~/genai-developer-pro/takeaways

시험 정답 공식 모아보기

AWS Certified Generative AI Developer – Professional · 문제를 푼 뒤 복습용으로 훑어보세요. 공식만 외우기보다 해당 문제의 해설과 함께 보는 걸 추천해요.

// 2026 실전 테스트 01 풀러 가기 →

Q1
  1. 같은 제품군 모델 2개 + 코드에서 복잡도 분류 금지 ➡️ Bedrock Intelligent Prompt Routing (configured router, fallback, responseQualityDifference)
  2. 마감 여유 있는 배치 + 비용 최적화 티어 ➡️ service_tier=flex, 대화형은 Standard 이상 유지
  3. application inference profile + 태그 ➡️ 비용 "추적·배분"이지 "절감"이 아님
Q2
  1. 모델 "입력" 정규화 + 호출 전 감사 ➡️ Bedrock 이전 단계의 Comprehend 엔터티 추출 + Lambda 매핑
  2. DetectEntities 내장 모델 ➡️ Text + LanguageCode 필수 (EndpointArn 사용 시에만 생략)
  3. Structured outputs ➡️ 모델 "출력" 형식 보장용, 입력 전처리 문제의 함정
Q3
  1. Bedrock 호출 로깅 + 100KB 초과 본문 ➡️ CloudWatch Logs + S3 대상 함께 지정
  2. 에이전트 도구 결정을 모든 요청에서 확인 ➡️ 모든 InvokeAgent 호출에 enableTrace=true (샘플링 금지)
  3. 비즈니스 KPI + 사용자 지정 지표 최소화 ➡️ EMF + 안정적(저카디널리티) 차원
  4. 토큰·지연·오류·스로틀 ➡️ 기본 AWS/Bedrock 지표로 충분, 새 지표 만들지 않음
Q4
  1. 사람(SME) 평가 + 관리형 UI + 포털 금지 ➡️ Bedrock human model evaluation job + bring-your-own work team
  2. Bedrock 외부 모델 응답 비교 ➡️ JSON Lines 데이터 세트의 사전 계산된 응답 소스(BYOI)
  3. LLM-as-a-judge ➡️ 자동 평가, "사람이 평가" 조건이면 함정
Q5
  1. 로드 전 "레코드 단위" 거부 ➡️ Glue ETL의 Evaluate Data Quality(DQDL) 행 수준 결과로 분기
  2. Data Catalog 기반 Glue Data Quality ➡️ 테이블(데이터 세트) 수준 점수, 레코드 필터링 불가
  3. 중첩 배열 데이터 검증 ➡️ 먼저 평탄화(Relationalize/unnest) 후 DQDL
Q6
  1. 몇 시간~며칠 대기 + 내구성 있는 기록 ➡️ Step Functions Standard + .waitForTaskToken 콜백
  2. Express 워크플로 ➡️ 최대 5분, 콜백·.sync 미지원, 대량 단기 이벤트 처리용
  3. 문서·이미지·오디오 혼합 추출 ➡️ BDA 프로젝트 + InvokeDataAutomationAsync
Q7
  1. Bedrock KB + S3 메타데이터 필터 ➡️ 같은 폴더의 <문서명>.metadata.json 사이드카
  2. 날짜 범위 필터 ➡️ NUMBER 유형 속성 + greaterThan/lessThan
  3. 특정 메타데이터만 시맨틱 매칭에 반영 ➡️ includeForEmbedding
  4. x-amz-meta-*, 객체 태그, S3 Metadata 테이블 ➡️ KB 필터 문제의 함정
Q8
  1. 모델 최종 답변 전 중간 결과 로깅/검사 ➡️ Converse toolConfig + 애플리케이션이 toolUse 실행 후 toolResult 반환
  2. 기존 Lambda/API를 에이전트용 MCP 도구로 노출 ➡️ Amazon Bedrock AgentCore Gateway target
  3. 서버 측 도구 실행 ➡️ 중간 결과를 볼 수 없으므로 "답변 전 로깅" 조건이면 함정
Q9
  1. 다운스트림에 "유효한" JSON 필요 ➡️ structured outputs(JSON Schema), 프롬프트 지시 아님
  2. 근거 없는 진술 차단 ➡️ Guardrails contextual grounding(grounding source + query + response)
  3. 검색 점수/인용 ➡️ 근거성 검증이 아님, 함정 보기
Q10
  1. 엄격한 데이터 잔류 + AWS 연결 상태 로컬 액세스 ➡️ S3 on Outposts + 액세스 포인트(Private 엔드포인트)
  2. 같은 지리 영역 내 Bedrock 처리 ➡️ geographic cross-Region inference profile
  3. "출시 전" 처리 위치 확인 ➡️ GetInferenceProfile (CloudTrail inferenceRegion·호출 로깅은 사후 증적)
Q11
  1. API Gateway에서 LLM 토큰 스트리밍 ➡️ REST API + Lambda 프록시 + responseTransferMode STREAM
  2. 청크 간격 30초 초과 ➡️ Regional/private 엔드포인트(유휴 5분), edge-optimized(30초)는 탈락
  3. HTTP API, VTL 응답 템플릿, 캐싱, 압축 ➡️ 응답 스트리밍과 함께 쓸 수 없음
Q12
  1. Bedrock Agent의 단계별 추론·도구 호출·실패 기록 ➡️ InvokeAgent enableTrace=true + trace 이벤트 저장
  2. 에이전트 응답의 출처 ➡️ chunk.attribution.citations
  3. "현재 에이전트 설계 유지" ➡️ RetrieveAndGenerate/Converse 직접 호출 보기는 탈락
Q13
  1. 기본 모델 1개 + 여러 LoRA + 추가 GPU 금지 ➡️ 기본 IC를 참조하는 어댑터 inference component, InferenceComponentName으로 호출
  2. 승인된 버전만 배포 ➡️ Model Registry Model Package Group + ModelApprovalStatus=Approved 트리거
  3. 지표 위반 시 자동 롤백 ➡️ 배포 가드레일 + CloudWatch 경보(경보 없으면 롤백 불가)
Q14
  1. 여러 앱이 같은 프롬프트 재사용 ➡️ Prompt management 리소스를 참조하는 Prompt 노드 (인라인 아님)
  2. 코드 없는 분기 ➡️ Condition 노드 (Lambda 노드는 사용자 지정 로직)
  3. 테스트 후 안정적 호출 대상 ➡️ 플로우 버전 + alias로 InvokeFlow
Q15
  1. InvokeModel + 탈옥/프롬프트 주입 차단 ➡️ PROMPT_ATTACK 필터(inputAction BLOCK) + 사용자 입력만 guardrail 태그로 감싸기
  2. 태그 위조 방지 ➡️ 요청마다 임의의 tagSuffix (amazon-bedrock-guardrailConfig)
  3. "모델 처리 전" 조건 ➡️ OUTPUT 단계 검사·Automated Reasoning 보기는 탈락
Q16
  1. 복합·다면적 질문 + 최소 오케스트레이션 ➡️ RetrieveAndGenerate의 queryTransformationConfiguration.type = QUERY_DECOMPOSITION
  2. GenerateQuery / TEXT_TO_SQL ➡️ 구조화 데이터 저장소(예: Redshift) 연결 knowledge base 전용
  3. POST_CHUNKING Lambda ➡️ 수집 시점의 청크 가공(메타데이터 추가 등), 쿼리 시점 기능 아님
Q17
  1. S3 문서별 필터·속성 ➡️ 문서 옆 파일명.metadata.json 사이드카(복사 불필요)
  2. 생성 답변 + 출처 저장 ➡️ RetrieveAndGenerate의 citations(generatedResponsePart + retrievedReferences)
  3. Retrieve / RetrieveAndGenerate / InvokeAgent 실행자 감사 ➡️ CloudTrail 데이터 이벤트(고급 이벤트 선택기) 활성화
Q18
  1. 사용자 지정 기준 다중 모델 라우팅 + 분기 경로 감사 ➡️ Step Functions Standard + Choice + Bedrock 최적화 통합
  2. Bedrock prompt router ➡️ 같은 모델 패밀리 내, 서비스가 정한 품질·비용 기준 라우팅
  3. Step Functions 페이로드 256 KiB 초과 ➡️ InvokeModel 최적화 통합의 S3 입력·출력 사용
Q19
  1. '쿨다운 동안 모든 신규 요청에 대체 응답' ➡️ 외부 공유 상태(DynamoDB) 기반 서킷 브레이커
  2. 서킷 브레이커 순서 ➡️ 호출 전 상태 확인 → 실패 시 만료 시각이 있는 레코드 기록 → 만료 후 자동 재시도
  3. Retry 백오프·지터만 ➡️ 단일 실행 내 완화일 뿐, 장애 전파 차단 아님
Q20
  1. 텍스트 임베딩 + 차원 축소 ➡️ Titan Text Embeddings V2의 dimensions(256/512/1024)
  2. 준실시간 인덱싱 ➡️ 동기 InvokeModel, 대량·지연 허용 작업 ➡️ 배치 추론(CreateModelInvocationJob)
  3. 임베딩 모델에 topP·temperature ➡️ 의미 없는 오답 신호
Q21
  1. 모델 교체·비교를 같은 코드로 ➡️ Converse / ConverseStream + 변수 modelId
  2. 호출 로그 필터용 태그 ➡️ requestMetadata(모델 입력에 포함되지 않음)
  3. Converse 멀티턴 ➡️ 클라이언트가 전체 대화 기록을 매번 전송(서버 측 세션 없음)
Q22
  1. 의도된 용도·위험 등급·평가 결과의 버전 관리 기록 ➡️ SageMaker Model Cards
  2. 요청 단위 추적 메타데이터 ➡️ requestMetadata + 모델 호출 로깅
  3. Bedrock 호출 로깅 대상 ➡️ 같은 계정·같은 리전의 CloudWatch Logs / S3, 보존은 로그 그룹 retention
Q23
  1. WA Tool에서 승인된 '답변' 표준화 ➡️ 검토 템플릿(review template) + 계정 공유
  2. 새로운 '질문' 세트가 필요 ➡️ 사용자 지정 렌즈(custom lens)
  3. 생성형 AI 모범 사례 질문 ➡️ Lens Catalog의 Generative AI Lens 적용
Q24
  1. HTTP API + 반복 쿼리·헤더 원본 보존 ➡️ 페이로드 형식 1.0의 multiValue 필드
  2. HTTP API 형식 2.0 ➡️ 중복 값 쉼표 결합, rawPath에 API 매핑 미포함
  3. 사용자 지정 도메인 매핑 경로가 서명·라우팅에 필요 ➡️ 형식 1.0의 path 사용
Q25
  1. Q Developer GitHub 추가 커밋 후 재검토 ➡️ Write 이상 권한자가 새 PR 코멘트로 /q review
  2. 자동 검토 트리거 ➡️ PR 생성 또는 다시 열기(재오픈은 PR 상태 변경)
  3. Read·Triage 역할 ➡️ 검토 시작 불가
Q26
  1. InvokeModel ➡️ 모델 공급자별 네이티브 스키마(Titan: inputText / Claude: anthropic_version + max_tokens + messages)
  2. messages + inferenceConfig ➡️ Converse 형식, 'InvokeModel 유지' 조건이면 오답
  3. Claude 멀티턴 ➡️ role별 messages 배열 + typed content blocks(text, image 등)
Q27
  1. 모델 호출과 분리된 guardrail 재사용 ➡️ ApplyGuardrail(입력은 source=INPUT, 모델 응답은 source=OUTPUT)
  2. 영어 텍스트 유해성 사전 검사 ➡️ Amazon Comprehend DetectToxicContent
  3. guardContent ➡️ 동일 guardrail 안에서 평가 범위만 지정(새 계층 아님)
Q28
  1. 에이전트 도구 호출 지연 원인 분석 ➡️ AgentCore Gateway 추적 + CloudWatch Transaction Search(스팬)
  2. 도구 대상 자체의 지연 ➡️ Gateway TargetExecutionTime 지표
  3. '기준선', '비정상 동작' 경보 ➡️ CloudWatch 이상 탐지(anomaly detection) 밴드 경보
Q29
  1. 정확한 ID·코드·고유명사 검색 누락 ➡️ overrideSearchType = HYBRID
  2. 가장 관련 있는 청크가 1위가 아님 ➡️ Knowledge Bases reranking(rerankingConfiguration)
  3. OpenSearch Serverless 하이브리드 검색 ➡️ 필터링 가능한 텍스트 필드 필요
Q30
  1. Bedrock 입력·출력 감사 + 대용량·이미지 ➡️ 모델 호출 로깅(CloudWatch Logs + S3)
  2. guardrail 개입 알림 ➡️ AWS/Bedrock/Guardrails 지표(InvocationsIntervened) 경보
  3. CloudTrail ➡️ 누가·언제·어떤 API(본문 없음), guardrail·knowledge base 호출은 데이터 이벤트로 별도 활성화
Q31
  1. KB + 이미지·오디오·스캔 문서 관리형 추출 ➡️ 파싱 전략으로 Bedrock Data Automation 선택
  2. 문서(PDF·표)만 정교하게 파싱 ➡️ Foundation model parser (오디오 불가)
  3. 수집 전 반복 가능한 변환 + S3 아티팩트 ➡️ SageMaker Processing (/opt/ml/processing/input, output)
Q32
  1. 다단계 프롬프트 + AWS 관리형 오케스트레이션 ➡️ Amazon Bedrock Flows
  2. "결정론적" 계산·집계 ➡️ LLM(Prompt 노드)이 아닌 Lambda function 노드
  3. 안정적 배포 엔드포인트 ➡️ Flow 버전 + alias, InvokeFlow(flowAliasIdentifier)
Q33
  1. 실시간 + PII 위치 기반 부분 삭제 ➡️ Comprehend DetectPiiEntities (BeginOffset/EndOffset)
  2. PII 유무만 판별 ➡️ ContainsPiiEntities (레이블만, 위치 없음)
  3. 모델 응답의 PII 마스킹 ➡️ Guardrails sensitive information filter ANONYMIZE (차단은 BLOCK)
  4. S3 대량 문서 PII 삭제 ➡️ StartPiiEntitiesDetectionJob (비동기, 실시간 불가)
Q34
  1. 품질(통과율) 경보 ➡️ 평가 결과를 사용자 지정 지표화 (Logs metric filter 또는 PutMetricData/EMF)
  2. AWS/Bedrock 런타임 지표 ➡️ 오류·지연·스로틀링 감지용, 답변 품질 감지 불가
  3. 릴리스 전 테스트 세트 실행 오케스트레이션 ➡️ Step Functions Map + arn:aws:states:::bedrock:invokeModel
Q35
  1. RAG 환각(근거 없는 문구) ➡️ RAG 평가 Builtin.Faithfulness
  2. 같은 질문에 모순된 답/추론 비약 ➡️ Builtin.LogicalCoherence
  3. agent 추론 경로·실패 원인 ➡️ InvokeAgent enableTrace + TracePart(orchestrationTrace, failureTrace)
Q36
  1. maxTokens 생략 + 스로틀링 ➡️ maxTokens를 실제 출력 크기에 맞게 명시 (할당량은 입력 + maxTokens로 예약)
  2. RAG 컨텍스트 증가로 비용 상승 ➡️ 스니펫·기록 정리(prune), CountTokens로 사전 측정
  3. 안정적 접두부 반복 ➡️ prompt caching / 매 턴 바뀌는 컨텍스트 ➡️ 캐싱 효과 없음
Q37
  1. 공유 클라이언트 + 다른 테넌트의 첫 요청 보호 ➡️ standard 재시도 모드 (adaptive 금지)
  2. 단일 테넌트·단일 워크로드에서 스로틀링 자체를 줄이기 ➡️ adaptive 재시도 모드
  3. "bounded" 복구 ➡️ max_attempts 상한 + 지터 지수 백오프, 비표준 코드(529)는 명시적 처리
Q38
  1. Converse ➡️ bedrock:InvokeModel / ConverseStream ➡️ bedrock:InvokeModelWithResponseStream
  2. 추론 요청에 guardrail 지정 ➡️ guardrail 리소스에 bedrock:ApplyGuardrail 필요
  3. 기업 로그인 + 단기 자격 증명 ➡️ IdP → IAM Identity Center 페더레이션 + permission set
Q39
  1. JSON 스키마 준수 보장 + 호출 시점 스키마 ➡️ Converse outputConfig.textFormat type=json_schema
  2. 프롬프트 템플릿 재사용·버전 관리 ➡️ Prompt management (형식 강제는 아님)
  3. 도구 입력 스키마 기반 구조화 ➡️ tool use(toolConfig inputSchema)도 대안이지만 structured outputs가 더 직접적
Q40
  1. 후보 품질 비교·감사 ➡️ Bedrock LLM-as-a-judge 평가 (BYO 응답은 일치하는 inference source 이름으로 연결)
  2. 롤아웃 후 지연·토큰·비용 ➡️ AWS/Bedrock CloudWatch 지표 + model invocation logging
  3. 평가 작업 결과 파일 ➡️ 품질 점수·근거용, 운영 지표 원천 아님
Q41
  1. 장시간 사람 승인 + 폴링 없음 ➡️ Standard Workflow + .waitForTaskToken 콜백 (SendTaskSuccess/Failure)
  2. Express Workflow ➡️ 최대 5분, 콜백(.waitForTaskToken)·.sync 미지원
  3. "하나의 감사 가능한 실행" ➡️ 워크플로 분할 금지, Standard의 실행 히스토리 활용
Q42
  1. 순서 유지 + 중간 추가 호출 허용 ➡️ Builtin.TrajectoryInOrderMatch
  2. 정확히 같은 시퀀스(추가·누락 불허) ➡️ Builtin.TrajectoryExactOrderMatch / 순서 무관 포함 여부 ➡️ Builtin.TrajectoryAnyOrderMatch
  3. 도구 사용 평가 ➡️ 세션 수준 expectedTrajectory, 응답 평가 ➡️ expectedResponse + Correctness
Q43
  1. InvokeModel·Converse 프라이빗 호출 ➡️ bedrock-runtime 인터페이스 엔드포인트 (bedrock = 컨트롤 플레인)
  2. 엔드포인트 수준 제한 ➡️ 사용자 지정 VPC 엔드포인트 정책 + aws:SourceVpce 조건
  3. VPC 엔드포인트 경유 요청 ➡️ aws:SourceIp 사용 불가
Q44
  1. 코드 변경 없이 프롬프트·응답 조사 ➡️ Bedrock model invocation logging
  2. 본문 100KB 이하 + 콘솔 임시 검색 ➡️ CloudWatch Logs 대상 + Logs Insights
  3. 본문 100KB 초과·바이너리 ➡️ CloudWatch Logs와 함께 S3 대형 데이터 위치 지정 / 장기 보관·대량 분석 ➡️ S3 + Athena
Q45
  1. OpenSearch 벡터 인덱스 메모리 압박 ➡️ KNNGraphMemoryUsagePercentage, KNNCircuitBreakerTriggered
  2. HNSW 그래프 메모리 ➡️ 네이티브(off-heap), JVMMemoryPressure로 감지 불가
  3. 압박 경보 후 자동 대응 ➡️ 수집 속도 조절 + 인스턴스·노드 용량 조정 런북
Q46
  1. Logs Insights + 요청 ID 조회 ➡️ invocation logging 대상은 CloudWatch Logs
  2. 모델 결정 전 실패 포함 합계 ➡️ AWS/Bedrock 지표를 ModelId 차원 없이 조회
  3. 최소 코드 대시보드 ➡️ CloudWatch 생성형 AI 관측성(Model Invocations) 대시보드
Q47
  1. 검토된 프롬프트 스냅샷 ➡️ Prompt Management 버전 게시(CreatePromptVersion), 초안 사용 금지
  2. 프롬프트 API 활동 추적(렌더링 포함) ➡️ CloudTrail 관리 이벤트 + AWS::Bedrock::Prompt 데이터 이벤트
  3. 모델 입력·출력 검색 ➡️ model invocation logging(CloudWatch Logs 또는 S3)
Q48
  1. Bedrock 호출 로깅 + 100KB 초과 본문 ➡️ CloudWatch Logs + S3 대용량 데이터 대상 함께 지정
  2. Converse 계열 테넌트·티켓 귀속 ➡️ 요청 본문의 requestMetadata
  3. 서비스 전체 대시보드 ➡️ ModelId 필터 없는 AWS/Bedrock 지표
