备考指南 · 作者 Reid Chong · 核对于 2026年10月26日
GH-600 备考指南:如何准备 GitHub 智能体 AI 开发者考试
六个领域,直接取自微软官方学习指南,每个领域配一项本周就能动手做的练习。
GH-600 的正式名称是“Developing in Agentic AI Systems”,是 GitHub 为 GitHub Certified: Agentic AI Developer 认证设立的考试,通过 Microsoft Learn 提供,并经由 Pearson VUE 预约。本指南用平实的语言逐一讲解微软官方学习指南列出的六个领域,每个领域配一项练习,你用现在手头已有的任何编程智能体,本周就能做完。Nightschool AI 是一家独立的培训网站。我们不是 GitHub、Microsoft 或 Pearson VUE,不负责组织考试,也不颁发认证。下文每一项事实都只对应这两个官方页面所写的内容,不引用这两个页面都没有公布的通过率或薪资数字。
GH-600(“Developing in Agentic AI Systems”)是 GitHub 为 GitHub Certified: Agentic AI Developer 认证设立的考试,通过 Microsoft Learn 提供。它面向在真实软件开发生命周期(SDLC)中运营、监督和管控 AI 编程智能体的人,包括架构师、平台工程师、DevOps 工程师、开发者和安全工程师。考试时长两小时,有监考,经由 Pearson VUE 预约,费用为 US$165(价格因国家或地区而异),需要达到 700 分或以上的标准化分数才算通过。考试涵盖六个领域:智能体架构与 SDLC、工具使用、记忆与状态、评估、多智能体协同,以及护栏。
发布于
免费课时 · 无需注册账号CLAUDE.md:你的项目主干实践者环境搭建6分钟开始免费课时要点总结
- GH-600(“Developing in Agentic AI Systems”)是 GitHub 为 GitHub Certified: Agentic AI Developer 认证设立的考试,通过 Microsoft Learn 提供,并经由 Pearson VUE 预约。
- 根据微软自己的页面,考试时长两小时,费用为 US$165(价格因国家或地区而异),需要达到 700 分或以上的标准化分数才算通过。
- 六个带权重的领域:智能体架构与 SDLC(15-20%)、工具使用与环境交互(20-25%)、记忆、状态与执行(10-15%)、评估与调优(15-20%)、多智能体协同(15-20%)、护栏与问责(10-15%)。
- 考试面向已经在真实 SDLC 中运营、监督或管控 AI 编程智能体的人:架构师、平台工程师、DevOps 工程师、开发者、产品经理和安全工程师。
- 微软的学习指南要求你有使用编程智能体的经验,包括 GitHub Copilot、MCP 服务器,以及自定义指令、自定义智能体、工具和 Copilot setup steps 等智能体定制方式。
- Nightschool AI 独立于 GitHub、Microsoft 和 Pearson VUE。本页帮助你备考,不负责组织考试,也不颁发认证。
从一节免费课程开始
在考试之前先练好 GH-600 的核心技能
这些是 Nightschool AI 的课程,不是 GitHub 或 Microsoft 的培训,而且讲的是 Claude Code,而不是 GitHub Copilot。它们训练的是 GH-600 所考查的同一类底层能力,即规划与执行的边界、限定范围的工具权限和智能体记忆,用的工具你今天就可以免费开始使用。
开始之前
GH-600 适合谁,以及如何计分
微软对这门考试的受众描述是:在生产级 SDLC 工作流中运营、集成、监督和管控 AI 智能体的专业人员,并以 GitHub 作为记录系统和控制平面。按学习指南的说法,这类人的职责包括:在 SDLC 中运营智能体工作流,用 GitHub 自带的控制手段监督智能体的自主行为,借助扫描结果和产出物评估并调优智能体的输出,配置自定义智能体,以及安全地协调多智能体执行。他们会与架构师、平台工程师、DevOps 工程师、应用开发者、产品经理和安全工程师一起工作。
在经验方面,学习指南希望你熟悉软件开发生命周期、GitHub 工作流与控制手段、代码质量、安全和评审实践,并且实际用过编程智能体,包括 GitHub Copilot、MCP 服务器,以及自定义指令、自定义智能体、工具和 Copilot setup steps 等智能体定制方式。在考试安排上:考试有监考,经由 Pearson VUE 预约,时长两小时,费用为 US$165(价格因国家或地区而异),仅提供英文版,需要达到 700 分或以上的标准化分数才算通过。未通过可在 24 小时后重考。微软的页面没有公布题目数量和通过率,所以本指南也不编造。
