด้านการปฏิบัติการ ความปลอดภัย และการปฏิบัติตามข้อกำหนด เพื่อให้การแทรกแซงเหมาะสมกับขนาดของความเสี่ยง และการกำหนดระดับอิสระให้ส่งมอบได้เร็วที่สุดโดยยังอยู่ในมาตรฐานความปลอดภัยและ Responsible AI ขององค์กร รวมถึงการสร้าง guardrails และเวิร์กโฟลว์ human-in-the-loop ซึ่งหมายถึงการระบุว่าการกระทำใดต้องใช้วิจารณญาณของคน การบล็อกการกระทำที่ผิดนโยบาย การจำกัดสิทธิ์แบบ least privilege การกำหนดให้ต้องได้รับอนุญาตอย่างชัดเจนสำหรับการเปลี่ยนแปลงที่ย้อนกลับไม่ได้หรืออ่อนไหวต่อการปฏิบัติตามข้อกำหนด และการไม่เพิ่มขั้นตอนอนุมัติที่ไม่ได้ลดความเสี่ยงอย่างมีนัยสำคัญ
แบบฝึกของสัปดาห์นี้: เลือก repository หนึ่งแห่งและกำหนดให้ต้องมีคนกดยืนยันก่อนที่อะไรจะ merge เข้า main branch แม้เป็นงานที่เอเจนต์เปิดและทดสอบเองทั้งหมด ปล่อยให้เอเจนต์ทำทุกอย่างได้ต่อไปจนถึงจุดนั้น (สร้าง branch แก้ไข รันเทสต์ เปิด pull request) แล้ววัดดูว่าประตูบานเดียวนี้ทำให้คุณช้าลงจริงหรือไม่ หรือแค่ช่วยจับการเปลี่ยนแปลงหนึ่งอย่างต่อสัปดาห์ที่คุณอยากเห็นก่อน
วางแผนการเตรียมตัว
แผนเรียน 2-4 สัปดาห์
จัดตามหกโดเมนและน้ำหนักคะแนน ใช้เวลากับโดเมน 20-25% มากกว่า ใช้เวลากับสองโดเมน 10-15% น้อยกว่า และทบทวนทั้งหมดในตอนท้าย
สัปดาห์ที่ 1: สถาปัตยกรรม SDLC และเครื่องมือ
เรียนโดเมน 1 (เส้นแบ่งระหว่างแผนกับการลงมือ จุดตรวจโดยคน) และเริ่มโดเมน 2 (การจำกัดขอบเขตเครื่องมือ MCP servers allow lists) สองโดเมนที่เกี่ยวข้องกับแทบทุกงาน
สัปดาห์ที่ 2: หน่วยความจำ สถานะ และการประเมินผล
เรียนโดเมน 3 (กลยุทธ์หน่วยความจำ ไฟล์สถานะ context drift) และโดเมน 4 (เกณฑ์ความสำเร็จ การวิเคราะห์ความล้มเหลว การปรับแต่ง) โดยทำแบบฝึกกับงานจริง ไม่ใช่ตัวอย่างของเล่น
สัปดาห์ที่ 3: หลายเอเจนต์และ Guardrails
เรียนโดเมน 5 (การ orchestrate การแก้ความขัดแย้ง การกู้คืน) และโดเมน 6 (ระดับอิสระ least privilege ประตูอนุมัติ) สองโดเมนที่หลายทีมข้ามไปจนกว่าจะมีอะไรพัง
สัปดาห์ที่ 4: ทบทวนและลองระบบทดลองสอบ
อ่านคู่มือการสอบของ Microsoft ซ้ำทีละโดเมน ทำแบบฝึกที่ยังไม่มั่นใจอีกรอบ และลองใช้ exam sandbox ฟรีของ Microsoft (มีลิงก์จากหน้า GitHub Certified: Agentic AI Developer) เพื่อให้วันสอบจริงไม่ต้องทำความรู้จักหน้าจอใหม่
ฝึกทักษะที่ GH-600 ทดสอบ ไม่ใช่แค่ท่องศัพท์
บทเรียนฟรีสี่บทจาก Nightschool AI ให้คุณฝึกเส้นแบ่งระหว่างแผนกับการลงมือ สิทธิ์เครื่องมือที่จำกัดขอบเขต และหน่วยความจำของเอเจนต์กับ coding agent จริง เริ่มได้โดยไม่ต้องมีบัญชี