Q49
  1. max_tokens 과다 설정 + 스로틀링 ➡️ max_tokens 적정화(할당량은 max_tokens 기준 선차감)
  2. 호출 전 입력 토큰 추정 ➡️ CountTokens API
  3. API별 클라이언트 분리 ➡️ 할당량은 모델 단위로 공유되므로 효과 없음
Q50
  1. Bedrock·로그·외부 저장소 도달 전 PII 제거 ➡️ 애플리케이션 계층에서 Bedrock 호출 전에 처리(guardrail 아님)
  2. 실시간 + 범위 마스킹 ➡️ Comprehend DetectPiiEntities(오프셋 반환)
  3. PII 존재 여부만 판단 ➡️ ContainsPiiEntities, 대량 배치 ➡️ PII 비동기 작업
Q51
  1. 동시 다중 세션 대화 기록 ➡️ DynamoDB 파티션 키 = sessionId(userId 아님)
  2. 정확한 이전 턴 참조 ➡️ 원문 messages 전달(롤링 요약 아님)
  3. N일 후 만료 + 즉시 삭제 불필요 ➡️ DynamoDB TTL
  4. 사람이 정보를 보탤 때까지 대기 ➡️ Step Functions .waitForTaskToken
Q52
  1. 검색 커버리지 + 참조 컨텍스트 ➡️ retrieve-only RAG 평가(Context coverage)
  2. 생성 답변 품질 ➡️ retrieve-and-generate RAG 평가(judge 모델)
  3. 사람의 선호도·어조 판단 ➡️ 작업 팀을 쓰는 인적 모델 평가 작업(별도 작업)
Q53
  1. S3의 대량 항목(CSV/JSON/객체 목록) 병렬 처리 ➡️ Distributed Map + ItemReader
  2. 5분 초과 또는 실행 기록 감사 필요 ➡️ Standard 워크플로(Express 아님)
  3. Step Functions에서 도구 사용 루프 ➡️ Converse AWS SDK 통합 + Choice + Lambda 도구
Q54
  1. 집단 고정관념·편향 연관 ➡️ LLM-as-a-judge + Builtin.Stereotyping
  2. Builtin.* responsible AI 지표 ➡️ LLM-as-a-judge 전용(자동 평가는 Accuracy/Robustness/Toxicity)
  3. 유해 콘텐츠 ➡️ Builtin.Harmfulness, 과도한 거절 ➡️ Builtin.Refusal
Q55
  1. REST API 유지 + 토큰 스트리밍 ➡️ responseTransferMode STREAM + Lambda 응답 스트리밍(매핑 템플릿 불가)
  2. ConverseStream / InvokeModelWithResponseStream ➡️ IAM 작업 bedrock:InvokeModelWithResponseStream
  3. 새 API 유형·연결 상태 회피 조건 ➡️ WebSocket API 배제
Q56
  1. 세션 간 사용자 선호도 기억 ➡️ AgentCore Memory 장기 메모리 전략(UserPreference 등)
  2. 테넌트 격리 ➡️ actorId 포함 + 후행 슬래시 네임스페이스 + IAM 범위 제한
  3. batch_size > 1 ➡️ with 블록 또는 close()로 버퍼 플러시 보장
Q57
  1. 질문 단위 검색 진단 ➡️ Retrieve API의 retrievalResults(content, metadata, location, score) 검사
  2. 검색 vs 생성 원인 분리 ➡️ Retrieve로 먼저 확인 후 RetrieveAndGenerate·프롬프트 조정
  3. 전체 경향·회귀 비교 ➡️ RAG 평가 작업, 운영 상태 ➡️ CloudWatch 지표
Q58
  1. 검색 지연 민감 워크로드 ➡️ 샤드당 10~30GiB(쓰기 중심은 30~50GiB)
  2. 샤드 수 결정 ➡️ 데이터 노드 수의 배수로 균등 분산
  3. 프라이머리 샤드 수 ➡️ 데이터 로드 전 인덱스 생성 시 확정
Q59
  1. 긴 정적 프롬프트 + 첫 토큰 지연 ➡️ 프롬프트 캐싱(cachePoint는 정적 접두사 끝, 가변 컨텍스트 앞)
  2. 테넌트·프롬프트 변형별 비교 ➡️ invocation logging + Converse requestMetadata
  3. preview 금지 조건 ➡️ latency-optimized inference(performanceConfig) 배제
Q60
  1. 특정 Task만의 하드 타임아웃 ➡️ Task 상태 TimeoutSeconds(고정값)
  2. 타임아웃 폴백 ➡️ Catch ErrorEquals States.Timeout(States.TaskFailed는 타임아웃 미포함)
  3. 하트비트 감시 ➡️ HeartbeatSeconds(콜백·Activity용), 동적 값 ➡️ TimeoutSecondsPath
Q61
  1. 스로틀링 완화 + 온디맨드 + 최소 코드 변경 ➡️ cross-Region inference profile ID를 modelId로 지정
  2. 데이터 상주(EU/US 등) 요구 ➡️ geographic 프로필, 상주 요구 없음 + 최대 처리량 ➡️ global 프로필
  3. CRIS + SCP/IAM ➡️ 프로필 ARN과 모든 소스·대상 리전의 foundation model ARN을 함께 허용
Q62
  1. 고정 체인 + 시각적 검토 + 노드(prompt/condition/Lambda) ➡️ Amazon Bedrock Flows
  2. 안정적 식별자 + 게시된 개정 ➡️ flow version 게시 후 alias로 호출
  3. Flow 실행 중 추가 입력 요청 ➡️ 같은 executionId로 InvokeFlow 재호출
Q63
  1. MCP 경유 호출 식별 ➡️ aws:ViaAWSMCPService / aws:CalledViaAWSMCP 조건 키
  2. 직접 호출도 유지해야 함 ➡️ 조건 키를 Allow의 필수 조건으로 쓰지 말고 감사·선택적 가드레일에만 사용
  3. AWS MCP Server 경유 요청 ➡️ 다운스트림 AWS 서비스 권한이 실제 권한 부여 기준
Q64
  1. 모델 호출과 분리된 콘텐츠 검사(도구 결과, RAG 청크, 외부 입력) ➡️ ApplyGuardrail
  2. 모델에 들어갈 데이터 ➡️ source=INPUT, 모델이 생성한 응답 ➡️ source=OUTPUT
  3. ApplyGuardrail 결과 활용 ➡️ action으로 개입 여부 확인, outputs로 대체 텍스트 사용
Q65
  1. 지문에 날짜 조건 + 신규 KB + SaaS 관리형 커넥터 ➡️ Amazon Bedrock Managed Knowledge Base
  2. 인증이 필요한 SaaS 문서(SharePoint, Salesforce) ➡️ 전용 커넥터, Web Crawler는 공개 웹 페이지용
  3. 최소 개발 + 예약 내보내기 회피 ➡️ 원본과 직접 동기화하는 관리형 커넥터
Q66
  1. KB 없는 FM 출력 품질 게이트 ➡️ CreateEvaluationJob + applicationType=ModelEvaluation + judge 지표
  2. 반복 가능한 내부 테스트 ➡️ S3의 .jsonl 사용자 지정 프롬프트 데이터 세트
  3. 비동기 평가 작업 게이트 ➡️ 완료까지 폴링 후 S3 결과 점수로 판정(생성 응답으로 판정 금지)
Q67
  1. 자연어 → SQL + 자유 형식 답변 금지 ➡️ GenerateQuery(TEXT_TO_SQL) + 생성 SQL 실행
  2. 생성 SQL의 쓰기 방지 ➡️ 프롬프트가 아니라 읽기 전용 DB 역할(최소 권한)로 강제
  3. 유해 입력·출력의 런타임 제어 ➡️ Converse에 guardrail 연결 + content filters
  4. Mask(anonymize) ➡️ 민감한 정보 필터 전용, content filter는 차단
Q68
  1. 조직 전체 Bedrock guardrail 강제 + OU 변경 잦음 ➡️ Organizations Amazon Bedrock 정책(관리 계정 guardrail 참조)
  2. 책임 있는 AI 원칙 매핑 거버넌스 ➡️ Audit Manager Generative AI Best Practices Framework v2
  3. 실제 적용 정책 확인 ➡️ DescribeEffectivePolicy
Q69
  1. LMI 단일 컨테이너 다중 모델 + 모델별 다른 설정 ➡️ 모델 디렉터리별 serving.properties
  2. LMI 엔드포인트 환경 변수(OPTION_*) ➡️ 컨테이너 전역(공유) 설정
  3. 지문에 "multi-model endpoint가 아님" ➡️ 변형 분리나 MME가 아니라 컨테이너 내부 구성으로 해결
Q70
  1. 모델 호출 전 단계(검색, 도구 라우팅, 전처리)에서 검사 ➡️ ApplyGuardrail(source=INPUT)
  2. 프롬프트 인젝션 ➡️ content filter prompt attack, 욕설 ➡️ word filter, PII ➡️ sensitive information filter
  3. Denied topics ➡️ 특정 주제 거부용, 공격 탐지·욕설·PII의 대체 수단이 아님
Q71
  1. 불필요한 텍스트 + 유효한 JSON 필요 ➡️ structured outputs(outputConfig.textFormat JSON 스키마)
  2. 레이블 예제 + 프롬프트 개선의 객관적 비교 + 최소 코드 ➡️ Advanced Prompt Optimization
  3. 프롬프트 버전 ARN으로 Converse 호출 ➡️ inferenceConfig/additionalModelRequestFields 등 재정의 불가
Q72
  1. KB의 검색 품질(context relevance/coverage) ➡️ RAG evaluation retrieve only
  2. KB 응답의 faithfulness, citation precision/coverage, harmfulness ➡️ RAG evaluation retrieve and generate
  3. 검색 + 생성 모두 평가 ➡️ 두 유형의 RAG 평가를 함께 실행
Q73
  1. 분류 결과가 흔들림 ➡️ temperature 낮추기(최신 Claude 모델은 temperature와 top_p 중 하나만)
  2. 프롬프트·샘플링 변경 비교 ➡️ Prompt Management variant + 샘플 변수 테스트
  3. 프로덕션은 저장된 설정 사용 ➡️ 최적 variant를 프롬프트 버전으로 생성(호출 시 inferenceConfig 재정의 불가)
Q74
  1. Amplify Gen 2 AI 대화 백엔드 + 빠른 채팅 UI ➡️ @aws-amplify/ui-react-ai의 AIConversation
  2. 메시지·스트리밍 상태 ➡️ useAIConversation의 messages, handleSendMessage 전달
  3. 패키지 구분 ➡️ AI 컴포넌트는 ui-react-ai, 일반 UI primitive는 ui-react
Q75
  1. 신규 워크로드 모델 선택 ➡️ modelLifecycle.status=ACTIVE만, Legacy 제외
  2. EU 데이터 상주 ➡️ EU geographic inference profile, Global 제외
  3. 업무 특화 후보 비교 ➡️ S3의 사용자 지정 JSONL 데이터 세트로 모델 평가

// 2026 실전 테스트 02 풀러 가기 →

Q1
  1. 단일 소스 → 단일 대상 + 필터 + 보강 + 최소 코드 ➡️ EventBridge Pipes
  2. 외부 데이터 조회가 필요한 '보강(enrichment)' ➡️ Pipes enrichment 단계(Lambda/Step Functions/API Gateway/API destination), input transformer 아님
  3. 다수 소스·다수 대상 라우팅 ➡️ EventBridge 이벤트 버스 + 규칙
Q2
  1. 데이터 복사 없는 소스 위치·스키마·속성 중앙 인벤토리 ➡️ AWS Glue Data Catalog
  2. S3 + JDBC 공통 메타데이터 ➡️ Glue 크롤러/카탈로그 테이블 (KB 메타데이터 사이드카는 S3 전용)
  3. 생성 응답의 출처 추적 ➡️ 인용(citations)·청크 메타데이터, 수집 계보와 구분
Q3
  1. 문서 + 이미지 + 오디오(+비디오)의 관리형 추출 ➡️ Bedrock Data Automation 프로젝트
  2. 기본 요약·트랜스크립트 ➡️ 표준 출력 / 특정 필드 추출 ➡️ 사용자 지정 출력(블루프린트)
  3. 업로드 후 처리 ➡️ InvokeDataAutomationAsync + invocationArn 추적(GetDataAutomationStatus)
Q4
  1. 생성 전에 검색 품질만 분리 평가 ➡️ retrieve only RAG 평가
  2. 참조 응답(ground truth) 보유 + 검색 평가 ➡️ Context coverage (+ Context relevance)
  3. 생성 품질(faithfulness, citation) 평가 ➡️ retrieve and generate RAG 평가
  4. 검색 호출별 지연 ➡️ Retrieve 호출 직접 계측(X-Ray), 모델 InvocationLatency와 구분
Q5
  1. ConverseStream 실시간 표시 ➡️ contentBlockDelta.delta.text를 도착 즉시 추가
  2. 여러 콘텐츠 블록 ➡️ contentBlockIndex 기준으로 조합
  3. 토큰 사용량·지연 지표 ➡️ 마지막 metadata 이벤트 / stopReason ➡️ messageStop 이벤트
Q6
  1. S3에 저장된 녹음 파일 ➡️ Transcribe 배치 작업(StartTranscriptionJob)
  2. 영구 보관·며칠 후 처리 ➡️ OutputBucketName 지정 (미지정 시 만료되는 TranscriptFileUri)
  3. 다채널 오디오 ➡️ 채널 식별은 최대 2채널, 초과 시 1~2채널로 전처리
Q7
  1. 모델이 생성한 도구 인수의 PII ➡️ 도구 핸들러에서 외부 API 호출 직전에 검사·redact
  2. 데이터가 외부로 나가는 마지막 지점 = 애플리케이션이 실행하는 도구 코드 ➡️ 통제를 그곳에 배치
  3. 스키마 검증 ➡️ 구조만 확인, 값 안의 PII는 엔터티 탐지·패턴 매칭으로 별도 검사
Q8
  1. 세션 한정 원시 컨텍스트 ➡️ 단기 메모리 이벤트(CreateEvent, actorId + sessionId), 장기 전략 미구성
  2. 이벤트를 속성별로 나열 ➡️ 이벤트 메타데이터 + ListEvents 필터
  3. 민감 식별자 ➡️ 메타데이터 금지, 페이로드에 저장
Q9
  1. 프로덕션 프롬프트·응답 + modelId + identity + 토큰 수 ➡️ Bedrock 모델 호출 로깅
  2. 사용자 정의 태그(프롬프트 버전 등) ➡️ Converse requestMetadata
  3. 전체 본문 보관·데이터세트 가공 ➡️ S3 대상(동일 계정·동일 리전), CloudWatch Logs 단독은 100KB 초과 본문 누락 위험
Q10
  1. Converse 후속 질문의 문맥 손실 ➡️ 이전 user + assistant 턴을 messages 배열에 포함
  2. 복잡한 다단계 추론 정확도 + 지연 제약 ➡️ 모델 추론을 해당 프롬프트에만 선택 적용
  3. Anthropic 인용 필요 ➡️ 구조화된 출력과 병행 불가
  4. Prompt Management 프롬프트 ARN으로 Converse 호출 ➡️ inferenceConfig 등 재지정 불가
Q11
  1. 다중 환경에서 동일 아키텍처 + 다른 값 ➡️ 단일 IaC 템플릿(CDK/CloudFormation) + 환경별 파라미터
  2. 반복 가능한 배포 ➡️ CI/CD 파이프라인, 수동 검토·콘솔 설정은 오답
  3. WA Tool·사용자 지정 렌즈 ➡️ 평가·개선 추적 도구일 뿐 배포 수단이 아님
Q12
  1. 검색만 하고 모델 호출 없음 ➡️ Knowledge Bases Retrieve API (RetrieveAndGenerate 아님)
  2. 구절·점수·메타데이터 필요 ➡️ retrievalResults(content, score, location, metadata)
  3. MCP 클라이언트 금지 ➡️ AgentCore Gateway 제외, 일반 REST 래퍼
Q13
  1. 플릿 전체 알람 ➡️ ModelId 차원 없는 AWS/Bedrock 지표 + CloudWatch 이상 탐지
  2. 100KB 초과 본문까지 전체 보관 ➡️ 모델 호출 로깅 S3 대상(리전마다 설정)
  3. faithfulness·helpfulness 주기 점수 ➡️ Bedrock 평가 작업(LLM-as-a-judge)
  4. 실시간 알림 요구 ➡️ Cost Anomaly Detection은 부적합
Q14
  1. 한 입력에 여러 의도 ➡️ Comprehend 다중 레이블 분류 → Labels (다중 클래스 → Classes)
  2. Converse 컨텍스트 유지 ➡️ 저장된 user + assistant 턴을 모두 messages 배열에 포함
  3. 보기가 한두 단어만 다를 때 ➡️ 응답 필드명과 역할 구성을 단어 단위로 비교
Q15
  1. 글로벌 교차 리전 추론 IAM ➡️ 소스 리전 프로파일 ARN + 소스 리전 FM ARN + Regionless FM ARN(arn:aws:bedrock:::foundation-model/…)
  2. 리전 제한 SCP + 글로벌 추론 ➡️ 같은 리소스 세트를 SCP 예외에 추가
  3. 지리적(US/EU) 프로파일 ≠ 글로벌 프로파일 ➡️ 사용 중인 프로파일 유형의 ARN을 허용
Q16
  1. 프롬프트 최적화 + 사용자 지정 채점 공식 ➡️ Lambda 평가기 패키징 + JSONL 레코드에 Lambda ARN/지표 레이블 지정
  2. '작업이 비교할 때 사용' ➡️ 사후 보고·로그 분석 옵션은 모두 오답
  3. 도메인 기준(필수 사실, 참조 답변) ➡️ 기본 LLM-as-judge 대신 사용자 지정 지표
Q17
  1. Bedrock 요청·응답 본문 기록 ➡️ model invocation logging (CloudTrail 아님)
  2. 멀티 계정 invocation logging ➡️ 계정·Region별 활성화 + 동일 계정·동일 Region 대상 + 사후 중앙 집계
  3. '중앙 버킷으로 직접' 문구 ➡️ 대상 제약 위반 함정
Q18
  1. KB 답변 + 근거 구절 표시 + 최소 코드 ➡️ RetrieveAndGenerate citations (retrievedReferences)
  2. '자동 차단 불필요' ➡️ Guardrails contextual grounding 오답
  3. Retrieve + 직접 매핑 ➡️ '최소 로직' 문제에서는 오답
Q19
  1. 직업·성별·인종·종교·정치 이념 + 개방형 생성 ➡️ BOLD 기본 제공 데이터 세트
  2. 자체 데이터 없음 + 샘플링 수용 ➡️ 기본 제공 데이터 세트 자동 모델 평가
  3. LLM-as-a-judge ➡️ 사용자 프롬프트 데이터 세트가 전제
Q20
  1. InvokeAgent·RetrieveAndGenerate·ApplyGuardrail 감사 ➡️ CloudTrail data events + advanced event selectors
  2. 누가·언제·어디서 ➡️ CloudTrail (invocation logging 아님)
  3. 스트리밍 과다 집계 금지 ➡️ 스트림 완료 서비스 이벤트 제외
Q21
  1. 앱이 계산한 점수 + 모델별 경보 ➡️ 사용자 지정 지표 + ModelId 차원
  2. 지연 시간·오류·토큰 ➡️ AWS/Bedrock 기본 지표
  3. 로그/requestMetadata로 지표 대체 ➡️ 오답 패턴
Q22
  1. 여러 OpenSearch 도메인 통합 검색 + 장애 격리 유지 ➡️ cross-cluster search
  2. '사용자 지정 분산 검색 로직 최소화' ➡️ 앱 fan-out 오답
  3. '공유 도메인 재구축 회피' ➡️ 중앙 복제 오답
Q23
  1. if-then 정책·규칙 준수 검증 ➡️ Guardrails Automated Reasoning checks
  2. 영어(미국) + 스트리밍 없음 문구 ➡️ Automated Reasoning 지원 제약 힌트
  3. 근거성(소스 일치) ➡️ contextual grounding / 논리 규칙 ➡️ Automated Reasoning
Q24
  1. 모델 식별 전 실패/스로틀 + ModelId 필터 대시보드 ➡️ 필터 없는 오류·스로틀 위젯 추가
  2. 계정 수준 정확성 + 모델 비교 ➡️ 필터 없는 위젯과 ModelId 위젯 병행
  3. invocation logging/requestMetadata로 지표 보정 ➡️ 오답 패턴
Q25
  1. Flows에서 배열의 각 항목 처리 + 결과 배열 반환 ➡️ Iterator 노드 + Collector 노드
  2. 가변 개수·대용량 입력 ➡️ 단일 Prompt 노드나 고정 노드는 오답
  3. 승인된 프롬프트 재사용 ➡️ Prompt 노드에서 Prompt Management 프롬프트 참조
Q26
  1. 승인 모델만 허용 + 기존 Allow ➡️ SCP/IAM explicit deny (스트리밍·배치 액션 포함)