本页的每一项事实,都对照写作时直接读取的两个页面核对过:Microsoft Learn 上的“Study guide for Exam GH-600: Developing in Agentic AI Systems”,以及“GitHub Certified: Agentic AI Developer”页面,均位于 learn.microsoft.com,读取日期为 2026年10月26日。这两个页面一旦调整权重、价格或领域,本页也应随之更新。这里没有任何内容来自第三方模拟题网站或论坛帖子。
考查技能
GH-600 六大领域一览
以下是微软给出的权重。它们加起来是一个范围而不是固定数字,因为每个领域本身就按 15 到 25 个百分点的区间来计分。
1. 智能体架构与 SDLC(15-20%)
把智能体放进 SDLC,把规划与执行分开,并在智能体动手之前给人留一个检查点。
2. 工具使用与环境交互(20-25%)
选择并限定智能体的工具范围,配置 MCP 服务器和允许列表,让智能体在仓库、分支或 CI 任务中安全运行。
3. 记忆、状态与执行(10-15%)
在短期记忆、长期记忆和外部记忆之间做选择,跨会话保存状态,并在上下文漂移越积越大之前发现它。
4. 评估、错误分析与调优(15-20%)
事先写好成功标准,通过日志和调用轨迹找出根本原因,再据此调整指令、记忆或工具权限。
5. 多智能体协同(15-20%)
让多个智能体并行工作而不互相干扰,并能发现和恢复停滞或表现变差的智能体。
6. 护栏与问责(10-15%)
按风险大小决定自主程度,按最小权限原则限定权限,并要求不可逆的变更在上线前必须得到明确批准。
领域 1 · 15-20%
准备智能体架构与 SDLC 流程
这个领域关心的是智能体在你的开发流程中处于什么位置,而不只是它能不能跑通。微软的学习指南把它分成三部分:让智能体融入 SDLC(判断哪些环节该由智能体来做,识别常见的反模式,并事先定义输入、输出和成功标准);把规划与执行分开(配置智能体先产出结构化的计划,验证这份计划,并在计划经过检查和批准之前不让智能体行动);以及配置可观测性与控制(设定合适的自主程度,在你日常使用的工具里产出可检查的产出物,并在不拖慢交付的前提下加入人工介入)。
本周练习:挑一项你真的会交给编程智能体的任务。在让它动任何东西之前,先让它用纯文本写出计划:会改哪些文件、步骤的先后顺序,以及“完成”是什么样子。读完这份计划,在任何一处修改发生之前,由你批准或驳回。这正是本领域考查的边界:计划由智能体产出,而在执行开始之前,有一个人(或一条规则)来检查它。
领域 2 · 20-25%
落实工具使用与环境交互
这是考试中权重最高的领域,也与日常的智能体工作联系最紧。它涵盖:选择并配置智能体的工具及其权限;配置 MCP 服务器,包括把一个服务器添加为工具、设置 GitHub 远程 MCP 服务器、管理 MCP 注册表和允许列表;把智能体集成进开发环境,包括把它限定在某个仓库或分支、在 CI 工作流中调用它,以及允许它自主执行开分支、提交拉取请求之类的操作;还有以安全的执行路径运营智能体,包括错误处理、重试、回滚、升级路径,以及对智能体所做操作的可追溯性。
本周练习:打开你平时用来写代码的智能体,看看它眼下能碰到什么,包括每个文件、每条命令、你接入的每个 MCP 服务器。把权限收窄到刚好够完成一项任务:一个范围很小的文件夹、一份简短的命令允许列表,以及一两个而不是全部的 MCP 服务器。再把同一项任务跑一遍,看看有什么(如果有的话)出了问题。补上这个缺口,就是本领域考查的工具权限能力。
领域 3 · 10-15%
管理记忆、状态与执行
这个领域关心的是智能体记住什么、记多久。它涵盖:在短期记忆、长期记忆和外部记忆之间做选择,并把记忆限定在与任务相关的内容上,同时制定记忆何时过期、被清理或重置的规则;保存状态并管理上下文漂移,也就是把进展和决策记录成持久的产出物,让智能体能够接着干而不重复步骤、不与先前的决策相矛盾,并在长时间运行中及时发现漂移;以及让记忆和状态在不同工具与环境之间保持一致,使智能体共享状态时不出现冲突或过时的上下文。
本周练习:在用智能体开始一项多步骤任务之前,先建一个简短的状态文件(纯文本即可),记录目标、目前已做的决策和剩下的工作。每完成一步就更新它,而不是依赖智能体对对话的记忆。关掉会话,几天后重新打开,看看仅凭这个文件是否足以让你原样接上之前的进度。
领域 4 · 15-20%
开展评估、错误分析与调优
这个领域考查的是:你能否判断智能体到底有没有把活干好,以及没干好时如何修正。它涵盖:在任务开始之前定义成功标准和评估信号,包括定性信号、定量信号以及自动扫描工具产生的信号;利用日志、计划、调用轨迹、输出和工作流产出物分析智能体的失败,并把根本原因归类为推理错误、工具误用,或上下文与环境问题;以及通过修改指令、工作流或约束,并改进记忆和工具的使用方式来调优智能体的行为。
本周练习:在智能体开始之前,先写下你交给它的某项任务“正确”到底指什么。然后让智能体以外的角色对照这份清单检查结果,可以是另一个智能体、一个测试脚本或一位同事,绝不能让同一个智能体给自己的作业打分。记录它在哪里没达标,原因是指令不好、工具不对,还是上下文过时。
领域 5 · 15-20%