คำถามที่พบบ่อย
GH-600 คืออะไร
GH-600 เป็นข้อสอบของ GitHub ชื่อ “Developing in Agentic AI Systems” สำหรับใบรับรอง GitHub Certified: Agentic AI Developer จัดสอบผ่าน Microsoft Learn และนัดสอบผ่าน Pearson VUE ทดสอบการใช้งาน กำกับดูแล และควบคุม AI coding agent ภายใน software development lifecycle โดยใช้ GitHub เป็นระบบบันทึกหลัก
ใครควรสอบ GH-600
โปรไฟล์ผู้เข้าสอบของ Microsoft ระบุถึงสถาปนิก platform engineer DevOps engineer นักพัฒนา product manager และ security engineer ที่ใช้งาน กำกับดูแล หรือควบคุม AI agent ในเวิร์กโฟลว์ SDLC ระดับ production อยู่แล้ว และมีประสบการณ์ลงมือทำกับเวิร์กโฟลว์และตัวควบคุมของ GitHub รวมถึง coding agent เช่น GitHub Copilot และ MCP servers
ข้อสอบ GH-600 ใช้เวลานานแค่ไหน และค่าสอบเท่าไร
สองชั่วโมง มีผู้คุมสอบ นัดสอบผ่าน Pearson VUE Microsoft ระบุค่าสอบ US$165 และแจ้งว่าราคาต่างกันตามประเทศหรือภูมิภาคที่จัดสอบ ขณะนี้มีให้สอบเป็นภาษาอังกฤษเท่านั้น
ต้องได้คะแนนเท่าไรจึงจะผ่าน GH-600
scaled score 700 ขึ้นไป ตามหน้าการให้คะแนนสอบของ Microsoft ที่มีลิงก์จากคู่มือการสอบ GH-600 Microsoft ไม่ได้เผยแพร่จำนวนข้อสอบหรืออัตราการสอบผ่านของข้อสอบนี้ คู่มือนี้จึงไม่ระบุเช่นกัน
หกโดเมนของ GH-600 ครอบคลุมอะไรบ้าง
สถาปัตยกรรมเอเจนต์และกระบวนการ SDLC (15-20%) การใช้เครื่องมือและการทำงานกับสภาพแวดล้อม (20-25%) หน่วยความจำ สถานะ และการประมวลผล (10-15%) การประเมินผล การวิเคราะห์ข้อผิดพลาด และการปรับแต่ง (15-20%) การประสานงานหลายเอเจนต์ (15-20%) และ guardrails กับความรับผิดชอบ (10-15%) ตามน้ำหนักที่คู่มือการสอบของ Microsoft กำหนดไว้
สมัครสอบ GH-600 ได้ที่ไหน
ผ่านหน้า GitHub Certified: Agentic AI Developer บน Microsoft Learn ซึ่งนัดสอบผ่าน Pearson VUE Microsoft แนะนำให้สมัครด้วยบัญชีส่วนตัวแทนบัญชีที่ทำงานหรือโรงเรียน เพราะประวัติการสอบที่ผูกกับบัญชีขององค์กรอาจสูญหาย และกู้คืนไม่ได้หากคุณออกจากองค์กรนั้น
Nightschool AI มีความเกี่ยวข้องกับ GitHub หรือ Microsoft หรือไม่
ไม่มี Nightschool AI เป็นอิสระ และไม่ได้เป็นพันธมิตร ได้รับการรับรอง หรือได้รับการสนับสนุนจาก GitHub, Microsoft หรือ Pearson VUE หน้านี้เป็นการเตรียมสอบที่จัดทำจากหน้าสาธารณะของ Microsoft เอง ไม่ได้จัดสอบ GH-600 และไม่ได้มอบใบรับรองที่ข้อสอบนำไปสู่