  2. 스트리밍 클라이언트 언급 ➡️ bedrock:InvokeModelWithResponseStream 누락 옵션은 오답
  3. 호출자·모델·requestMetadata·토큰 수 감사 ➡️ model invocation logging (동일 계정·동일 Region 대상)
Q27
  1. 같은 패밀리 두 모델 + 품질·비용 자동 선택 + 최소 코드 ➡️ Bedrock intelligent prompt routing
  2. '모든 프롬프트가 영어' 문구 ➡️ prompt routing 언어 제약 힌트
  3. 라우터 구성 요소 ➡️ 두 모델 + fallback 모델 + 응답 품질 차이 기준, 호출은 라우터 ARN
Q28
  1. 모델 호출과 분리된 텍스트에 guardrail 정책 적용 ➡️ ApplyGuardrail (guardrailIdentifier + version)
  2. 모델로 들어가는 toolResult 정제 ➡️ source INPUT + PII ANONYMIZE(마스킹) 동작
  3. '오프셋 기반 코드 회피' ➡️ Comprehend DetectPiiEntities 오답
Q29
  1. Data Catalog 테이블 + 권장 규칙 + 반복 평가 ➡️ Glue Data Quality (Data Catalog 기반)
  2. 행별 실패 레코드 필요 ➡️ Glue ETL EvaluateDataQuality / 불필요 ➡️ Data Catalog 기반
  3. '관리형 1차 처리' ➡️ Lambda 사용자 지정 검증기 오답
Q30
  1. Flows 프로덕션 호출 ➡️ InvokeFlow + 승인된 버전을 가리키는 flow alias
  2. flow 출력 스트리밍 + 디버깅 ➡️ InvokeFlow responseStream + enableTrace
  3. 초안 호출·InvokeModel·배치 입력 ➡️ Flows 문제의 대표 오답
Q31
  1. 배포 전 실제 사용자 없이 브라우저/API 흐름 검증 ➡️ CloudWatch Synthetics canary
  2. 데이터셋 기반 환각·관련성 채점 + 최소 코드 ➡️ Bedrock LLM-as-a-judge의 Builtin.Faithfulness + Builtin.Relevance
  3. Guardrails grounding check ➡️ 런타임 차단 장치일 뿐, 릴리스 품질 평가 리포트가 아님
Q32
  1. Lambda 함수 전체를 즉시 중지 + 코드 변경 없음 ➡️ reserved concurrency = 0
  2. SQS 트리거만 일시 중지 ➡️ event source mapping 비활성화 (동기 호출은 계속됨)
  3. 동시성 1, 제한 시간 단축 ➡️ 제한일 뿐 중지가 아님
Q33
  1. 배포 전 후보 프롬프트 비교 ➡️ Prompt management Compare variants (최대 3개, 테스트 변수)
  2. 초안 변경이 프로덕션에 새어 나감 ➡️ 프롬프트 버전 생성 + 버전 ARN 참조
  3. 실제 프롬프트/응답 사후 조사 ➡️ model invocation logging (+ requestMetadata로 필터링), X-Ray 아님
Q34
  1. Java 버전 업그레이드 + 최소 수동 작업 ➡️ Amazon Q Developer Java 코드 변환(/transform)
  2. 변환 결과 검토 ➡️ 변환 요약 + 파일 diff 확인 후 수락
  3. 보안·품질 이슈 탐지 ➡️ Q Developer 코드 리뷰 (버전 이전 아님)
Q35
  1. Converse에서 top_k 사용 ➡️ additionalModelRequestFields (inferenceConfig는 maxTokens/temperature/topP/stopSequences만)
  2. Claude 4.5 계열 요청 실패 + temperature와 topP 동시 지정 ➡️ 둘 중 하나만 전송
  3. 이전 실험에서 부작용이 확인된 설정 ➡️ 남기지 말고 반대 파라미터 선택
Q36
  1. 프롬프트를 코드 밖에서 버전 관리 + Converse 사용 ➡️ Prompt management 버전 ARN을 modelId로, 값은 promptVariables로
  2. SQS 레코드를 배치로 Lambda에서 처리 ➡️ Lambda SQS event source mapping
  3. 필드 이름이 다른 레코드 정규화 ➡️ 핸들러 코드의 결정적 매핑 (추가 LLM 호출이나 Comprehend 아님)
Q37
  1. 기존 Lambda 함수를 MCP 도구로 + 단일 소스 + 최소 운영 ➡️ AgentCore Gateway Lambda 대상 + 도구 스키마
  2. 기존 REST API를 MCP 도구로 ➡️ Gateway OpenAPI/Smithy 대상
  3. 사용자 지정 MCP 서버를 따로 운영 ➡️ 기존 Lambda가 있으면 오버헤드 과다로 오답 처리
Q38
  1. 프롬프트 자동 재작성 + 전후 품질 비교 + 레이블 데이터 ➡️ Bedrock (Advanced) Prompt Optimization
  2. 기존 프롬프트/모델의 품질 점수만 필요 ➡️ LLM-as-a-judge 평가 작업
  3. 사람이 만든 후보 2~3개를 빠르게 나란히 확인 ➡️ Prompt management Compare variants
Q39
  1. Bedrock에서 호출할 수 없는 외부 모델 평가 ➡️ LLM-as-a-judge에 자체 추론 응답(BYOI) 제공
  2. 어조·거부 동작 채점 ➡️ Builtin.ProfessionalStyleAndTone, Builtin.Refusal
  3. 사용 사례 대표 프롬프트 보유 ➡️ 기본 제공 데이터셋 대신 S3 사용자 지정 JSONL
Q40
  1. 여러 리전에서 Bedrock 호출 + 계정 설정 ➡️ 호출하는 모든 리전에 각각 설정 (상속 없음)
  2. 버전 관리 버킷 + 이전 버전까지 삭제 ➡️ Expiration + NoncurrentVersionExpiration
  3. PII 마스킹(Guardrails) ➡️ 데이터 보존·삭제 요구에 대한 답이 아님
Q41
  1. 검색 결과(청크 + 점수)만 필요, 생성은 별도 ➡️ Knowledge Bases Retrieve API (retrievalResults.score)
  2. 관리형 오케스트레이션 + Lambda 없는 페이로드 변환 ➡️ Step Functions + JSONata
  3. RetrieveAndGenerate의 쿼리 분해 ➡️ 답변 생성까지 원할 때만 선택
Q42
  1. 같은 패밀리 두 모델 + 품질/비용 자동 선택 + 승인 모델 고정 ➡️ configured prompt router (responseQualityDifference, fallback)
  2. 어떤 모델이 처리했는지 감사 ➡️ 응답의 trace.promptRouter.invokedModelId
  3. 정적 규칙(Choice, VTL) 라우팅 ➡️ 품질 예측이 없어 오답
Q43
  1. 사용자 지정 FM + 꾸준한 트래픽 + 일관된 저지연 + 동기 응답 ➡️ SageMaker AI 실시간 엔드포인트
  2. 간헐적 트래픽 + 콜드 스타트 허용 + 소형 모델 ➡️ Serverless Inference
  3. 대용량 페이로드·장시간 처리 + 즉시 응답 불필요 ➡️ Asynchronous Inference
Q44
  1. 키워드 + 의미 검색 결합 + 일관된 순위 ➡️ OpenSearch hybrid query + normalization-processor search pipeline
  2. 별도 검색 후 애플리케이션에서 병합 ➡️ 느리고 순위가 불안정한 안티패턴
  3. Bool 쿼리로 match와 k-NN 단순 결합 ➡️ 점수 정규화 없음
Q45
  1. 지연 증가 + 답변 길이 증가 + 처리량 저하 여부 판단 ➡️ OTPS metric math (OutputTokenCount, InvocationLatency, TimeToFirstToken)
  2. 텍스트 저장 금지 + 최소 변경 ➡️ 자동 게시되는 AWS/Bedrock CloudWatch 지표 활용
  3. 개별 지표 경보 나열 ➡️ 원인 분리 불가, 비율 지표가 정답 패턴
Q46
  1. 체감 응답성 / 첫 텍스트가 빨리 보여야 함 ➡️ ConverseStream(InvokeModelWithResponseStream) + TimeToFirstToken 측정
  2. 일부 트래픽에만 빠른 추론 비용 지불 ➡️ 요청 단위 performanceConfig.latency=optimized, 나머지는 standard
  3. 프롬프트가 매번 달라짐(실시간 상태 포함) ➡️ 응답 캐시·prompt caching은 핵심 해결책이 아님
Q47
  1. Step Functions + Bedrock + 256KiB 초과 페이로드 ➡️ 최적화된 bedrock:invokeModel의 Input/Output S3Uri
  2. 실행 기록 검토·감사 필요 ➡️ Standard 워크플로 (Express는 CloudWatch Logs로만 관찰)
  3. 스트리밍·도구 실행 불필요 ➡️ SDK 통합보다 최적화 통합이 구현 부담이 적음
Q48
  1. 좁은 구절 + 주변 맥락 부족 ➡️ hierarchical chunking (child 매칭, parent 반환)
  2. 표·특수 구조 보존 ➡️ chunking NONE + custom transformation Lambda로 구조 인식 청크 생성
  3. FM 비용 없이 ➡️ semantic chunking 배제
  4. chunking 전략 수정 필요 ➡️ 기존 데이터 소스 변경 불가, 새 데이터 소스 생성
Q49
  1. 크롤링 불가 + S3 스테이징 금지 + 이벤트 푸시 ➡️ custom data source + IngestKnowledgeBaseDocuments
  2. 삭제 이벤트 반영 ➡️ DeleteKnowledgeBaseDocuments
  3. LEAST scheduled processing ➡️ 이벤트 즉시 호출, StartIngestionJob·주기 배치 배제
Q50
  1. 검색만 평가 / 프롬프트·모델 변경 전 ➡️ retrieve-only RAG 평가
  2. 필요한 정보가 검색 결과에 다 들어 있나 + ground truth 보유 ➡️ Context coverage
  3. 최종 답변의 근거성·인용 품질 ➡️ retrieve-and-generate 평가 (Faithfulness, Citation precision/coverage)
Q51
  1. AWS 멀티 에이전트 오케스트레이션 지침 + 사용자 지정 라우팅 코드 ➡️ Agent Squad(구 Multi-Agent Orchestrator) + classifier
  2. 관리형 supervisor/collaborator, 코드 최소화 ➡️ Amazon Bedrock multi-agent collaboration
  3. 도구·데이터 표준 노출 ➡️ MCP 서버 (에이전트 라우팅과 구분)
Q52
  1. Converse + 일부 콘텐츠만 guardrail 평가 ➡️ 신뢰할 수 없는 콘텐츠만 guardContent로 감싸기
  2. guardContent가 하나라도 있으면 ➡️ 태그된 콘텐츠만 평가, 나머지는 평가 제외
  3. 외부 문서·RAG·파트너 피드 ➡️ 간접 prompt injection 대상이므로 사용자 입력과 함께 평가
Q53
  1. 대량 + 다음 날까지 + 결과 S3 ➡️ Bedrock batch inference (CreateModelInvocationJob)
  2. 기존 코드가 Converse/tool calling ➡️ modelInvocationType Converse + 레코드별 toolConfig
  3. batch로 해결 가능한 스로틀링 ➡️ Provisioned Throughput 추가 구매는 오답 신호
Q54
  1. cross-Region inference 처리 리전 감사 ➡️ 원본 리전 CloudTrail의 additionalEventData.inferenceRegion
  2. 프롬프트 본문 저장 금지 ➡️ model invocation logging 배제, CloudTrail 메타데이터 사용
  3. inference profile 접두사(us./eu./apac.) ➡️ 가능한 리전 그룹일 뿐 실제 처리 리전 아님
Q55
  1. Lake Formation 전환 + 직접 S3 권한 제거 ➡️ S3 위치 등록 + IAM lakeformation:GetDataAccess
  2. 같은 버킷에 무관한 데이터 공존 ➡️ 버킷 루트가 아닌 특정 접두사만 등록
  3. 테이블 권한만 부여 ➡️ 기본 S3 데이터 접근은 해결되지 않음(오답 신호)
Q56
  1. 다른 표현의 같은 질문 + 생성 비용 ➡️ semantic cache (임베딩 + 벡터 유사도, 예: ElastiCache for Valkey)
  2. 긴 공유 프롬프트 접두사 반복 ➡️ Bedrock prompt caching (입력 토큰 비용·지연 감소)
  3. 정확히 같은 요청 반복 ➡️ API Gateway/CloudFront 캐시 (사용자별 키를 넣으면 재사용률 급감)
Q57
  1. ApplyGuardrail 라우팅 ➡️ 최상위 action(NONE / GUARDRAIL_INTERVENED) + assessments의 정책별 action
  2. action=NONE이고 outputs 비어 있음 ➡️ 정상(안전), 원본 텍스트 사용
  3. ANONYMIZED ➡️ outputs의 마스킹 텍스트 전달 / BLOCKED ➡️ 모델 호출 생략, canned 메시지 반환
Q58
  1. 프롬프트별 품질/비용 자동 선택 + 단일 호출 경로 + 최소 코드 ➡️ Bedrock intelligent prompt routing
  2. prompt router 구성 ➡️ 동일 모델 패밀리 2개 모델 + fallback 모델 + responseQualityDifference
  3. 비용 추적·배분 ➡️ application inference profile + cost allocation tags (라우팅 아님)
Q59
  1. 객관적 품질(관련성·참조 대비 정확성·일관성) ➡️ LLM-as-a-judge Builtin.Relevance/Correctness/Coherence + 참조 응답
  2. 주관적·회사 고유 기준(유창성, 브랜드 톤) ➡️ human evaluation custom metric (IndividualLikertScale 등)
  3. Bedrock 외부 모델 출력 평가 ➡️ bring your own inference responses
  4. Faithfulness·Citation 지표 ➡️ 컨텍스트/RAG 평가용(일반 생성 정확성과 구분)
Q60
  1. 재사용 system 지침 + 변수 + Converse 지원 모델 ➡️ Prompt Management CHAT 템플릿 variant
  2. 관리형 프롬프트 런타임 호출 ➡️ 버전 생성 후 Converse(modelId = prompt ARN, promptVariables)
  3. 입력·출력 분리 책임 있는 AI 제어 ➡️ Bedrock Guardrails (프롬프트 안 지시문은 필터가 아님)
Q61
  1. 문서 기반 Q&A + 출처 인용 + 최소 코드 ➡️ 관리형 Bedrock Knowledge Bases(RetrieveAndGenerate citations)
  2. 여러 모델을 하나의 코드 경로로 비교/전환 ➡️ Converse API + modelId 교체 (InvokeModel은 모델별 본문)
  3. "custom OpenSearch RAG", "target-specific bodies"가 보이면 최소 코드 문제에서 우선 탈락
Q62
  1. 프로덕션 트래픽 + 샘플링 비율 + 필터 + CloudWatch 경보 ➡️ AgentCore Evaluations online evaluation 구성
  2. 특정 세션을 골라 개발/디버깅 중 평가 ➡️ on-demand evaluation
  3. 내장 평가자 동작을 바꾸고 싶다 ➡️ 내장 템플릿 수정이 아니라 custom evaluator 생성
Q63
  1. Prompt Management 프롬프트 실행 + 기존 Converse ➡️ modelId = 프롬프트 버전 ARN + promptVariables
  2. "검토된/프로덕션" 프롬프트 ➡️ DRAFT가 아닌 번호가 붙은 버전 ARN
  3. 프롬프트 ARN 사용 시 inferenceConfig/system/toolConfig 재지정 불가 ➡️ 버전에 저장된 모델·설정이 적용
Q64
  1. 모델 전환 + 페이로드 불변 ➡️ Converse (모델 고유 파라미터는 additionalModelRequestFields)
  2. 30초 이상 작업 + 대기 가능 ➡️ API Gateway → SQS → Lambda, visibility timeout ≥ 함수 timeout(권장 6배) + 멱등 소비자
  3. "message retention"은 처리 시간과 무관 ➡️ 처리 시간 관련 설정은 visibility timeout
  4. API Gateway 요청 검증은 구조(스키마) 검증만 ➡️ 비즈니스 규칙은 애플리케이션에서
Q65
  1. 모델 호출 없이 가드레일 테스트/적용 ➡️ ApplyGuardrail API
  2. 사용자 프롬프트(jailbreak, injection) 평가 ➡️ source=INPUT, 모델 응답 평가 ➡️ source=OUTPUT
  3. 개입 여부 + 정책별 근거 ➡️ action + assessments 필드 (outputs는 처리된 텍스트)
Q66
  1. 모델에 보내면 안 되는 데이터 ➡️ 애플리케이션에서 사전 제거(allowlist/데이터 최소화), Guardrails는 보조
  2. toolConfig inputSchema ➡️ 모델→도구 인수 제한일 뿐, 도구 결과는 애플리케이션이 통제
  3. "cannot reach the model" 요구 ➡️ 사후 검증·guardContent 태깅 보기는 탈락
Q67
  1. X-Ray에서 검색/필터 ➡️ annotation(인덱싱), 대용량 상세 ➡️ metadata(비인덱싱)
  2. 다운스트림 호출별 지연 ➡️ 호출마다 subsegment
  3. "filter in X-Ray before opening logs" ➡️ 필터 키를 로그 필드에 두는 보기는 탈락
Q68
  1. 모델 거버넌스 불변 이력 ➡️ 같은 SageMaker Model Card 콘텐츠 업데이트(자동 버전 생성)
  2. 초안/검토/승인/폐기 ➡️ ModelCardStatus = Draft / PendingReview / Approved / Archived
  3. 태그, 로그, 파이프라인 파라미터에 거버넌스 정보 저장 ➡️ 오답 패턴
Q69
  1. 재배포 없는 동적 구성 + 점진 롤아웃 + 경보 롤백 ➡️ AWS AppConfig (feature flag + deployment strategy + CloudWatch alarm monitor)
  2. Lambda에서 AppConfig 저지연 조회 ➡️ AppConfig Agent Lambda extension(로컬 캐시), 요청마다 API 직접 호출은 오답
  3. Lambda 환경 변수 변경/버전 게시 ➡️ 재배포로 간주
Q70
  1. 소량 문서 즉시 반영 ➡️ IngestKnowledgeBaseDocuments / DeleteKnowledgeBaseDocuments (direct ingestion)
  2. S3 데이터 소스 + 직접 수집 ➡️ 반드시 S3에도 먼저 기록 (안 하면 다음 sync에서 제거 위험)
  3. 동기화 진행 중 직접 수집 ➡️ StartIngestionJob과 직렬화
Q71
  1. 직접 수집 + S3 콘텐츠 + 다수 메타데이터 ➡️ DocumentMetadata type S3_LOCATION (.metadata.json)
  2. 필드를 개별 필터로 사용 ➡️ 필드를 하나의 JSON 문자열로 합치는 보기는 탈락
  3. S3 x-amz-meta 사용자 정의 메타데이터 ➡️ KB 필터 속성이 아님
Q72
  1. 대형 LLM, tar.gz 압축 해제 문제 ➡️ ModelDataSource.S3DataSource (S3Prefix, CompressionType None)
  2. 타임아웃 증가(ContainerStartupHealthCheckTimeoutInSeconds, ModelDataDownloadTimeoutInSeconds) ➡️ 증상 완화일 뿐, 근본 해결 보기와 구분
  3. ModelDataUrl ➡️ 압축된 단일 아티팩트 경로
Q73
  1. 큰 모델 품질 + 작은 모델 비용/지연 + 호출 로그 보유 ➡️ Amazon Bedrock Model Distillation
  2. "avoid request-time routing" ➡️ Intelligent Prompt Routing 탈락
  3. cross-Region inference ➡️ 처리량/가용성, latency optimized ➡️ 지연만 개선(비용 미해결)
Q74
  1. 본문 키워드 + 의미 검색을 KB에서 결합 ➡️ overrideSearchType=HYBRID
  2. HYBRID 지원 저장소 ➡️ OpenSearch Serverless, Aurora PostgreSQL, MongoDB Atlas (OpenSearch 관리형 클러스터는 아님)
  3. 본문 텍스트 속 값 ➡️ 메타데이터 필터로는 매칭 불가