编排多智能体协同
这个领域讲的是同时运行多个智能体而不让它们互相冲突。微软的学习指南把它分为:运营多智能体工作流(应用一种编排模式,把智能体隔离开以便并行执行,并发现和化解代码改动重叠或输出互相矛盾之类的冲突);配置跨智能体的可观测性(产出适合评审和审计的产出物,并记录交接和决策);发现并应对多智能体故障(识别停滞或表现变差的执行过程,并运用包括回滚和人工介入在内的恢复模式);以及在不打断工作流的前提下管理智能体在其中的生命周期。
本周练习:让两个编程智能体使用同一个仓库,各自在自己的分支上工作,并各自做一处有重叠的改动(同一个文件,不同的修改)。等两者都完成后,你自己来解决合并冲突,并写一句话说明下次想避免哪种重叠:是把其中一个智能体限定到另一个文件,还是把两项任务改为按顺序执行而不是并行。
领域 6 · 10-15%
落实护栏与问责
最后一个领域讲的是让自由度与风险相匹配。它涵盖:定义自主级别,按运营、安全和合规风险对智能体的操作分类,使干预力度恰如其分,并在遵守组织的安全与负责任 AI 标准的前提下,分配自主程度以最大化交付速度;以及落实护栏和人工介入的工作流,这意味着:识别哪些操作需要人来判断,阻止违反策略的操作,按最小权限原则限定权限,对不可逆或涉及合规的变更要求明确授权,并且不要增加那些无法切实降低风险的审批。
本周练习:挑一个仓库,要求任何内容合并到主分支之前必须有人点击确认,即使这项工作是你的智能体完全自己开出并测试通过的。让智能体照常完成此前的一切(建分支、改代码、跑测试、开拉取请求),然后衡量这一道关卡是否真的拖慢了你,还是只是拦下了每周那一次你本来就想先看一眼的改动。
规划备考
2 到 4 周学习计划
按六个领域及其权重安排:在权重 20-25% 的领域上多花时间,在两个权重 10-15% 的领域上少花一些,最后做一次完整复习。
第 1 周:架构、SDLC 与工具
学习领域 1(规划与执行的边界、人工检查点),并开始领域 2(工具范围限定、MCP 服务器、允许列表),这两个领域几乎涉及每一项任务。
第 2 周:记忆、状态与评估
学习领域 3(记忆策略、状态文件、上下文漂移)和领域 4(成功标准、失败分析、调优),并在真实任务上做练习,而不是用玩具示例。
第 3 周:多智能体与护栏
学习领域 5(编排、冲突化解、恢复)和领域 6(自主级别、最小权限、审批关卡),这两个领域是多数团队在出问题之前都会跳过的。
第 4 周:复习与考试沙盒
按领域重读微软自己的学习指南,重做感觉不踏实的练习,并试用微软的免费考试沙盒(链接见 GitHub Certified: Agentic AI Developer 页面),这样考试当天就不会对界面感到陌生。
常见问题
GH-600 是什么?
GH-600 是 GitHub 的考试,名称为“Developing in Agentic AI Systems”,对应 GitHub Certified: Agentic AI Developer 认证。它通过 Microsoft Learn 提供,经由 Pearson VUE 预约,考查的是在软件开发生命周期中以 GitHub 作为记录系统,运营、监督和管控 AI 编程智能体的能力。
谁适合参加 GH-600 考试?
微软的受众描述点名了架构师、平台工程师、DevOps 工程师、开发者、产品经理和安全工程师,他们已经在生产级 SDLC 工作流中运营、监督或管控 AI 智能体,并有 GitHub 工作流与控制手段方面的实践经验,也用过包括 GitHub Copilot 和 MCP 服务器在内的编程智能体。
GH-600 考试多长时间,费用是多少?
两小时,有监考,经由 Pearson VUE 预约。微软标注的价格为 US$165,并说明会因考试监考所在的国家或地区而异。目前仅提供英文版。
GH-600 需要多少分才能通过?
需要达到 700 分或以上的标准化分数,依据是 GH-600 学习指南中链接的微软考试计分页面。微软没有公布这门考试的题目数量和通过率,所以本指南也不给出。
GH-600 的六个领域分别考什么?
智能体架构与 SDLC 流程(15-20%)、工具使用与环境交互(20-25%)、记忆、状态与执行(10-15%)、评估、错误分析与调优(15-20%)、多智能体协同(15-20%),以及护栏与问责(10-15%),权重与微软学习指南完全一致。
在哪里报名 GH-600 考试?
通过 Microsoft Learn 上的 GitHub Certified: Agentic AI Developer 页面报名,考试经由 Pearson VUE 预约。微软建议使用个人账号而不是工作或学校账号注册,因为绑定在组织账号上的考试记录可能丢失,一旦你离开该组织就无法找回。
Nightschool AI 与 GitHub 或 Microsoft 有关联吗?
没有。Nightschool AI 是独立的,与 GitHub、Microsoft 或 Pearson VUE 没有隶属、背书或赞助关系。本页是依据微软公开页面编写的备考内容,不负责组织 GH-600 考试,也不颁发其对应的认证。