// 2026 실전 테스트 03 풀러 가기 →

Q1
  1. REST API + 요청 본문 구조 변환(필드 이름/값 변경) ➡️ VTL mapping template ($input.path, #set, #if)
  2. 헤더·쿼리·경로 값만 옮기기 ➡️ parameter mapping, 본문 재구성 ➡️ mapping template
  3. "기존 통합 유지 + 통합 요청만 변경" ➡️ Step Functions·새 Lambda 등 통합 대상 교체 보기는 탈락
  4. Bedrock prompt router ➡️ 같은 모델 패밀리 내 품질/비용 기반 라우팅 (여러 패밀리·intent 라우팅 아님)
Q2
  1. "작은 단위로 매칭 + 주변 맥락으로 답변" ➡️ Knowledge Bases hierarchical chunking (child 검색, parent 반환)
  2. 큰 부모 청크·대용량 텍스트/메타데이터 ➡️ OpenSearch Serverless 등 일반 벡터 저장소, S3 Vectors는 메타데이터 크기 제한 주의
  3. "관리형 파싱·임베딩·수집 + 최소 코드" ➡️ Bedrock Knowledge Base + S3 데이터 소스 (직접 구축 DB는 탈락)
Q3
  1. 필터 값이 자연어 질문 안에 있음 + 쿼리 문자열만 전달 ➡️ implicitFilterConfiguration (metadataAttributes + modelArn)
  2. 필터 값을 클라이언트가 구조화해 보냄 ➡️ 명시적 filter (equals, in, andAll 등)
  3. HYBRID 검색 ➡️ 키워드/정확 일치 개선용, 메타데이터 필터 아님 / reranking ➡️ 순위 개선용
Q4
  1. MLOps 템플릿 + 엔드포인트 롤백 ➡️ 문제 버전을 Rejected로 변경 (최신 Approved 버전 자동 재배포)
  2. Model Registry 상태 변경 ➡️ EventBridge 이벤트 ➡️ 배포 파이프라인 트리거
  3. "수동 엔드포인트 변경 없이" ➡️ UpdateEndpoint 직접 호출 보기는 탈락, 레지스트리 상태로 제어
Q5
  1. 도메인 고유 루브릭 + 자동 점수 ➡️ LLM-as-a-judge custom metric (evaluator model + rubric prompt + rating scale)
  2. "추세 대시보드/수치 비교" ➡️ rating scale(출력 스키마)을 반드시 정의
  3. 반복적·대량 평가 ➡️ 자동 평가 작업, 주관적 소량 검토 ➡️ human evaluation
Q6
  1. "전체 브랜치/저장소 검사" + Amazon Q Developer ➡️ 프로젝트(워크스페이스) 리뷰
  2. "활성 파일만 검토됨" ➡️ 리뷰 범위 설정 문제, 파일 단위 반복이나 수동 정리 보기는 탈락
  3. 편집 중 실시간 피드백 ➡️ auto review / 배포 전 일괄 점검 ➡️ 명시적 전체 리뷰
Q7
  1. Converse + prompt ARN ➡️ 허용: messages(뒤에 추가), promptVariables / 금지: system, toolConfig, inferenceConfig, additionalModelRequestFields
  2. "중앙 관리 + 런타임에는 변수와 사용자 턴만" ➡️ modelId=prompt version ARN + promptVariables + messages
  3. 프로덕션 고정 ➡️ DRAFT가 아닌 번호가 붙은 prompt version ARN 사용
Q8
  1. "작성자는 테스트까지, 게시는 파이프라인만" ➡️ 작성자: Create/Update/Get/Render/Invoke, 파이프라인: CreatePromptVersion
  2. "CloudTrail로 특정 역할 식별" ➡️ 해당 API 권한을 그 역할에만 부여
  3. "~할 수 없도록" ➡️ IAM 권한 제외(예방 통제), CloudTrail 경보(탐지 통제) 보기는 탈락
Q9
  1. 사용자 지정 모델 DR ➡️ CreateModelCopyJob을 대상 리전 엔드포인트에서 사전 실행 + 대상 리전 추론(Provisioned Throughput 등) 구성
  2. "응답 일관성" + 사용자 지정 모델 ➡️ 교차 리전 추론 프로필(기본 모델용) 보기는 탈락
  3. "원본 리전 가용성에 의존하지 않음" ➡️ 장애 발생 후 작업을 시작하는 보기는 탈락
Q10
  1. 스트리밍 + "민감 값이 절대 도달하면 안 됨" + 지연 허용 ➡️ Guardrails 동기(synchronous) 스트리밍 처리
  2. SSN·이메일 + 사용자 지정 ID ➡️ sensitive information filters (PII 엔터티 + regex, ANONYMIZE/BLOCK)
  3. 저지연 최우선 + 일부 노출 허용 ➡️ 비동기 모드 / 로깅·사후 검토 ➡️ 예방 통제 아님
Q11
  1. Flow 버전별 오프라인 A/B ➡️ 버전마다 alias 생성 + 테스트 하네스가 각 alias를 균등 호출
  2. "편향/고정관념" 채점 ➡️ Builtin.Stereotyping (LLM-as-a-judge) / "유해성" ➡️ Toxicity·Harmfulness
  3. Prompt Management 비교 기능 ➡️ 시각적 비교용, 수치 기반 릴리스 게이트 아님
Q12
  1. 비즈니스/도메인 고유 지표 + CloudWatch 대시보드 ➡️ PutMetricData 또는 Embedded Metric Format으로 사용자 지정 지표 발행
  2. "~별로 보고 싶다" ➡️ 그 축을 dimension으로 설계 (예: Dataset, RuleName)
  3. 독점 로직 유지 ➡️ Glue Data Quality·Canvas 등 범용 품질 도구로 대체하는 보기는 탈락
Q13
  1. "단계별 실행 기록/감사" + 오케스트레이션 ➡️ Step Functions Standard
  2. 대용량·짧은 실행·비용 우선 ➡️ Express (기록은 CloudWatch Logs로만)
  3. "사용자 지정 코디네이터 금지" ➡️ Lambda가 Lambda를 호출하거나 EventBridge로 이벤트를 모으는 보기는 탈락
Q14
  1. "모델 추론 과정/요약을 보여 달라" + Claude + Converse ➡️ additionalModelRequestFields의 thinking(budget_tokens) 활성화
  2. budget_tokens ➡️ 최소 1,024, max_tokens보다 작게 / 샘플링 값(temperature 등) 변경 불가
  3. Agent trace ➡️ 에이전트 오케스트레이션 디버깅 / citations ➡️ 출처 표시 / 호출 로그 ➡️ 감사·사용량
Q15
  1. Bedrock KB + S3 Vectors + 수집 실패 + 태그 증가 ➡️ 사용자 지정 메타데이터 한도(1 KB, 35개 키) 사전 검증
  2. "유용한 필터 유지" ➡️ 필수 필터 키는 남기고 선택적 태그만 정리
  3. Bedrock 관리 메타데이터 필드 ➡️ 필터 불가, 사용자 필터 용도로 쓰는 보기는 탈락
Q16
  1. CodePipeline + 관리형 보안 스캔 + 심각도 임계값 ➡️ InspectorScan 액션
  2. MCP 서버 + REST 도구를 하나의 에이전트 도구 엔드포인트로 ➡️ AgentCore Gateway
  3. 모델 호출이 아닌 지점(도구 실행 전, 서드 파티 출력)의 가드레일 ➡️ ApplyGuardrail (guardrailConfig는 모델 호출 전용)
Q17
  1. Bedrock Flow 내부 규칙 기반 분기 + 커스텀 코드 금지 ➡️ Condition 노드
  2. 여러 조건 동시 충족 + 우선순위 ➡️ 우선할 조건을 앞에 배치 (첫 번째 일치 조건이 이김)
  3. 업무 규칙에 따른 결정적 라우팅 ➡️ Intelligent Prompt Routing이 아님 (품질·비용 기반 모델 선택용)
Q18
  1. AgentCore Memory + '즉시 반영' ➡️ 현재 턴은 앱 상태/단기 컨텍스트 사용 (장기 추출은 비동기)
  2. AgentCore Memory + '향후 세션 기억' ➡️ CreateEvent 기록 → 장기 전략이 추출한 레코드를 RetrieveMemoryRecords로 검색
  3. 세션 간 공유 데이터의 네임스페이스 ➡️ actorId 단위로 구성, sessionId 포함 금지
Q19
  1. 모델 가용성 자동 확인(리전별, 수동 표 금지) ➡️ ListFoundationModels를 리전별로 호출
  2. 임베딩 모델 후보 ➡️ byOutputModality=EMBEDDING
  3. 지도 미세 조정 후보 ➡️ byCustomizationType=FINE_TUNING (CONTINUED_PRE_TRAINING은 비레이블 데이터), 스트리밍은 responseStreamingSupported 확인
Q20
  1. SageMaker LLM 스트리밍 + 대기열 + 빠른 변화 ➡️ ConcurrentRequestsPerModelHighResolution 대상 추적
  2. 항상 1개 인스턴스 준비 ➡️ MinCapacity = 1 (0으로 축소하지 않음)
  3. DesiredProvisionedConcurrency ➡️ 서버리스 엔드포인트 전용, InvocationsPerInstance ➡️ 짧은 요청형 워크로드용
Q21
  1. API Gateway → SQS + 코드 금지 ➡️ HTTP API SQS-SendMessage 서비스 통합 + API Gateway IAM 역할
  2. 전체 요청 본문 보존 ➡️ MessageBody = $request.body (필드 경로 지정 금지)
  3. 서비스 통합 권한 ➡️ CredentialsArn(IAM 역할) 필수, 리소스 정책만으로는 불충분
Q22
  1. 가드레일 파일럿 + '차단하지 않고 관찰' ➡️ detect mode(동작 NONE) + 트레이스/assessments 확인
  2. 모델 호출 이전 단계(검색 전 입력) 또는 서드 파티 모델 출력 ➡️ ApplyGuardrail API
  3. Converse guardrailConfig ➡️ Bedrock 모델 호출의 입·출력에만 적용됨을 기억
Q23
  1. S3 문서 인덱싱 전 PII 일괄 수정 + 코드 금지 ➡️ Comprehend StartPiiEntitiesDetectionJob ONLY_REDACTION + RedactionConfig
  2. 실시간 PII '마스킹, 차단 아님' ➡️ Guardrails 민감 정보 필터 ANONYMIZE (BLOCK 아님)
  3. ONLY_OFFSETS ➡️ 위치만 반환하므로 직접 수정 코드가 필요함
Q24
  1. 프롬프트 재사용 + 버전 관리 + Converse ➡️ Prompt management(CHAT 템플릿) + promptVariables
  2. 실제 프로덕션 요청·응답 샘플 수집 + 최소 코드 ➡️ Bedrock 모델 호출 로깅 (CloudWatch Logs/S3, 같은 계정·리전)
  3. 검토자 메모·평점·출력 스키마 ➡️ 실제 요청 본문을 대체하지 못함
Q25
  1. 추론 전 토큰 수 확인 + 비용 없음 + 같은 모델 기준 ➡️ Bedrock CountTokens API
  2. 문장 중간 잘림 ➡️ stopReason = max_tokens 확인 (extended thinking은 사고 토큰도 출력 예산 소비)
  3. 본문 저장 금지 조건 ➡️ 모델 호출 로깅 사용 불가, usage 같은 메타데이터만 활용
Q26
  1. Step Functions 실행 5분 초과 ➡️ Standard 워크플로 (Express 최대 5분)
  2. 사후 상태 전환 검토 ➡️ Standard 실행 기록 (보관 기간 제한 있음)
  3. '애플리케이션 소유' + 장기 보존 감사 기록 ➡️ 태스크에서 S3/DynamoDB에 직접 기록, CloudWatch Logs는 트러블슈팅용
Q27
  1. 추론 전 정확한 토큰 수 + 비용 없음 ➡️ Bedrock CountTokens
  2. InvokeModel 네이티브 본문 사용 중 ➡️ CountTokens input.invokeModel에 같은 본문 / Converse 사용 중 ➡️ input.converse
  3. 문자 수 제한, 공용 토크나이저 ➡️ 모델별 토큰 한도 강제에 부정확
Q28
  1. 코드 변경 없이 가드레일 강제 ➡️ IAM Deny + bedrock:GuardrailIdentifier 조건 키
  2. Converse ➡️ bedrock:InvokeModel, ConverseStream ➡️ bedrock:InvokeModelWithResponseStream (둘 다 포함해야 함)
  3. 모델 ARN 제한(SCP, permissions boundary) ➡️ 모델 통제일 뿐 가드레일 강제가 아님
Q29
  1. Prompt management + Converse + 정확한 버전 비교 ➡️ modelId = 프롬프트 '버전' ARN
  2. 설정 변경 시 코드 불변 ➡️ 시스템 텍스트·추론 설정 모두 프롬프트에 저장 (inferenceConfig 재정의 불가)
  3. requestMetadata ➡️ 로그 필터링용 태그, 라우팅·선택 기능 아님
Q30
  1. 출시 전 여러 FM 비교 + 고정 데이터 세트 + 보고서 ➡️ Bedrock 자동 모델 평가 작업 (모델별 작업, 동일 설정)
  2. 유해 언어 비교 ➡️ 내장 Toxicity 지표 (가드레일 개입률 아님)
  3. '런타임 제어 추가 금지' ➡️ Guardrails/ApplyGuardrail 대신 오프라인 평가
Q31
  1. REST API 비프록시 통합 + 응답 본문 필드 제거/변환 ➡️ integration-response 매핑 템플릿(VTL + JSONPath)
  2. Converse 사용 중 + 입력·출력 모두 정책 검사 ➡️ 요청에 guardrailConfig 추가, stopReason = guardrail_intervened 모니터링
  3. "프록시 통합으로 바꿔서 본문 변환" ➡️ 프록시는 응답을 그대로 통과시키므로 오답
  4. 파라미터 매핑 = 헤더/경로/쿼리 대상, 본문 재작성은 불가 ➡️ 본문은 매핑 템플릿
Q32
  1. 정형 테이블 + 집계/필터 질문 + 최소 개발 ➡️ Bedrock Knowledge Bases 구조화된 데이터 저장소(NL2SQL, Redshift 쿼리 엔진)
  2. Glue Data Catalog / Lake Formation 거버넌스 유지 ➡️ Redshift 쿼리 엔진으로 AwsDataCatalog 테이블 직접 조회
  3. "행을 문서로 수집"이나 "스냅샷을 S3로 내보내기" ➡️ 집계 정확도·거버넌스 모두 실패
Q33
  1. Bedrock 요청·응답 본문 감사 ➡️ 모델 호출 로깅(CloudTrail 아님)
  2. 호출 로깅 대상 ➡️ 계정·리전마다 설정, 동일 계정·동일 리전의 CloudWatch Logs/S3 (중앙 집계는 그 이후)
  3. 트래픽이 계정·리전마다 다름 + 출시 전 ➡️ 계정·리전·모델별 Service Quotas 확인 및 증가 요청
Q34
  1. 스트리밍 + "첫 토큰/첫 텍스트가 늦음" ➡️ AWS/Bedrock TimeToFirstToken 지표 경보
  2. "전체 응답 시간" 또는 완료 지연 ➡️ InvocationLatency (첫 토큰 문제에는 오답)
  3. "서비스 측" 경보 요구 ➡️ API Gateway·애플리케이션 사용자 정의 지표가 아닌 Bedrock 관리형 지표
Q35
  1. InvokeAgent(에이전트 런타임) 호출이 CloudTrail에 안 보임 ➡️ 데이터 이벤트 → 고급 이벤트 선택기로 활성화
  2. Converse/InvokeModel은 관리 이벤트로 기록 ➡️ "Converse는 보이는데 에이전트는 안 보임" 패턴의 원인
  3. "호출자 ID가 포함된 감사 기록" ➡️ CloudTrail userIdentity (모델 호출 로깅은 페이로드용)
Q36
  1. "주제 의미를 따르는 경계" + "수집 비용 증가 허용" ➡️ SEMANTIC 청킹(maxTokens, bufferSize, breakpointPercentileThreshold)
  2. "사용자 지정 Lambda 회피" ➡️ 기본 제공 청킹 전략 중에서 선택(사용자 지정 변환 Lambda 아님)
  3. 제목이 일관되지 않음 ➡️ 제목 기반 섹션 + NONE 청킹은 함정
  4. 청킹 전략 변경 ➡️ 새 데이터 소스 생성 후 재수집
Q37
  1. REST API request validator ➡️ 필수 쿼리/헤더는 "존재 여부"만, 본문은 JSON 스키마 모델로 검증
  2. 쿼리 파라미터 값의 범위·형식 검증 ➡️ 백엔드(Lambda)에서 수행
  3. Lambda 프록시 통합 ➡️ statusCode/headers/body 프록시 응답 형식 필수(아니면 502)
Q38
  1. Converse 멀티모달 입력 ➡️ 하나의 user 메시지에 text/image/document를 각각 별도 ContentBlock으로
  2. ContentBlock 하나 = 유형 하나 ➡️ 텍스트와 이미지를 한 블록에 합치는 선택지는 오답
  3. Nova가 아닌 모델 ➡️ bytes 소스 사용, s3Location은 Amazon Nova 전용
Q39
  1. guardrail 개입·지연·스로틀링 보고 ➡️ AWS/Bedrock/Guardrails CloudWatch 지표
  2. "페이로드 저장 금지" ➡️ 모델 호출 로깅 제외, 지표만 사용
  3. CloudTrail 관리 이벤트 = 구성 이력, Audit Manager = 준수 증거 ➡️ 런타임 수치 요구에는 오답
Q40
  1. OpenSearch k-NN에서 k ➡️ 샤드당 후보 수, 최종 반환 개수 ➡️ size (기본 10)
  2. 샤드 증가 후 결과가 k보다 많아짐 ➡️ size를 원하는 개수로 명시
  3. "k를 늘린다", "size 생략", "post_filter" ➡️ 결과 개수 제한 문제에는 오답
Q41
  1. Bedrock Knowledge Bases + 바이너리 임베딩 ➡️ OpenSearch Serverless 또는 OpenSearch 관리형 클러스터
  2. 기존 벡터 DB 없음 + 최소 운영 오버헤드 ➡️ OpenSearch Serverless(콘솔 빠른 생성)
  3. S3 Vectors는 "최저 비용" 키워드에 강하지만 ➡️ 바이너리 벡터 조건이 붙으면 오답
Q42
  1. 이미 저장된 프롬프트+응답 + 모델 재호출 금지 ➡️ judge 모델 평가 작업(자체 추론 응답 데이터 사용)
  2. "점수 + 이유/설명" ➡️ LLM-as-a-judge (알고리즘 자동 지표는 점수만)
  3. Prompt Management 비교·프롬프트 최적화 ➡️ 모델을 다시 실행하므로 동결 조건에서 오답
Q43
  1. 긴 고정 텍스트 + 짧은 가변 입력 ➡️ 고정 텍스트를 앞에, 그 직후 cachePoint, 가변 입력은 뒤에
  2. 캐시 사용량 보고 ➡️ TokenUsage의 cacheReadInputTokens / cacheWriteInputTokens
  3. 가변 내용을 앞에 두거나 전체 프롬프트 끝에 체크포인트 ➡️ 캐시 미적중으로 오답
Q44
  1. Converse / InvokeModel 계열(bedrock-runtime) ➡️ 모델 호출 로깅으로 페이로드 캡처
  2. bedrock-mantle OpenAI 호환 API 페이로드 ➡️ 애플리케이션 수준 로깅 필요
  3. "관리형 우선, 필요한 곳에만 사용자 지정" ➡️ API 경로별로 지원 여부를 판단해 조합
Q45
  1. 레이블된 예제 + 정해진 의도 범주 분류 ➡️ Comprehend 사용자 지정 분류기 + 실시간 엔드포인트
  2. "정확히 하나" ➡️ 다중 클래스 모드 → ClassifyDocument 응답의 Classes / "여러 개 가능" ➡️ 다중 레이블 → Labels
  3. 프롬프트 안전 분류 ➡️ SAFE/UNSAFE 판정용, 업무 의도 라우팅에는 오답
Q46
  1. 도구 결과·외부 문서·RAG 청크를 통한 간접 프롬프트 주입 ➡️ 모델에 넘기기 전에 ApplyGuardrail(source INPUT)로 독립 검사
  2. "Converse 유지 + 최소 변경" ➡️ API 전환(InvokeModel)이나 구조 변경이 포함된 보기는 제외
  3. Automated Reasoning checks ➡️ 응답의 사실/정책 논리 검증용이지 주입 탐지용이 아님
Q47
  1. 정확한 ID·코드·전문 용어 + 의미 검색 ➡️ overrideSearchType=HYBRID (지원 벡터 스토어 + 필터링 가능한 텍스트 필드)
  2. 검증·평가 단계에 넘길 "증거" ➡️ RetrieveAndGenerate가 아니라 Retrieve의 원본 청크
  3. 보기에 처음 보는 설정 이름 ➡️ 실제 API 파라미터 이름인지 먼저 확인
Q48
  1. "오래 열려 있는 세션", "동시(concurrent) 사용량" ➡️ 생성 수나 호출 수가 아니라 ActiveSessionCount 같은 현재 활성 수 메트릭
  2. 주기 패턴이 있는 정상 범위 학습 + 이상 알림 ➡️ CloudWatch anomaly detection 경보
  3. AgentCore 서비스별 관측 ➡️ AWS/Bedrock-AgentCore 네임스페이스 + Service 차원
Q49
  1. API Gateway REST API + 클라이언트(파트너)별 스로틀 ➡️ API 키 + usage plan(rate/burst, 메서드별 스로틀)
  2. Lambda authorizer와 usage plan 결합 ➡️ apiKeySource=AUTHORIZER + usageIdentifierKey 반환
  3. 버스트 제어는 throttle, 기간 총량은 quota ➡️ 둘을 혼동한 보기는 제외
  4. usage plan은 best-effort ➡️ 엄격한 비용 상한이 필요하면 다른 통제(예: 예산·애플리케이션 측 제어)가 필요
Q50
  1. 모델 처리 전 400 ValidationError + 모델별 지표에 급증 없음 ➡️ ModelId 차원 없는 집계 메트릭 + 프록시/클라이언트 측 로그로 진단
  2. SDK별로 헤더·본문이 다름 ➡️ 둘 다 표준화(InvokeModel은 JSON 본문 + Content-Type application/json)
  3. "식별하고 중지하라" ➡️ 진단과 수정을 모두 담은 보기만 정답
Q51
  1. Converse toolConfig ➡️ 모델은 toolUse만 반환, 실행과 toolResult 반환은 클라이언트 책임
  2. "클라이언트가 도구 실행 안 함" + "현재 패턴" ➡️ Responses API server-side tool(Lambda)
  3. 보기에 "Classic"이 명시됨 + 지문에 "current patterns" ➡️ 해당 보기 제외
  4. "FM이 조회 시점 결정" ➡️ RetrieveAndGenerate 같은 고정 검색 흐름 제외
Q52
  1. 여러 모델(패밀리 무관)을 데이터 세트와 품질 기준으로 비교 ➡️ Bedrock 모델 평가 작업
  2. Cost Explorer/CUR에서 워크로드·테넌트별 Bedrock 비용 ➡️ application inference profile + 비용 할당 태그
  3. requestMetadata ➡️ 호출 로그 필터링·상관관계용, 청구 귀속용 아님
  4. intelligent prompt routing ➡️ 같은 패밀리 모델 간 요청별 라우팅
Q53
  1. 의도된 용도·위험 등급·제한 사항·권장 사항 문서화 + PDF 내보내기 ➡️ SageMaker Model Cards
  2. 모델 버전 카탈로그·승인 상태·배포 연계 ➡️ SageMaker Model Registry (둘을 혼동하지 않기)
  3. 관리형 기능이 있는 문서화 요구 ➡️ Lambda·S3 수작업 보기는 제외
Q54
  1. 검색 품질만 평가 ➡️ Bedrock RAG 평가의 retrieve-only 작업
  2. 참조 정보 대비 누락 확인(ground truth 있음) ➡️ Builtin.ContextCoverage
  3. 질문과의 관련성만 확인(ground truth 없음) ➡️ Builtin.ContextRelevance
  4. 계층적 청킹에서 numberOfResults보다 적은 결과 ➡️ 상위 청크 병합에 따른 정상 동작
Q55
  1. 프로덕션 사용자 피드백 + 프롬프트/응답 결합 ➡️ model invocation logging + requestMetadata(비민감 상관관계 ID)
  2. 프롬프트·응답 본문이 필요 ➡️ CloudTrail이 아니라 invocation logging
  3. Bedrock human evaluation 작업 ➡️ 작업 팀이 데이터 세트를 평가하는 오프라인 평가, 프로덕션 피드백 수집용 아님
Q56
  1. Bedrock Flow 안에서 외부 API 호출 + 정식(GA) 기능만 ➡️ Lambda function 노드
  2. "플로우 설계와 trace에 보여야 함" ➡️ 애플리케이션 측 사전 처리 보기는 제외
  3. "preview 기능 사용 안 함" ➡️ Inline Code 노드 제외
Q57
  1. 호출 로그에 사용자 지정 키 기록 + Converse ➡️ requestMetadata 본문 필드
  2. 호출 로그에 사용자 지정 키 기록 + InvokeModel ➡️ X-Amzn-Bedrock-Request-Metadata HTTP 헤더
  3. "프롬프트에 넣지 말 것" ➡️ 모델 입력과 분리된 메타데이터 채널 사용
  4. .metadata.json ➡️ Knowledge Bases 메타데이터 필터링용, 호출 로그와 무관
Q58
  1. 같은 리전·같은 모델을 여러 런타임 API로 호출 ➡️ 할당량 공유, 리미터 키는 리전+모델 ID
  2. 요청 수는 비슷하나 토큰 크기가 다름 ➡️ 요청 수와 토큰(입력+max output) 모두로 리미터 크기 설정
  3. "한도에 닿을 때까지 동시성 증가" ➡️ 예방적 제어가 아니므로 오답
Q59
  1. API Gateway REST API 가져오기 ➡️ OpenAPI 2.0 또는 3.0 (3.1 보기는 제외)
  2. REST API의 백엔드 통합 정의 ➡️ 작업별 x-amazon-apigateway-integration (components의 복수형 확장은 HTTP API용)
  3. "경고가 있으면 가져오기 거부" ➡️ failOnWarnings=true
Q60
  1. 긴 공통 접두사(시스템 프롬프트·예시) 반복 + 비용 ➡️ prompt caching(cachePoint) + cacheRead/WriteInputTokens 확인
  2. 버스트 스로틀링 + 데이터 지역 제약 ➡️ geographic(EU/US 등) cross-Region inference profile
  3. 지역 제약이 있는데 Global 프로필 ➡️ 오답
  4. latency-optimized·prompt router ➡️ 스로틀링·토큰 비용 문제의 해결책이 아님
Q61
  1. "각 응답을 사용자가 보기 전에" + 원문 근거 검증 ➡️ Guardrails contextual grounding check (grounding_source + query + guard content)
  2. "릴리스 전", "데이터셋", "비교" ➡️ Bedrock model evaluation job (Faithfulness 등 LLM-as-a-judge 지표)
  3. Invocation logging은 감사·분석용 사후 기록 ➡️ 실시간 차단 요구에는 오답
Q62
  1. KB 문서 변경 반영 ➡️ StartIngestionJob(증분 sync) + GetIngestionJob 상태 COMPLETE 확인
  2. 메타데이터 파일만 변경 + 비CSV + 변환 Lambda 없음 ➡️ 재임베딩 없이 메타데이터만 갱신
  3. UpdateDataSource = 구성 변경일 뿐 ➡️ 수집 시작 아님
Q63
  1. 데이터 레지던시(EU/US 등) + 버스트 ➡️ Geographic cross-Region inference profile
  2. Global inference profile ➡️ 지리 제약이 없을 때 최대 처리량용, 레지던시 요구에는 오답
  3. 대상 리전 사전 확인 ➡️ 소스 리전마다 GetInferenceProfile (로깅·CloudTrail은 사후 확인)
Q64
  1. 여러 공급자 모델 전환 + 단일 코드 ➡️ Converse(또는 ConverseStream) API + 구성 기반 modelId
  2. 모델 고유 파라미터 ➡️ additionalModelRequestFields
  3. InvokeModel = 공급자별 네이티브 본문 ➡️ "같은 페이로드 재사용" 보기는 오답
Q65
  1. Bedrock invocation logging + 100 KB 초과 본문/바이너리 ➡️ CloudWatch Logs와 S3(large data delivery) 함께 지정
  2. Logs Insights 쿼리 요구 ➡️ CloudWatch Logs 대상 필수 (S3 전용은 오답)
  3. 로깅 대상은 Bedrock과 같은 계정·리전 ➡️ 교차 계정 직접 전달 보기 주의
Q66
  1. CloudWatch Logs field index 활용 ➡️ filter 필드 = 값 또는 IN [...] (like·정규식·parse 파생 필드는 인덱스 미사용)
  2. Bedrock 호출별 태깅 ➡️ Converse requestMetadata를 invocation log에서 필터 키로 사용
  3. 쿼리 효율 = 스캔량 감소 ➡️ 먼저 정확히 필터링한 다음 fields/stats
Q67
  1. 로드는 되는데 긴 입력·동시성에서 OOM ➡️ KV-cache 부족, 가중치 + KV-cache로 다시 사이징
  2. LMI 동시 배치 제어 ➡️ option.max_rolling_batch_size (job_queue_size는 대기열일 뿐)
  3. 모든 GPU에 샤딩된 대형 모델 ➡️ tensor_parallel_degree 축소는 오답
Q68
  1. 예측 가능한 전용 용량 ➡️ Provisioned Throughput (cross-Region inference는 버스트 분산)
  2. Provisioned Throughput 사용 순서 ➡️ Create → GetProvisionedModelThroughput으로 InService 확인 → provisionedModelArn을 modelId로 호출
  3. "ARN 반환 시 트래픽 전송", "기본 모델 ID로 호출" ➡️ 함정 보기
Q69
  1. 텍스트 + 이미지 단일 검색 공간 ➡️ Titan Multimodal Embeddings G1 (inputText + inputImage)
  2. Multimodal G1 차원 ➡️ embeddingConfig.outputEmbeddingLength = 256/384/1024
  3. Text Embeddings V2 차원 ➡️ dimensions = 256/512/1024 (파라미터 이름이 다름에 주의)
Q70
  1. Guardrails = 사용자 입력·모델 텍스트 출력 보호 ➡️ toolUse/toolResult PII는 애플리케이션 경계에서 처리
  2. 실시간 PII 수정 ➡️ 동기 처리(미들웨어, DetectPiiEntities), 배치 작업이나 Macie는 오답
  3. Tool use에서 도구 실행과 결과 반환은 애플리케이션 책임 ➡️ 보안 제어도 그 경계에 둠
Q71
  1. RAG 런타임 환각 차단 + 관리형 요구 ➡️ Guardrails contextual grounding check (grounding/relevance 임계값)
  2. Retrieve 점수 = 검색 유사도 ➡️ 답변 근거성 판단에는 오답
  3. "custom evaluator 금지" ➡️ 직접 만든 judge FM 호출 보기는 제외
Q72
  1. SageMaker A/B 테스트 ➡️ 하나의 엔드포인트, 여러 production variant + 가중치
  2. 특정 사용자/코호트 고정 ➡️ InvokeEndpoint TargetVariant
  3. 관리형 canary/linear + bake 기간 + 자동 롤백 ➡️ SageMaker deployment guardrails (blue/green)
Q73
  1. 기록된 대량 세션 + 배포 전 + 비동기 + 집계 ➡️ AgentCore Evaluations batch evaluation
  2. 운영 트래픽 지속 모니터링(샘플링) ➡️ online evaluation
  3. 단일 세션/trace 즉시 확인 ➡️ on-demand evaluation
Q74
  1. 문서화된 기능으로 모델 선택 ➡️ GetFoundationModel의 inputModalities·outputModalities·responseStreamingSupported
  2. 공급자 공통 + 실시간 표시 ➡️ ConverseStream (InvokeModelWithResponseStream은 공급자별 본문)
  3. 거의 같은 보기 두 개 ➡️ 요구 사항마다 검증 속성이 빠짐없이 있는지 대조
Q75
  1. Bedrock Flows condition 노드 ➡️ 조건을 순서대로 평가, 첫 번째 true 조건만 실행, 나머지는 default
  2. 여러 조건이 동시에 참일 때 우선순위 ➡️ 우선할 조건을 앞에 배치
  3. "no custom routing code" ➡️ 클라이언트 측 분기나 Lambda 라우터 보기는 제외

// 2026 실전 테스트 04 풀러 가기 →

Q1
  1. PII를 FM과 로그 모두에서 배제 ➡️ 호출·로깅 이전에 Comprehend DetectPiiEntities로 탐지 후 치환 (Macie는 S3 저장 데이터 사후 스캔용)
  2. 버전 관리 버킷의 모든 버전 영구 삭제 ➡️ Expiration + NoncurrentVersionExpiration 함께 구성
  3. zero durable retention 강제 ➡️ 보존 모드를 명시적으로 none, "기본값 사용"·"provider share"는 오답 신호
  4. PII 차단 요구 + "원시 페이로드 로깅" 보기 ➡️ 즉시 탈락
Q2
  1. Prompt Management 변수 ➡️ {{variable}} (${}는 오답 함정)
  2. 프로덕션 시점 스냅샷 ➡️ 프롬프트 버전 생성 (Draft는 스냅샷 아님)
  3. 저장된 프롬프트 호출 ➡️ Converse/InvokeModel의 modelId = 프롬프트 ARN + promptVariables
  4. "동일 계정·리전에 로그 보관" ➡️ 다른 리전/중앙 버킷 전송 보기는 즉시 탈락
Q3
  1. 검색 품질만 측정 ➡️ retrieve-only RAG 평가 (context relevance / coverage)
  2. 생성 답변 품질·안전 ➡️ retrieve-and-generate RAG 평가 (정확성·충실도·유해성 등)
  3. 주관적 유용성·사람 판단 ➡️ human-based(work team) 모델 평가 작업
  4. "각각 별도로 측정" ➡️ 데이터 세트를 목적별로 분할해 작업 유형을 나누는 보기
Q4
  1. 자동 재작성 + 샘플 채점 + 다중 모델 비교 ➡️ 평가 샘플·평가자를 쓰는 관리형 프롬프트 최적화 작업
  2. OptimizePrompt API ➡️ 일회성 재작성일 뿐, 평가 루프 아님
  3. prompt builder / Prompt Management ➡️ 수동 테스트·버전 관리 도구 (자동 최적화 아님)
Q5
  1. "원시 PII를 로그에 남기지 말 것" ➡️ 기록 전 리댁션 (raw/full 기록 보기는 탈락)
  2. "증거 캡처" ➡️ 리댁션(내용 보존) O, 해시(내용 소실) X
  3. 입력·출력 모두 중앙 정책 필터 ➡️ Amazon Bedrock Guardrails
  4. 위반 자동 라우팅 ➡️ guardrail 개입 이벤트 → EventBridge → Step Functions
Q6
  1. 지연·토큰·캐시·스로틀링 ➡️ AWS/Bedrock CloudWatch 메트릭
  2. 프롬프트·응답 기록 + 대용량 본문 ➡️ invocation logging(CloudWatch Logs) + S3 대용량 데이터 위치
  3. 테넌트별 귀속 ➡️ Converse requestMetadata (비용 태그는 애플리케이션 추론 프로파일 태그)
  4. 에이전트 단계 가시성 ➡️ enableTrace, InvokeAgent 감사 ➡️ CloudTrail 데이터 이벤트(AgentAlias)
Q7
  1. 기계 판독 가능한 답변 출처 ➡️ RetrieveAndGenerate citations[].retrievedReferences 저장
  2. 출처를 소스 속성까지 연결 ➡️ 수집 시 메타데이터(.metadata.json) 부여
  3. "최소 사용자 지정 코드" + RAG ➡️ Retrieve + 별도 FM 호출보다 RetrieveAndGenerate
  4. CloudTrail ➡️ API 호출 감사용, 답변 근거(검색 콘텐츠) 출처가 아님
Q8
  1. 프롬프트 인젝션·탈옥 관리형 차단 ➡️ Bedrock Guardrails 콘텐츠 필터의 Prompt attack
  2. 자연어 공격 vs WAF/정규식/스키마 검증 ➡️ 의미를 모르므로 오답
  3. "런타임 차단" + 로그 구독 필터 ➡️ 사후 비동기 처리라 오답
  4. FM 없이 텍스트만 검사 ➡️ ApplyGuardrail API
Q9
  1. OU 단위 guardrail 강제 + 요청 코드 수정 없음 ➡️ AWS Organizations Amazon Bedrock 정책
  2. 관리 계정 guardrail을 멤버 계정이 사용 ➡️ guardrail 리소스 기반 정책
  3. 다중 리전 ➡️ 리전마다 guardrail 생성 ("하나로 두 리전"은 오답 함정)
  4. 기준선 안정성 ➡️ DRAFT가 아닌 버전 번호 참조
Q10
  1. SharePoint/Confluence + 문서 수준 권한 ➡️ KB 전용 데이터 소스 커넥터 (Web Crawler·S3 내보내기는 오답)
  2. Bedrock이 벡터 스토리지까지 관리 ➡️ Managed 유형 Knowledge Base
  3. API 자동화 ➡️ CreateDataSource, 온디맨드 동기화 ➡️ StartIngestionJob
Q11
  1. 정확한 단어·코드 목록 ➡️ 사용자 지정 단어 필터 / 의미상 주제 ➡️ 거부 주제
  2. 응답의 PII 마스킹 ➡️ 민감 정보 필터 ANONYMIZE
  3. FM 없이 같은 정책으로 텍스트 검사 ➡️ ApplyGuardrail
  4. "사후 다운스트림 마스킹"·"모델로 조정 프롬프트" ➡️ 오답 신호
Q12
  1. 프롬프트·응답·토큰을 Logs Insights로 검색 ➡️ invocation logging 대상 = CloudWatch Logs
  2. 애플리케이션 세션/테넌트 ID 상관 ➡️ requestMetadata
  3. CloudTrail ➡️ 누가 언제 호출했는지(본문 없음), X-Ray ➡️ 지연·경로 추적
Q13
  1. 사람/외부 응답을 몇 시간~며칠 대기 ➡️ Step Functions Standard + .waitForTaskToken
  2. 어느 작업자든 재개 ➡️ task token을 DynamoDB에 저장 후 SendTaskSuccess
  3. Express ➡️ 5분 이하·대량 단기 작업, 콜백 패턴 불가
  4. Wait + 폴링 ➡️ 콜백이 가능하면 오답
Q14
  1. 동적 순차 도구 호출 + 감사 + 재시도 + 단계 한도 ➡️ Step Functions Standard 루프(Choice + Retry + 카운터)
  2. 단계별 감사 기록 ➡️ Standard 실행 기록, Express는 CloudWatch Logs 의존
  3. 순차 의존 작업 ➡️ Parallel 상태는 오답
  4. "Retry 정책·bounded" 키워드 ➡️ Bedrock Agent보다 Step Functions
Q15
  1. Titan Text Embeddings V2 차원 선택 ➡️ dimensions 1024(기본)/512/256 중 요구를 충족하는 최소값
  2. float 정규화 스키마 ➡️ normalize 기본 true, embeddingTypes binary는 이진 벡터 DB용
  3. 긴 문서 ➡️ 입력 한도 내 논리적 섹션으로 청킹 + 섹션 메타데이터
  4. 임베딩 요청에 topP/maxTokenCount ➡️ 생성 모델 파라미터 혼동 함정
Q16
  1. Bedrock 부분 응답 + 모델 공통 형식 ➡️ ConverseStream + contentBlockDelta 파싱 (InvokeModelWithResponseStream은 모델별 본문)
  2. API Gateway + Lambda + SSE 스트리밍, WebSocket 불원 ➡️ REST API Lambda 프록시 통합 + responseTransferMode STREAM
  3. "BUFFERED", "HTTP API", "게이트웨이가 청크 분할" ➡️ 스트리밍 요구 문제에서는 오답 신호
Q17
  1. Glue ETL 내 품질 검증 + 이전 실행 비교 ➡️ Glue Data Quality(EvaluateDataQuality) + DQDL 동적 규칙 last(k)
  2. 실패 행 식별 ➡️ 행 수준 결과(row-level outcomes), 테이블 점수만 필요하면 Data Catalog 평가
  3. 품질 결과 알림·자동화, 코드 최소화 ➡️ Glue Data Quality의 CloudWatch 지표 + EventBridge 이벤트
Q18
  1. IDE 인라인 제안 + 보안 스캔 + AWS 채팅 ➡️ Amazon Q Developer (Q Business 아님)
  2. 리포지토리별 지침, 관리자 작업 불가 ➡️ .amazonq/rules project rules
  3. 사내 코드베이스 학습 기반 제안, 관리자 배포 가능 ➡️ Q Developer customization
Q19
  1. FM 전송 전 PII 제거 + 기관 고유 ID ➡️ Lambda 전처리(Comprehend DetectPiiEntities + 패턴 매칭)
  2. 입력·출력 양방향 안전 정책 + 마스킹 허용 ➡️ Bedrock Guardrails(content filters, denied topics, sensitive information ANONYMIZE)
  3. CloudTrail, Macie, 사후 검토 ➡️ '예방 통제' 요구 문제에서는 오답 신호
Q20
  1. 이미 생성된 응답 평가 + 모델 재호출 금지 ➡️ Bedrock 평가에 사전 생성 응답(modelResponses) 제공
  2. 의미적 정확성·완전성·충실성 ➡️ LLM-as-a-judge Builtin.Correctness / Completeness / Faithfulness
  3. referenceResponse = 정답(ground truth), 평가 대상 응답 = 후보 ➡️ 역할이 뒤바뀐 보기는 즉시 탈락
  4. 무인 배포 게이트 ➡️ 작업 Completed 후 S3 결과를 기준선과 비교
Q21
  1. 단일 API + 요청 유형별 모델 선택 + 학습·자체 엔진 불원 ➡️ Bedrock Flows(prompt 분류 → condition 노드 라우팅)
  2. 평균 비용·지연 감소 ➡️ 일상 요청은 작은 모델, 복잡한 요청만 고성능 모델(모델 계층화)
  3. 독립 모델 검증·점수 산정 ➡️ 별도 모델 검사 노드 + Lambda function 노드
Q22
  1. 같은 모델·같은 통합으로 지연 단축 + 티어/예약 용량 불가 ➡️ performanceConfig.latency = optimized (요청마다)
  2. 지연 최적화 할당량 초과 ➡️ 실패가 아니라 standard 처리로 대체, 응답의 performanceConfig로 확인
  3. Bedrock 런타임은 상태 비저장 ➡️ '세션 첫 요청에만 설정' 보기는 오답
Q23
  1. Knowledge Bases + 다중 부분 질문 + Bedrock이 분할 ➡️ RetrieveAndGenerate + queryTransformationConfiguration QUERY_DECOMPOSITION
  2. 인용 포함 생성 답변 최소 코드 ➡️ RetrieveAndGenerate (Retrieve + InvokeModel은 직접 구성)
  3. Lambda/Step Functions로 질문 재작성 ➡️ '최소 오케스트레이션' 문제에서는 오답 신호
Q24
  1. 비개발자가 프롬프트·분기 변경 + 릴리스 없이 + 관리형 ➡️ Amazon Bedrock Flows (prompt + condition 노드)
  2. 애플리케이션에서 플로 실행 ➡️ bedrock-agent-runtime InvokeFlow (flow ID + alias ID)
  3. Step Functions + Lambda로 Bedrock 호출 ➡️ 코드 중심 워크플로가 허용될 때만 정답
Q25
  1. 기존 Lambda 도구 + AgentCore Gateway + MCP + 최소 인프라 ➡️ Gateway Lambda target + ToolDefinition
  2. Gateway → Lambda 이벤트 ➡️ event = 도구 인수, 도구 이름 = context.client_context.custom.bedrockAgentCoreToolName (target___tool)
  3. 상태 있는 장기 실행 MCP 서버·사용자 지정 런타임 필요 ➡️ 그때만 AgentCore Runtime MCP 서버
Q26
  1. 에이전트 도구 호출 검증 + 백엔드 보호 + 관리형 오케스트레이션 ➡️ action group OpenAPI 스키마 + Lambda 실행기 검증
  2. 클라이언트에서 도구 실행·검증 ➡️ return control (클라이언트 변경 허용 시에만)
  3. 'prompt examples', 'prompt templates'로 형식 보장 ➡️ 예측 가능성 요구 문제에서는 오답
Q27
  1. 벡터 검색에서 다른 도메인 결과 혼입 ➡️ 도메인별 인덱스 분리 + 상위 라우팅 인덱스(계층형 인덱스)
  2. 데이터 노드 간 부하 불균형 ➡️ 기본 샤드 수를 데이터 노드 수의 배수로, 샤드 크기·메모리 검증
  3. k-NN + post_filter로 개수 보장 ➡️ 오답 신호 (필요하면 efficient filtering 또는 사전 필터)
Q28
  1. 문자 수 추정 부정확 + 동일 모델 ➡️ Bedrock CountTokens로 같은 요청을 사전 측정
  2. 고정 순서 잘라내기로 핵심 정보 누락 ➡️ 관련성 기반 동적 청크 선택(토큰 예산 내)
  3. maxTokens·프롬프트 캐싱 ➡️ 입력 누락 문제의 해법이 아님(출력 길이, 비용·지연 최적화용)
Q29
  1. 유해 입력 FM 도달 전 차단 ➡️ ApplyGuardrail(입력) 후 허용 시에만 FM 호출
  2. 입력·응답 PII 마스킹 ➡️ Guardrails sensitive information ANONYMIZE를 양방향 적용 (프롬프트 지침 아님)
  3. 자주 바뀌는 사용자 지정 금지어 ➡️ Lambda 사용자 지정 검사로 보완, '일부 요청만 검사'는 오답
Q30
  1. Bedrock 모델별 사용량·지연·토큰·오류 관리형 대시보드 ➡️ CloudWatch generative AI observability
  2. 상세 요청·응답 기록 + 계정/리전 내 보관 ➡️ Bedrock 모델 호출 로깅(CloudWatch Logs 및/또는 S3)
  3. 단일 지표(EstimatedTPMQuotaUsage, Invocations)만으로 모든 보고 ➡️ 오답 신호
Q31
  1. 검색 품질만 검증 + 생성과 분리 ➡️ retrieve-only RAG 평가 작업(ContextRelevance, ContextCoverage)
  2. 결과별 순위·score·지연 시간 분석 ➡️ Retrieve API의 retrievalResults를 직접 저장
  3. RetrieveAndGenerate 인용 또는 생성 품질을 검색 지표로 쓰는 보기 ➡️ 오답
Q32
  1. 재배포 없는 동적 구성 + 핸들러에서 SDK 호출 금지 ➡️ AWS AppConfig + AppConfig Lambda extension
  2. 공급자 중립 요청·응답 + 모델별 필드 ➡️ Converse의 inferenceConfig + additionalModelRequestFields
  3. InvokeModel 공유 본문/파서, additionalModelResponseFieldPaths에 요청 값 ➡️ 오답
Q33
  1. Flow의 안정적 프로덕션 엔드포인트 ➡️ 게시된 Flow 버전 + alias로 InvokeFlow
  2. 프롬프트와 워크플로의 독립 버전 관리 ➡️ Prompt management 버전 + Flow 버전 분리
  3. 정책 강제 ➡️ 프롬프트 문장이 아니라 Guardrails를 Prompt 노드에 연결
  4. DRAFT를 프로덕션에서 호출하는 보기 ➡️ 오답
Q34
  1. 문서+이미지+오디오에서 필드 추출 + 맞춤 로직 최소화 ➡️ Amazon Bedrock Data Automation blueprint
  2. 내구성·재시도·감사 + 사람 검토 분기 ➡️ Step Functions(S3 이벤트 트리거) + Lambda 검증
  3. Textract/Comprehend 사용자 지정 로직, agent 기반 배치 처리 ➡️ 오답
Q35
  1. 모델 목적·위험·평가·승인 상태 기록 ➡️ SageMaker Model Cards(API, 스키마 준수, 버전 관리)
  2. 가져온 Model Registry 정보 ➡️ 승인 전에 검증해야 적절한 통제
  3. 데이터 출처 ➡️ Glue crawler + ETL 작업(리소스 태그는 lineage가 아님)
  4. 런타임 결정 이벤트 ➡️ CloudWatch Logs에 보존
Q36
  1. 실제 트래픽 없이 배포 전 검증 + 단계별 실패 식별 ➡️ CloudWatch Synthetics canary + executeStep()
  2. 응답 품질(참조 사실·편차) 검증 ➡️ 상태 코드 경보가 아니라 canary 내부 검증 코드로 단계 실패 처리
  3. 프롬프트·응답 보존(동일 계정·리전) ➡️ Bedrock model invocation logging → CloudWatch Logs 또는 S3
  4. 프로덕션 요청 재생, 중앙 계정·교차 리전, 별도 wrapper 테스트 ➡️ 오답
Q37
  1. 긴 생성 + 빈 화면 + 모델 변경 불가 ➡️ ConverseStream/InvokeModelWithResponseStream으로 스트리밍 렌더링
  2. 초기 표시 지연 ➡️ TimeToFirstToken, 전체 생성 시간 ➡️ InvocationLatency
  3. Invocations, EstimatedTPMQuotaUsage를 지연 지표로 쓰는 보기 ➡️ 오답
Q38
  1. 다양한 Content-Type + Lambda 전 본문 거부 ➡️ REST API body validator + $default에 매핑한 JSON schema 모델
  2. 여러 FM에서 모델 중립 다중 턴 ➡️ Converse API
  3. SQS 표준 대기열 ➡️ at-least-once이므로 멱등 처리기 필수(visibility timeout은 대책이 아님)
Q39
  1. 데이터 레지던시(지리권 내) + 급증 대응 + 최소 변경 ➡️ Geographic cross-Region inference profile을 modelId로 호출
  2. SCP로 리전 제한 중 교차 리전 추론 ➡️ profile의 모든 대상 리전을 SCP에서 허용
  3. 지리권 제한이 있는데 Global profile ➡️ 오답
  4. 약정 없이 처리량 확대 ➡️ Provisioned Throughput이 아니라 cross-Region inference
Q40
  1. 맞춤 chunking/embedding/DB 관리 금지 + S3 문서 RAG ➡️ Bedrock Knowledge Base + quick create OpenSearch Serverless
  2. 메타데이터 필터 ➡️ S3의 .metadata.json 파일 + Retrieve filter
  3. 문서 주기적 갱신 ➡️ 데이터 소스 sync(StartIngestionJob)
  4. Glue/Lambda/Step Functions로 직접 chunking하는 보기 ➡️ 오답
Q41
  1. 주변 컨텍스트 누락 + 정밀 검색 유지 ➡️ hierarchical chunking(child 검색, parent 반환)
  2. 벡터당 대량 메타데이터·큰 설명자 ➡️ S3 Vectors가 아닌 OpenSearch Serverless 등 메타데이터 여유가 큰 저장소
  3. KB + OpenSearch ➡️ faiss 엔진 + 차원 일치 + text/metadata 필드 매핑, KB + Aurora ➡️ pgvector vector 컬럼
Q42
  1. 사람 승인 대기(며칠) + 유휴 컴퓨팅 없음 ➡️ Standard 워크플로 + .waitForTaskToken + $$.Task.Token
  2. 외부 결정 수집 ➡️ API Gateway + Lambda가 SendTaskSuccess/SendTaskFailure 호출
  3. Express 워크플로로 장기 대기, 스케줄 폴링 ➡️ 오답
Q43
  1. 재사용 프롬프트 + 런타임 값 ➡️ Prompt management 변수 + Converse promptVariables
  2. 안정적 프로덕션 프롬프트 ➡️ CreatePromptVersion 후 버전 ARN을 modelId로 호출(DRAFT 금지)
  3. Converse의 guardrail ➡️ guardrailConfig(InvokeModel 헤더 아님)
  4. 관리형 프롬프트 호출 시 system/inferenceConfig 지정 ➡️ 오답
Q44
  1. 다중 계정 + 엔터프라이즈 SAML ➡️ IAM Identity Center + 역할 기반 permission set
  2. 미승인 모델을 첫 호출부터 차단 ➡️ InvokeModel 등에 대한 명시적 Deny(IAM/SCP), 모델 액세스 상태·Marketplace 거부에 의존 금지
  3. API 전용 워크로드 ➡️ 승인된 모델 ARN에 필요한 런타임 작업만 허용
Q45
  1. 리전 가용성·지원 중단 확인 ➡️ 대상 리전에서 ListFoundationModels + GetFoundationModel(modelLifecycle)
  2. 런타임 API 호환 ➡️ 모델별 Converse 지원 기능 확인(암묵적 가정 금지)
  3. 작업별 근거 ➡️ 작업 유형마다 별도의 자동 모델 평가 작업
  4. 사람 평가 작업 ➡️ 최대 2개 모델, 프롬프트당 작업자 최대 3명
Q46
  1. 여러 모델 평가 + 동일 요청 형식 + 멀티턴 ➡️ Converse API(messages + system + inferenceConfig)
  2. 모델 고유 파라미터(top_k 등)가 필요하면 ➡️ additionalModelRequestFields로 전달
  3. 보기에 특정 공급자 이름(Anthropic, Titan)이 붙은 페이로드 ➡️ '공급자 독립' 요구 사항이 있으면 오답
Q47
  1. 모델 호출과 분리된 사전/사후 콘텐츠 검사 ➡️ ApplyGuardrail(source=INPUT / OUTPUT)
  2. 승인된 가드레일 없이 호출 금지 ➡️ IAM 조건 키 bedrock:GuardrailIdentifier + 명시적 Deny
  3. Step Functions에서 멈춘 작업 중단 ➡️ TimeoutSeconds 명시 + States.Timeout Catch
Q48
  1. 여러 모델 + 추론 중 가드레일 ➡️ Converse + guardrailConfig(인라인 가드레일)
  2. CodeBuild 테스트 결과 ➡️ 보고서 그룹 + JUnit XML(테스트) / SimpleCov·JaCoCo는 커버리지
  3. 빌드 시크릿 ➡️ buildspec env/secrets-manager 또는 env/parameter-store
  4. 실패한 스테이지만 복구 ➡️ CodePipeline 스테이지 롤백(자동 롤백 설정)
Q49
  1. '오프라인 정확도는 OK, 사용자 불만' ➡️ 사람 평가(human-based evaluation) 추가
  2. 유용성·톤·선호도 같은 주관적 품질 ➡️ 사용자 피드백 수집 + Bedrock 인간 작업자 모델 평가
  3. 보기 끝의 '만(only)' 자동 지표 ➡️ 주관적 품질 문제에서는 오답 신호
Q50
  1. 일관성↑·곁가지↓ ➡️ temperature·topP(·top_k) 낮추기
  2. Converse에서 inferenceConfig에 없는 파라미터 ➡️ additionalModelRequestFields
  3. Prompt management 프롬프트를 Converse로 호출 ➡️ inferenceConfig 등 요청 내 재정의 불가(저장된 구성 사용)
Q51
  1. 짧은 답변인데 토큰 할당량 스로틀링 ➡️ 과도한 maxTokens 의심 → 실제 길이에 맞게 축소
  2. 할당량 병목 + 동시성 증가 ➡️ 오답(스로틀링 악화)
  3. '전용 용량 구매 금지' ➡️ Provisioned Throughput 배제, '비동기 금지' ➡️ 배치 추론 배제
Q52
  1. 프롬프트 + 추론 구성 롤백 ➡️ Bedrock Prompt management 버전(불변 스냅샷)
  2. 릴리스 전 자동 회귀 테스트 ➡️ Step Functions(오케스트레이션) + Lambda(검증) + CloudWatch 사용자 지정 지표
  3. '배포 후 버전 생성', '편집 가능한 초안' ➡️ 롤백 요구 사항에서 오답
Q53
  1. 정밀 매칭(작은 단위) + 넓은 컨텍스트(큰 단위) ➡️ HIERARCHICAL chunking(child로 검색, parent로 반환)
  2. 의미 단위 경계가 핵심(주제 전환이 잦은 문서) ➡️ SEMANTIC chunking
  3. 이미 사전 분할된 문서 ➡️ NONE / 청킹 전략은 데이터 소스 생성 후 변경 불가
Q54
  1. 예측 가능한 꾸준한 부하 + 스로틀링 + 리전 고정 + 약정 승인 ➡️ Provisioned Throughput
  2. Provisioned Throughput 사용 ➡️ 반드시 provisionedModelArn을 modelId로 호출
  3. 애플리케이션 추론 프로필 ➡️ 비용 추적·태깅용(처리량 증가 아님), 교차 리전 프로필 ➡️ 리전 고정 요구 시 배제
Q55
  1. AWS 관리 생성형 AI 모범 사례 ➡️ WA Tool Generative AI Lens
  2. 조직 고유 검토 기준 + 다계정 ➡️ 사용자 지정 렌즈 게시(publish) 후 공유
  3. 시간 경과에 따른 진행 추적 ➡️ WA Tool 마일스톤(milestone)
  4. DRAFT 렌즈 공유·적용, 게시 전 적용 ➡️ 불가능(오답 신호)
Q56
  1. 혼합 난이도 트래픽 + 비용·지연 감소 + 품질 유지 ➡️ 복잡도 기반 모델 라우팅(작은 모델 기본, 큰 모델 에스컬레이션)
  2. '호스팅 인프라 관리 회피' ➡️ SageMaker 엔드포인트 배제, Bedrock 온디맨드 선택
  3. Provisioned Throughput ➡️ 처리량 보장용이지 비용 절감용이 아님
Q57
  1. KB 메타데이터 필터링 ➡️ 원본 파일별 .metadata.json 사이드카(S3 태그·사용자 정의 헤더 아님)
  2. 다중 값 속성 ➡️ STRING_LIST + listContains, 날짜·시간 비교 ➡️ NUMBER + 숫자 비교 연산자
  3. 여러 필터 조건 ➡️ 하나의 RetrievalFilter 안에서 andAll / orAll로 결합
Q58
  1. bedrock-runtime(InvokeModel/Converse) 지표 ➡️ AWS/Bedrock 네임스페이스
  2. '정적 임계값 없이' ➡️ CloudWatch 이상 탐지 경보(필요 시 지표 수학과 결합)
  3. Bedrock 호출 로깅 + 100KB 초과 본문 ➡️ S3 대상 필수(CloudWatch Logs는 선택적으로 병행)
Q59
  1. FM 노출 최소화 ➡️ 호출 전 Comprehend PII 탐지 + 자리 표시자 치환(Lambda 전처리)
  2. 다운스트림 노출 + 회사 고유 패턴 ➡️ Bedrock Guardrails 민감한 정보 필터(PII 유형 + custom regex, BLOCK/ANONYMIZE)
  3. KMS·IAM·Macie·프롬프트 지침 ➡️ PII 비식별화 문제에서는 오답 신호
Q60
  1. 공정성 평가 ➡️ 전체 평균이 아니라 코호트(그룹) 간 격차(disparity) 지표
  2. 반사실적 데이터셋(대리 변수만 변경) ➡️ 그룹별 결과 비교가 목적
  3. 사용자 지정 로직 최소 + 자동 판정 ➡️ Bedrock 호스팅 LLM-as-a-judge, 인간 검토(A2I)는 운영 부담
Q61
  1. KB 답변에 문장 단위 인용 ➡️ RetrieveAndGenerate의 citations(generatedResponsePart + retrievedReferences)
  2. 프롬프트·응답 페이로드 감사 기록 ➡️ Bedrock model invocation logging(CloudWatch Logs 및/또는 S3)
  3. 지연 시간·토큰 수를 "신뢰도"로 표시하는 선지 ➡️ 무조건 오답
Q62
  1. 자주 바뀌는 라우팅 정책 + 재배포 금지 ➡️ AWS AppConfig + Lambda(AppConfig extension 캐시)
  2. 클라이언트별 스로틀링 + 백엔드 전 요청 거부 ➡️ API Gateway REST API usage plans + request validator
  3. 이미 계산된 정책 적용(결정론적 lookup) ➡️ Bedrock Agent·LLM 라우팅은 오답
Q63
  1. webhook 짧은 응답 제한 + 공격적 재시도 ➡️ 검증 후 이벤트 게시, 즉시 2xx 반환(비동기)
  2. 새 소비자를 생산자 변경 없이 추가 ➡️ custom EventBridge bus + rules
  3. HMAC 서명 + 교체되는 비밀 ➡️ Lambda + Secrets Manager (API Gateway request validation으로는 불가)
Q64
  1. VPC/온프레미스에서 모델 호출을 사설화 ➡️ com.amazonaws.region.bedrock-runtime interface endpoint
  2. 온프레미스가 private DNS 이름을 해석해야 함 ➡️ Route 53 Resolver inbound endpoint로 조건부 전달
  3. bedrock(control) vs bedrock-runtime(호출) vs bedrock-agent-runtime(KB/Agent 호출) ➡️ API별 엔드포인트 구분
Q65
  1. 코호트/테넌트별 호출 로그 구분 ➡️ Converse·ConverseStream의 requestMetadata + invocation logging
  2. 검색 포함 전 구간 지연 비교 ➡️ 클라이언트 측 측정 (TimeToFirstToken은 첫 토큰까지일 뿐)
  3. Invocations 지표 = 성공 호출 수 ➡️ 오류·스로틀은 별도 지표(InvocationClientErrors, InvocationServerErrors, InvocationThrottles)
Q66
  1. 데이터 지역 경계 + 다중 Region 버스트 + 용량 미약정 ➡️ geographic cross-Region inference profile(예: eu.)을 modelId로 호출
  2. cross-Region inference + Region 제한 SCP ➡️ 프로필의 모든 destination Region을 IAM·SCP에서 허용
  3. 여러 벤더 모델, 모델별 본문 제거 ➡️ Converse/ConverseStream
  4. application inference profile ➡️ 비용 추적용, 반드시 프로필 ARN으로 호출
Q67
  1. Hybrid로 바꿨는데 결과 무변화 + 텍스트 필드 없음 ➡️ filterable text 필드 포함 인덱스 재생성 후 재수집
  2. 정확한 코드·ID 검색 누락 ➡️ Hybrid(키워드 + 의미) 검색
  3. 1차 검색에서 누락된 청크 ➡️ reranker로는 복구 불가(재현율 문제)
Q68
  1. 프롬프트·응답 본문 캡처 ➡️ model invocation logging (CloudTrail은 본문 없음)
  2. "원본 계정·Region 밖으로 이동 금지" ➡️ 같은 계정·Region의 S3/CloudWatch Logs, 중앙 로깅 계정 선지는 함정
  3. 골든 데이터 세트 오프라인 비교 ➡️ S3 로그 + Athena/배치 비교
Q69
  1. Converse tool use에서 도구 실행 상태·지연 ➡️ 애플리케이션이 직접 계측(toolUseId로 상관)
  2. 테넌트·워크플로별 분석 ➡️ requestMetadata + invocation logging (AWS/Bedrock 지표엔 해당 차원 없음)
  3. metrics.latencyMs ➡️ 모델 호출 지연일 뿐 도구 실행 시간 아님
Q70
  1. 모델·에이전트 호출 전 안전 검사 ➡️ ApplyGuardrail API(source INPUT)를 사전 단계에서 호출
  2. 테넌트별 동적 금지 목록(DynamoDB) ➡️ Lambda 사전 검사 로직에서 조회
  3. 감사 기록 + 원문 미저장 ➡️ 결정 메타데이터만 로깅(agent trace·전체 프롬프트 저장 선지는 함정)
Q71
  1. 정확한 코드 + 자연어 증상 + filterable text 필드 존재 ➡️ overrideSearchType HYBRID
  2. 여러 메타데이터 조건을 모두 만족해야 함 ➡️ RetrievalFilter andAll (orAll은 함정)
  3. 별도 모델 호출 전 청크 선택 ➡️ Retrieve (RetrieveAndGenerate 아님)
Q72
  1. 주장별 근거 검증 + KB를 사실 확인기로 보지 않음 ➡️ Retrieve 후 애플리케이션이 content와 대조
  2. Retrieve 결과 활용 ➡️ content = 증거, metadata/location = 출처, score = 관련성 신호
  3. RetrieveAndGenerate citations ➡️ 참조 연결일 뿐 사실 검증 아님
Q73
  1. 저장·전송 전 PII 마스킹 ➡️ guardrail sensitive information filter를 출력에도 적용(ANONYMIZE)
  2. FM의 의도된 용도·한계 문서 ➡️ 모델 카드 (프롬프트 이력 아님)
  3. 제한 주제 강제 ➡️ guardrail denied topics (프롬프트 지시는 강제력 없음)
Q74
  1. 경로가 정해진 GenAI 워크플로 + 최소 코드 ➡️ Amazon Bedrock Flows(prompt·condition·knowledge base node)
  2. "자율 플래너 회피" ➡️ Strands·Agent Squad·Bedrock Agents 같은 에이전트 선지는 오답
  3. 범용 서비스 오케스트레이션·장기 실행 ➡️ Step Functions, 프롬프트 중심 체인 ➡️ Bedrock Flows
Q75
  1. S3 데이터 소스 변경 반영 ➡️ StartIngestionJob(Sync) 실행 + GetIngestionJob으로 추적 (자동 동기화 아님)
  2. 삭제 반영 ➡️ 증분 동기화가 삭제된 문서의 벡터를 제거
  3. 메타데이터만 변경 ➡️ .metadata.json 사이드카만 수정하고 콘텐츠 파일은 그대로 유지

// 2026 실전 테스트 05 풀러 가기 →

Q1
  1. 청크별 relevance score 필요 ➡️ Retrieve API(retrievalResults[].score) 사용, RetrieveAndGenerate의 retrievedReferences에는 점수 없음
  2. 답변의 JSON 구조 강제·거부 ➡️ 애플리케이션 측 JSON Schema 검증(KB 기능이 아님)
  3. 관련성 점수 = 유사도 ≠ 사실성 ➡️ 주장별 원문 대조 검증을 별도로 구현
Q2
  1. 이미 컨테이너화된 MCP 서버 + 기존 VPC ALB/WAF 통제 유지 ➡️ ECS on Fargate(또는 EKS)로 그대로 실행
  2. 여러 이질적 도구(Lambda, OpenAPI)를 하나의 MCP 엔드포인트로 통합 ➡️ AgentCore Gateway
  3. 서버리스 관리형 에이전트/MCP 호스팅, 기존 인프라 통제 요구 없음 ➡️ AgentCore Runtime
Q3
  1. Bedrock 호출 로깅 + 100KB 초과 본문/바이너리 ➡️ CloudWatch Logs + S3 대상 함께 지정
  2. Converse/ConverseStream 호출 귀속(tenant 등) ➡️ requestMetadata, InvokeModel ➡️ 요청 메타데이터 헤더
  3. 지연·스로틀·토큰·캐시 대시보드 ➡️ AWS/Bedrock 네임스페이스 런타임 메트릭
  4. 로그가 계정·리전 밖으로 나가면 안 됨 ➡️ 리전별로 invocation logging 활성화, 중앙 집계 금지
Q4
  1. 모델 목적·위험 등급·평가·승인 상태 증거 ➡️ SageMaker Model Cards(API 생성, 버전 관리, PDF 내보내기)
  2. 데이터 출처·변환 기록 ➡️ AWS Glue 크롤러/ETL + Data Catalog 식별자 참조
  3. Model Card 승인 ➡️ Approved 상태(Archived는 보관용), 태그는 계보 증거가 아님
Q5
  1. Lambda 전에 본문 형식·필수 필드·타입 거부 ➡️ API Gateway REST 요청 검증기 + JSON Schema 본문 모델
  2. 모델 교체에도 동일 계약 ➡️ Converse/ConverseStream(InvokeModel은 모델별 본문)
  3. 고처리량 + 중복 전달 허용 ➡️ SQS 표준 + 멱등 작업자, 처리 완료 후 DeleteMessage
Q6
  1. 문서·이미지의 구조 보존 추출(표, 레이아웃) ➡️ Amazon Bedrock Data Automation
  2. 오디오 PII를 인덱싱 전에 "삭제" ➡️ Amazon Transcribe PII redaction(Comprehend는 탐지/표시만으로는 부족)
  3. 사용자 지정 모델 구축·호스팅 금지 ➡️ 커스텀 컨테이너 OCR/전사 선택지는 탈락
Q7
  1. 여러 FM + 호출 전 정확한 입력 토큰 예산 ➡️ 선택된 모델 기준 Bedrock CountTokens API
  2. 예산 초과 시 ➡️ 관련성 낮은 맥락부터 제거, 출력은 maxTokens로 제한
  3. "추측성 호출 금지" ➡️ 다른 FM으로 요약·사전 호출하는 선택지는 탈락
Q8
  1. 모델 호출 없이 입력만 먼저 판정 ➡️ ApplyGuardrail(독립 실행형) 후 허용 시에만 Converse
  2. 정책이 자주 바뀜 ➡️ guardrail 버전 갱신 + 활성 버전을 DynamoDB 등 외부 저장소에서 런타임 조회
  3. 감사 기록에 원문 금지 ➡️ 결정 메타데이터만 기록, 실행 데이터 전체 로깅 금지
Q9
  1. 여러 FM 전환 + 모델 고유 요청 빌더 회피 ➡️ Converse/ConverseStream
  2. 사용자 지정 모델 + 전용 용량 ➡️ Provisioned Throughput, provisionedModelArn을 modelId로 사용
  3. 모델 기능 사전 검증 ➡️ bedrock(control plane) ListFoundationModels/GetFoundationModel
  4. 교차 리전 추론 프로필 ➡️ 온디맨드 분산일 뿐 "전용 용량" 아님
Q10
  1. 호출 "전" PII 제거 ➡️ Comprehend DetectPiiEntities 오프셋으로 전처리 치환(Macie는 사후 탐지)
  2. 원시 페이로드 로그 금지 ➡️ model invocation logging 비활성화(KMS 암호화는 해답 아님)
  3. 버전 관리 버킷 완전 삭제 ➡️ Expiration + NoncurrentVersionExpiration
  4. tool_use 구조화 파라미터 ➡️ Guardrails 외에 사용자 지정 삭제 필요
Q11
  1. 일관되고 되돌릴 수 있는 가명화 ➡️ 전처리 Lambda + 암호화된 자리 표시자 매핑 테이블
  2. Guardrails 마스킹 ➡️ {NAME} 등 유형 태그 치환, 비가역(복원 요구 시 탈락)
  3. 조직 고유 식별자 ➡️ Comprehend 관리형 PII + 정규식 규칙 병행
Q12
  1. 필터 강도 HIGH ➡️ 가장 많이 차단(가장 보수적), LOW ➡️ 높은 신뢰도만 차단(가장 관대)
  2. 모델 응답에 대한 요구 ➡️ outputStrength, 사용자 입력에 대한 요구 ➡️ inputStrength
  3. 프롬프트 공격 필터 ➡️ 입력에만 적용, 신뢰도 조정이 필요한 범주 ➡️ 거부 주제가 아닌 콘텐츠 필터
Q13
  1. 온디맨드 스로틀링 + 동일 모델/리전 + "전용 용량 가능" ➡️ Provisioned Throughput, provisioned model ARN 호출
  2. Prompt caching·지연 시간 최적화 추론 ➡️ 지연 시간/비용 개선, 처리량 보장 아님
  3. 리전 제약이 없다면 ➡️ 교차 리전 추론으로 온디맨드 급증 분산도 후보
Q14
  1. 생성 구절 ↔ 근거 청크 매핑 ➡️ RetrieveAndGenerate의 citations(generatedResponsePart + retrievedReferences) 저장
  2. "사용자 지정 파서 없이", "결정적" ➡️ 모델 출력 텍스트 파싱·각주 생성 선택지는 탈락
  3. Retrieve 결과만 저장 ➡️ 받은 청크 목록일 뿐 구절별 근거는 없음
Q15
  1. 승인된 불변 프롬프트 배포 ➡️ CreatePromptVersion 후 버전 ARN 호출(무버전 ARN = DRAFT)
  2. Converse에서 관리형 프롬프트 사용 ➡️ modelId에 프롬프트 ARN + promptVariables
  3. 프롬프트 렌더링 감사 ➡️ CloudTrail 데이터 이벤트 선택기, 페이로드 캡처 ➡️ model invocation logging(같은 계정·리전)
Q16
  1. 작업 대부분이 단순 + 일부만 복잡 + 품질 유지하며 비용·지연 감소 ➡️ 소형 모델 우선 + 대형 모델 에스컬레이션 캐스케이드
  2. "추론 서버를 관리할 수 없음" ➡️ SageMaker 엔드포인트 탈락, Bedrock 온디맨드 선택
  3. Provisioned Throughput ➡️ 처리량 보장 목적이지 단가 절감 수단이 아님
  4. Prompt caching ➡️ 반복되는 긴 프롬프트 접두부가 있을 때 보조 최적화일 뿐, 모델 선택 최적화를 대체하지 못함
Q17
  1. AWS가 유지 관리하는 GenAI 모범 사례 ➡️ Lens Catalog의 Generative AI Lens를 그대로 적용(복사 금지)
  2. 조직 고유 질문 + 다중 계정 ➡️ custom lens JSON 작성 → publish(버전) → share
  3. 시간 경과에 따른 진척 추적 ➡️ milestones + reports (notes 아님)
  4. improvement plan ➡️ 개선 지침 제공, 리소스 배포 기능 아님
Q18
  1. "VPC에서만 접근" + API Gateway ➡️ private REST API + execute-api 인터페이스 VPC 엔드포인트 + 리소스 정책
  2. "컴퓨팅 전에 잘못된 JSON 거부" ➡️ REST API request validator(HTTP API는 미지원)
  3. 여러 백엔드 결과를 결합해 FM 호출 ➡️ Lambda 통합 필요, 직접 서비스 통합은 단일 API 호출만 가능
  4. HTTP API VPC link ➡️ 프라이빗 백엔드로 나가는 경로, API를 프라이빗하게 만들지 않음
Q19
  1. "OU 수준 가드레일" ➡️ SCP(Deny) 필수, 실제 허용은 identity policy로 부여
  2. Bedrock 호출 제한 ➡️ InvokeModel + InvokeModelWithResponseStream 두 액션을 모두 통제
  3. inference profile 사용 ➡️ profile ARN과 foundation model ARN 양쪽 리소스를 정책에서 고려
  4. "프롬프트 관리만, 호출 금지" ➡️ prompt-management 액션만 담은 별도 정책
Q20
  1. 프롬프트·응답 본문 확인 ➡️ Bedrock model invocation logging (CloudTrail 아님)
  2. 본문 100 KB 초과 ➡️ S3 대상, 또는 CloudWatch Logs + S3 large data delivery 함께 지정
  3. "원본 Region·같은 계정에 보관" ➡️ Region마다 각각 로깅 활성화, 대상도 같은 계정·Region
  4. 요청별 비즈니스 식별자 상관 분석 ➡️ Converse requestMetadata
Q21
  1. Java 8/11 → 17/21 Maven 업그레이드 + 최소 도구 ➡️ Amazon Q Developer 코드 변환(transformation) 에이전트
  2. IDE에서 테스트 생성·보안 스캔·코드 제안 ➡️ Amazon Q Developer in the IDE
  3. Q Developer customization ➡️ 사내 코드에 맞춘 제안 개선용, 마이그레이션·스캔 대체 불가
  4. Amazon Q Business ➡️ 사내 지식 질의응답, 코드 리팩터링 도구 아님
Q22
  1. 단일 CSV를 행별 레코드로 수집 ➡️ {파일명}.csv.metadata.json에 레코드 기반 구조 선언
  2. 특정 열만 검색 ➡️ 그 열만 content field로 지정
  3. 필터·인용용 열 ➡️ 포함 메타데이터 필드로 지정(포함·제외 중복 금지)
  4. S3 객체 태그 ➡️ Knowledge Bases 메타데이터 필터 소스 아님
Q23
  1. 검색 품질만 ➡️ retrieve-only RAG 평가, 답변·안전성 ➡️ retrieve-and-generate RAG 평가
  2. 주관적 유용성·전문가 판단 ➡️ 인간 작업자(human-based) 모델 평가
  3. 프롬프트 1,000개 초과 ➡️ 여러 JSONL 파일·작업으로 분할
  4. 다중 턴 대화 ➡️ 평가 데이터 세트의 허용 턴 수 이하로 축소
Q24
  1. JSON 형식 불일치·파서 오류 ➡️ Converse structured outputs(outputConfig.textFormat + JSON Schema)
  2. 실제 요청·응답 본문 확인 ➡️ model invocation logging, 대용량은 S3 large data delivery 동시 구성
  3. 관리형 prompt ARN + Converse ➡️ system·inferenceConfig·toolConfig 지정 불가, messages는 뒤에 추가
  4. CloudWatch 지표 ➡️ 수치 모니터링용, 페이로드 디버깅 불가
Q25
  1. 추론 과정 표시 ➡️ Converse reasoningContent.reasoningText만 렌더링
  2. redactedContent ➡️ 암호화된 데이터, 표시·디코딩 금지(기록에는 그대로 유지)
  3. 다중 턴 + 추론 블록 ➡️ signature 포함 전체 메시지 기록을 수정 없이 재전송
  4. 추가 지연 허용 범위 제한 ➡️ 해당 요청만 추론 모델로 선택 라우팅
Q26
  1. 의미적 품질(완전성·존중·공정성) 자동 채점 + 커스텀 모델 금지 ➡️ LLM-as-a-judge 루브릭
  2. Guardrails 개입 횟수 ➡️ 안전 정책 위반 지표, 품질·공정성 지표 아님
  3. Comprehend 감정 분석 ➡️ 어조 극성만 측정, 완전성 판단 불가
  4. 감사 가능한 코호트 증거 ➡️ 동일 루브릭 반복 실행 + 코호트별 지표 보관
Q27
  1. Data Catalog 테이블 + ETL 작업 없음 + 규칙 추천 ➡️ Glue Data Quality(Data Catalog 기반) 규칙 세트
  2. 행 수준 실패 레코드 식별 필요 ➡️ Glue ETL 작업의 Evaluate Data Quality 변환
  3. 데이터 품질 결과 운영 연계 ➡️ CloudWatch 지표 + EventBridge 이벤트 + S3 결과 저장
  4. 검증 규칙 언어 ➡️ DQDL(Data Quality Definition Language)
Q28
  1. 고정 절차 + 결정론 + 감사 기록 ➡️ AWS Step Functions(에이전트 아님)
  2. 사람 승인을 며칠 대기 ➡️ Standard 워크플로 + .waitForTaskToken 콜백
  3. 병렬 검사 / 조건 분기·반복 제한 ➡️ Parallel 상태 / Choice 상태
  4. LLM이 다음 단계를 판단해야 하는 개방형 작업 ➡️ 그때 비로소 Bedrock Agents 고려
Q29
  1. Map에서 한 항목 실패만 격리 ➡️ 반복 내부 Task 상태에 Catch(Map 상태 Catch 아님)
  2. 승인된 guardrail 사용 강제 ➡️ IAM 조건 키 bedrock:GuardrailIdentifier + 명시적 Deny
  3. 모델 호출과 분리된 사전·사후 검사 ➡️ ApplyGuardrail API(source INPUT / OUTPUT)
  4. 장시간 정상 호출 ➡️ Lambda 타임아웃과 Task TimeoutSeconds를 모두 여유 있게 설정
Q30
  1. 모델 단독 품질 회귀 ➡️ ModelEvaluation, Knowledge Base 파이프라인 ➡️ RagEvaluation
  2. 비동기 평가 작업 ➡️ 종료 상태까지 폴링, 다수 작업 환경은 nextToken 페이지네이션
  3. "전체 응답 생성" 검증 ➡️ 출력 레코드의 누락 응답 검사(입력 프롬프트 수 아님)
  4. automatic 평가 ➡️ 작업당 모델 1개, 두 모델 비교는 인간 평가 작업
Q31
  1. "지원되는 경우에만 키워드 매칭" ➡️ 지원 스토어(RDS·OpenSearch Serverless·MongoDB 등, 텍스트 필드 필요)만 HYBRID, 나머지는 SEMANTIC
  2. 자체 OpenSearch 인덱스를 KB에 연결 ➡️ faiss 엔진 + 임베딩 차원 일치 + vectorField/textField/metadataField 매핑
  3. Retrieve numberOfResults ➡️ 최대 100, 초과 요청 선택지는 오답
Q32
  1. Bedrock 자동 모델 평가 + 1,000개 초과 데이터 ➡️ .jsonl 데이터 세트를 작업당 1,000개 이하로 분할
  2. CreateEvaluationJob 성공 응답 ➡️ 게이트 근거 아님, Get/ListEvaluationJobs 상태 + S3 결과 파일로 판정
  3. 무인 회귀 게이트 ➡️ human-worker 작업이나 invocation logging 자체 계산은 오답
Q33
  1. invocation logging에 일부 요청만 보임 ➡️ 로깅 지원 bedrock-runtime 작업(InvokeModel·Converse 등)으로 라우팅
  2. 상관관계 ID 검색 ➡️ 프롬프트가 아니라 Converse requestMetadata
  3. Logs Insights 검색 + 최소 오버헤드 ➡️ 동일 계정·리전 CloudWatch Logs 대상 유지
Q34
  1. IDE + 조직 관리 + 사내 리포지토리 기반 제안 ➡️ Amazon Q Developer Pro + IAM Identity Center + customization
  2. Free Tier ➡️ 개인용, customization·조직 관리 불가
  3. 웹 기반 사내 지식 Q&A ➡️ Q Business, 코딩 워크플로 ➡️ Q Developer
Q35
  1. 사용자 지정 모델 + 장기 약정 금지 ➡️ commitmentDuration 없는 무약정 Provisioned Throughput
  2. Provisioned Throughput 호출 ➡️ InService 확인 후 modelId에 provisionedModelArn
  3. 단일 리전(GovCloud) 유지 요구 ➡️ cross-Region inference profile은 오답
Q36
  1. 에이전트 도구 인수 오류 + 재사용 계약 ➡️ S3 OpenAPI 스키마(required, type, 유효 값 설명, 응답 형태)
  2. 잘못된 쓰기를 백엔드 전에 차단 ➡️ action group Lambda에서 결정적 검증 + 구조화된 오류 반환
  3. 프롬프트 지침만·클라이언트 API 검증·로그 사후 보정 ➡️ 오답 패턴
Q37
  1. KB용 OpenSearch Serverless 인덱스 검증 ➡️ faiss knn_vector + 차원 일치 + collectionArn/vectorIndexName/vectorField/textField/metadataField
  2. 스토리지 측정 "신뢰할 수 있을 때만" ➡️ 수집 완료 후(post-ingestion) 값
  3. 거의 같은 선택지 ➡️ 엔진(faiss/nmslib), 필드(metadataField/외부 테이블), 시점(진행 중/완료 후) 단어 비교
Q38
  1. custom data source + 변경 이벤트 + 몇 분 내 반영 ➡️ IngestKnowledgeBaseDocuments / DeleteKnowledgeBaseDocuments
  2. StartIngestionJob ➡️ 데이터 소스 전체 동기화, 이벤트 단위 증분 처리에는 부적합
  3. 벡터 스토어 직접 수정 ➡️ "지원되는 작업" 조건 위반
Q39
  1. 버스트 스로틀링 대응 ➡️ 다운스트림 용량 기준 API Gateway 스로틀링 + SDK 지수 백오프(지터)
  2. 지속 장애 시 우아한 저하 ➡️ 서킷 브레이커(실패 임계값) + 캐시된 폴백
  3. API·Lambda·SDK 전 구간 추적 ➡️ API Gateway 스테이지 + Lambda X-Ray 활성 추적 + SDK 클라이언트 계측
Q40
  1. InvokeModel 직접 호출 ➡️ 모델별 네이티브 JSON 스키마, 공통 형식은 Converse에서만
  2. Titan Text Embeddings V2 ➡️ inputText (+ dimensions/normalize/embeddingTypes 선택)
  3. Claude 3.x InvokeModel ➡️ anthropic_version + max_tokens + messages, prompt/max_tokens_to_sample은 오답
Q41
  1. 올바른 문서는 검색되지만 표·이미지·캡션 내용 누락 ➡️ 파싱 문제, BDA 또는 FM 파싱 적용 후 재동기화
  2. 관련 없는 문서가 상위에 옴 ➡️ 검색 문제(Hybrid, 리랭커, 메타데이터 필터)
  3. 문맥이 잘림 ➡️ 청킹 문제(계층형·시맨틱 청킹, 오버랩)
Q42
  1. Bedrock이 인프라 전부 관리 ➡️ Managed Knowledge Base (Customer-managed는 고객이 벡터 스토어 운영)
  2. Confluence·SharePoint·Salesforce 등 SaaS 소스 ➡️ 해당 기본 제공 커넥터로 CreateDataSource
  3. 이미지·오디오·비디오 파일 ➡️ S3 데이터 소스 또는 custom data source
Q43
  1. 불변 프로덕션 프롬프트 ➡️ CreatePromptVersion 버전 ARN (DRAFT ARN은 오답)
  2. 앱 측 프롬프트 로직 최소화 + Converse ➡️ 프롬프트 버전 ARN을 modelId로, 변수는 promptVariables
  3. 정적 지침 캐싱 요구 ➡️ 프롬프트 캐싱을 명시적으로 활성화한 선택지만 정답
Q44
  1. 출력 형식 불일치·서술 혼입 ➡️ 섹션 + 구분자 + 출력 지시자(JSON 필수 필드)로 구조화
  2. 프롬프트 비교·승인·재사용 ➡️ Prompt management 변형 + 버전
  3. "튜닝 예제로만 검증하지 말 것" ➡️ 개발 세트로 튜닝, 홀드아웃 세트로 최종 검증
Q45
  1. 민감 값을 프롬프트에서 제외 ➡️ 호출 전 Lambda + Comprehend PII 감지 + 결정적 패턴으로 redaction
  2. 모델 입출력 오용·콘텐츠 정책 ➡️ 런타임 호출에 Bedrock Guardrails
  3. JSON 계약 보장 ➡️ 지시가 아니라 Lambda의 스키마 검증, Macie·WAF 거부는 오답 패턴
Q46
  1. 평가 샘플(정답 예시) + 여러 대상 모델 + 원본/최적화 비교 ➡️ Advanced Prompt Optimization 작업(JSONL 데이터 세트 + LLM-as-a-judge)
  2. 샘플 없이 프롬프트 한 개를 특정 모델용으로 재작성 ➡️ OptimizePrompt(단순 최적화)
  3. Prompt management 버전 비교·Compare variants ➡️ 구성 확인/콘솔 실험용이지 정량 평가 도구가 아님
Q47
  1. 프롬프트 롤백·승인 상태 보존 ➡️ Prompt management 프롬프트 버전(불변 스냅샷, 버전 ARN)
  2. 관리형 프롬프트 자동 테스트 ➡️ Converse API의 modelId에 프롬프트 ARN + promptVariables
  3. "시각적 검토가 아닌 자동화" ➡️ Prompt builder 비교 선택지 제거, Step Functions/Lambda 파이프라인 선택
Q48
  1. 검색만 공유하고 생성은 각자 ➡️ Retrieve (RetrieveAndGenerate 아님)
  2. 여러 FM에서 재사용할 도구 ➡️ 애플리케이션 소유 JSON 스키마 + 클라이언트 측 실행
  3. "벡터 스토어가 바뀔 수 있음/이식성" ➡️ HYBRID 강제 등 스토어 의존 설정 제거
Q49
  1. Bedrock 자동 모델 평가 ➡️ 작업당 모델(또는 inference profile) 1개, N개 모델이면 N개 작업
  2. 팀이 준비한 프롬프트 ➡️ S3 JSONL 사용자 지정 데이터 세트 + 서비스 역할 + S3 출력
  3. "동일한 작업 정의" ➡️ 모든 작업에 같은 작업 유형 하나만 지정
Q50
  1. 앱이 가드레일 ID를 빠뜨려도 강제 ➡️ AWS Organizations Amazon Bedrock 정책 + 관리 계정 가드레일 고정 버전
  2. 가드레일 교차 계정 강제 ➡️ 가드레일 리소스 기반 정책 필요, 가드레일은 리전별 리소스
  3. 프롬프트·응답 본문 증거 ➡️ CloudTrail이 아니라 모델 호출 로깅(동일 계정·동일 리전 대상)
Q51
  1. OpenSearch Serverless KB에서 HYBRID 검색 ➡️ 필터링 가능한 텍스트 필드가 인덱스에 있어야 함
  2. OpenSearch Serverless KB 메타데이터 필터 ➡️ faiss 엔진 인덱스 (nmslib 불가)
  3. "추가 모델 호출 금지" ➡️ implicitFilterConfiguration 제외, 명시적 filter 사용
Q52
  1. "데이터가 시설을 떠나기 전 처리" + AWS 관리형 ➡️ AWS Outposts
  2. Bedrock 프라이빗 IP 접근 ➡️ bedrock-runtime 인터페이스 VPC 엔드포인트(PrivateLink) + DX 프라이빗/전송 VIF 또는 VPN
  3. Direct Connect 퍼블릭 VIF ➡️ 퍼블릭 엔드포인트 접근이므로 "프라이빗 IP" 요구 시 오답
Q53
  1. k-NN 사후 필터로 결과가 k개 미만 ➡️ 검색 범위 한정(도메인별 인덱스 라우팅 또는 효율적 사전 필터링)
  2. 노드 수 변경 후 부하 불균형 ➡️ 노드 수를 고려한 프라이머리 샤드 수 계획 + 재인덱싱
  3. 요청에 도메인이 이미 있음 ➡️ 해당 인덱스만 조회 (_msearch 전체 조회는 오답)
Q54
  1. 대형 모델 엔드포인트 생성 실패 ➡️ VolumeSizeInGB + ModelDataDownloadTimeoutInSeconds + ContainerStartupHealthCheckTimeoutInSeconds
  2. LLM 서빙 코드 최소화 + 텐서 병렬·연속 배치 ➡️ SageMaker AI LMI 컨테이너
  3. "트래픽 수신 전 실패" ➡️ 처리량 튜닝·벤치마크보다 시작 파라미터 조정이 먼저
Q55
  1. 명시적 재시도 + 제한 시간 + 실행 기록 ➡️ AWS Step Functions (Standard 워크플로)
  2. 규칙 기반 분기 + 병렬 모델 호출 ➡️ Choice 상태 + Parallel 상태
  3. "결정론적" 요구 ➡️ Bedrock Agents/지능형 프롬프트 라우팅처럼 모델이 결정하는 방식은 오답
Q56
  1. Global cross-Region inference + 리전 제한 SCP ➡️ aws:RequestedRegion "unspecified" 허용 추가
  2. 온디맨드 급증 흡수 + 최소 코드 변경 + 약정 없음 ➡️ modelId를 inference profile ID로 교체
  3. 전 세계 처리 승인 ➡️ Global 프로필, 데이터 지역 제한 ➡️ Geographic 프로필
Q57
  1. 문서+이미지+동영상+오디오 추출, 최소 코드 ➡️ Amazon Bedrock Data Automation(블루프린트 + 표준 출력)
  2. 패키지 단위·재시도 가능한 실행 기록·조건부 단계 ➡️ EventBridge(매니페스트 이벤트) + Step Functions Standard
  3. "검증 후에만" 외부 시스템 기록 ➡️ 상태 기계에서 검증 성공 분기에만 ServiceNow 호출, 실패는 Catch로 격리
Q58
  1. Flows에서 한 페이로드를 여러 변수로 ➡️ 노드 입력 표현식($.data.필드)으로 매핑
  2. Prompt 노드 체이닝 ➡️ 출력 modelCompletion(String)을 다음 Prompt 노드 입력으로 연결
  3. 편집 중에도 안정적인 프로덕션 ➡️ 불변 플로 버전 + 버전을 가리키는 별칭(alias)
Q59
  1. 자유 텍스트에서 구조화 필드, 훈련 없음 ➡️ Amazon Comprehend 기본 엔터티 감지·핵심 구문 추출
  2. 별칭·날짜·단위 불일치 ➡️ 생성 전 Lambda 결정론적 정규화로 표준 JSON
  3. "생성 전 일관성" ➡️ temperature/top_p 조정이나 검색 설정이 아니라 입력 데이터 전처리
Q60
  1. 모델 버전 + 배포 승인 ➡️ SageMaker Model Registry(Model Package Group, ModelApprovalStatus)
  2. MLOps 템플릿 롤백 ➡️ 배포된 Approved 버전을 Rejected로 변경 → 이전 최신 승인 버전 재배포
  3. LoRA 어댑터 + 실행 중인 기본 모델 공유 ➡️ 어댑터 inference component(BaseInferenceComponentName + ArtifactUrl)
Q61
  1. 분해 + 반복 검색(충분할 때까지) + 계획 trace + 관리형 ➡️ AgenticRetrieveStream(응답 생성 ON, trace/result 이벤트 처리)
  2. 분해만 필요하고 단일 패스로 충분 ➡️ RetrieveAndGenerate + QUERY_DECOMPOSITION
  3. "사용자 지정 오케스트레이션 최소화"가 보이면 Step Functions/Lambda로 직접 짜는 보기는 먼저 제거
Q62
  1. 사람 승인 + 장기 대기(분 단위 초과) ➡️ Step Functions Standard + .waitForTaskToken 콜백
  2. Express Workflow ➡️ 최대 5분, .sync/.waitForTaskToken 미지원이므로 장기 대기 보기는 즉시 제거
  3. "유휴 컴퓨팅 금지" ➡️ 폴링(Wait + Lambda 반복) 대신 SendTaskSuccess/SendTaskFailure 콜백
Q63
  1. 정확한 ID·코드·제품명 + 자연어 질문 ➡️ hybrid search(overrideSearchType=HYBRID)
  2. "검색은 되지만 순위가 낮다" ➡️ Bedrock reranker(rerankingConfiguration)
  3. B/C처럼 한 단어 차이 보기 ➡️ 지문의 '정확한 코드' 단서로 hybrid 쪽을 고른다
Q64
  1. "규칙/정책과 충돌(모순)하는 답변 거부" ➡️ Guardrails Automated Reasoning checks
  2. "검색 문서로 뒷받침되지 않는 답변 거부" ➡️ contextual grounding checks
  3. 주제 차단 ➡️ denied topics, 식별자 마스킹 ➡️ sensitive information filters(PII/정규식)
  4. "응답 반환 전 시행" ➡️ 런타임 Guardrails, 모델 평가 작업은 오프라인이라 제외
Q65
  1. 데이터가 이미 Aurora/RDS PostgreSQL + 트랜잭션 일관성 + SQL 조인 권한 ➡️ 기존 DB에 pgvector 활성화
  2. "별도 검색 서비스 도입 불가" ➡️ OpenSearch, 별도 클러스터, Knowledge Base 보기 제거
  3. 권한 필터는 검색 '후' 코드가 아니라 검색 '쿼리 안'에서 ➡️ 벡터 쿼리 + JOIN/WHERE
Q66
  1. 대화형 응답성 + 지원 모델/inference profile ➡️ performanceConfig.latency = optimized
  2. 지연 허용 + 비용 절감(예약 용량 없이) ➡️ service_tier = flex
  3. 미션 크리티컬·우선 처리(비용 증가 감수) ➡️ service_tier = priority
  4. 보기에서 옵션과 적용 대상이 뒤바뀌었는지 반드시 짝지어 확인
Q67
  1. "증거 저장소에 원시 PII 금지" ➡️ 저장 전 redaction(Comprehend PII 감지 등) 후 수정본만 기록
  2. 입력·출력 정책 위반 실시간 차단 ➡️ Bedrock Guardrails를 입력과 출력 모두에 적용
  3. CloudTrail ➡️ 메타데이터만, 프롬프트·응답 본문 증거로 쓸 수 없음
  4. Macie ➡️ 저장 후 사후 탐지, 실시간 차단 요구에는 오답
Q68
  1. REST 계약(버전·기계 판독) ➡️ OpenAPI 문서 + API Gateway import
  2. "컴퓨팅 도달 전 검증" ➡️ API Gateway request validator(JSON 스키마 모델)
  3. 클라이언트별 스로틀링·할당량 ➡️ REST API의 API 키 + usage plan
  4. "기존 REST 도구" 단서 ➡️ AppSync(GraphQL), Amplify UI 보기 제거
Q69
  1. 요청 유형이 섞인 워크로드 + 비용 절감 + 품질 임계값 ➡️ 작업별 평가 후 클래스별 '임계값 충족 최저 비용 모델' 라우팅
  2. "평균 점수로 단일 모델" ➡️ 소수 클래스 품질 저하를 숨기므로 오답 패턴
  3. "증거 기반" ➡️ Bedrock 모델 평가(계층화 데이터 세트) + 토큰 비용 추정
Q70
  1. 출력은 짧은데 스로틀링 증가 + max_tokens 최댓값 ➡️ max_tokens를 검증된 상한으로 낮춤(요청 시작 시 입력+max_tokens 기준 예약)
  2. 용량 계획 신호 ➡️ 실측 런타임 메트릭(토큰 수, 지연, InvocationThrottles) 주 신호, 추정 지표는 보조
  3. 스트리밍 전환 ➡️ 체감 지연 개선용, 할당량 압박 해결책 아님
Q71
  1. InvokeModel/Converse/ConverseStream 프라이빗 연결 ➡️ bedrock-runtime 인터페이스 엔드포인트(bedrock은 제어 플레인, bedrock-agent-runtime은 Agents/KB)
  2. Lake Formation 권한 강제 ➡️ IAMAllowedPrincipals 제거 또는 hybrid access 모드
  3. 프롬프트·응답 본문 보존 ➡️ 모델 호출 로깅(같은 계정·리전의 CloudWatch Logs/S3), CloudTrail·메트릭은 불가
  4. 승인 모델 제한 ➡️ 모델 ARN 범위 IAM 정책 + 제한적 엔드포인트 정책
Q72
  1. 빠른 ACK + 느린 생성 + 급증 + 재시도 + 실패 보존 ➡️ API Gateway → Lambda → SQS(+DLQ) → Lambda 소비자
  2. "가장 비용 효율적" + 단일 단계 ➡️ Step Functions보다 SQS
  3. 버퍼링·백프레셔 필요 ➡️ SNS(푸시)보다 SQS(풀)
Q73
  1. Converse 클라이언트 측 도구 사용 ➡️ 도구 빈도·실패·지연은 애플리케이션 계측(ToolUseBlock/toolResult)
  2. 고객·워크플로·테넌트별 분석 ➡️ requestMetadata + 모델 호출 로그
  3. 토큰·지연·스로틀·TTFT ➡️ AWS/Bedrock 런타임 메트릭(InvocationLatency는 모델 지연일 뿐)
Q74
  1. jailbreak·prompt injection 런타임 탐지 ➡️ Bedrock Guardrails prompt attack 필터
  2. 모델 호출 없이 텍스트 검사·릴리스 전 회귀 테스트 ➡️ ApplyGuardrail API 기반 자동화
  3. WAF(SQLi/XSS), Macie(PII), CloudTrail(사후) ➡️ 자연어 공격 탐지 요구에서는 오답 패턴
Q75
  1. 여러 FM 비교 + 모델별 코드 최소화 ➡️ Converse/ConverseStream(modelId만 교체)
  2. 지연·스로틀·토큰 관리형 측정 ➡️ AWS/Bedrock CloudWatch 메트릭(InvocationLatency, InvocationThrottles, 토큰 수)
  3. 보류 데이터 세트 품질 정량화 ➡️ Bedrock 모델 평가 작업(자동/LLM-as-a-judge/사람)
  4. StartAsyncInvoke ➡️ 장시간 비동기 작업용, 대화형 비교에는 오답

// 2026 실전 테스트 06 풀러 가기 →

Q1
  1. 생성은 별도 모델 호출이 담당 ➡️ Retrieve(검색 전용), RetrieveAndGenerate 아님
  2. 관리형 knowledge base ➡️ managedSearchConfiguration / 사용자 벡터 저장소 ➡️ vectorSearchConfiguration
  3. 주장 근거 검증 ➡️ 주장별로 retrievalResults content와 유사도 비교 + location을 감사 증적으로 보관
  4. "엄격한 JSON" ➡️ 필수 필드만이 아니라 스키마 전체 검증
Q2
  1. 사람 승인 + 수 일~수 주 대기 ➡️ Standard Workflow + .waitForTaskToken + SendTaskSuccess/SendTaskFailure
  2. Express Workflow ➡️ 최대 5분, 콜백 패턴 불가, 장기 승인에 부적합
  3. 콜백 API 호출 주체 ➡️ 상태 머신과 같은 계정(다른 계정이면 AssumeRole 필요, "directly"는 함정)
  4. "usually/typically"로 서술된 조직 관행 ➡️ 요구 사항이 아니라 오답 유도 문구
Q3
  1. 코드 변경 없는 모델 전환 + Lambda 로컬 캐시 ➡️ AppConfig freeform 구성 + AppConfig Agent Lambda 확장(localhost:2772)
  2. 다중 공급자 + 공통 코드 ➡️ Converse API, 단 모델별 지원 여부 확인(호환 표시)
  3. Converse 공통 파라미터 ➡️ inferenceConfig / 공급자별 파라미터 ➡️ additionalModelRequestFields
  4. InvokeModel + "공유 JSON 본문" + 여러 공급자 ➡️ 오답
Q4
  1. 외부 RAG 시스템 + 재호출 금지 ➡️ Bedrock RAG 평가 + bring-your-own inference 응답
  2. 검색 품질 독립 평가 ➡️ retrieve-only(context relevance/coverage), 응답 품질·안전성 ➡️ retrieve-and-generate
  3. 레코드 수가 작업 한도 초과 ➡️ 데이터 세트를 분할해 여러 작업으로 실행
  4. 전문가 주관 평가 ➡️ human-worker(자체 작업 팀) 평가 작업
Q5
  1. 같은 모델 + 더 빠른 응답 + 추가 비용 약정 불가 ➡️ performanceConfig.latency = optimized
  2. latency-optimized + 큰 프롬프트 ➡️ 총 토큰(입력+최대 출력)을 상한 이내로 줄여야 Standard 대체 감소
  3. Priority = 프리미엄, Flex = 할인·지연 허용 ➡️ 실시간 + 프리미엄 불가면 service_tier 미설정(기본)
  4. "응답/로그를 검사" ➡️ 모니터링일 뿐 해결책이 아님
Q6
  1. 표준 PII + 고정 패턴 사용자 식별자 ➡️ Guardrails sensitive information filters(내장 PII + regex)
  2. FM에도 보내지 말고 응답에도 노출 금지 ➡️ 입력·출력 모두 ANONYMIZE
  3. 문맥은 유지해야 함 ➡️ BLOCK이 아니라 ANONYMIZE(마스킹)
  4. "모델에 생략을 지시" / Macie ➡️ 실시간 텍스트 마스킹 해결책 아님
Q7
  1. OpenAI 호환 클라이언트 유지 ➡️ Bedrock OpenAI 호환 엔드포인트(bedrock-mantle), 모델 목록은 /models
  2. 기존 앱이 bedrock-runtime 할당량 소진 ➡️ 실제 사용할 엔드포인트(bedrock-mantle) 할당량 기준으로 계획
  3. 참조 답변 없음 + 유용성·충실도·지침 준수 ➡️ 별도 평가자 모델의 LLM-as-a-judge
  4. API·기능 지원 여부 ➡️ 응답 필드 추론이 아니라 설명서로 확인
Q8
  1. 재사용 가능한 도구 계약 ➡️ S3의 OpenAPI 스키마(required, description, enum)로 action group 정의
  2. 필드 간 규칙·중복 쓰기 차단 ➡️ Lambda action group 핸들러의 결정적 검증 + 멱등성 키 확인
  3. "반드시 막아야 한다" ➡️ few-shot·지침·메모리(확률적)가 아니라 코드(결정적)
  4. 구조화된 오류 반환 ➡️ 에이전트가 관리형 계획 안에서 스스로 수정·재요청
Q9
  1. 호출자에게 안정적인 대상 ➡️ 불변 Flow 버전 + 별칭(별칭은 업데이트, 호출자는 그대로)
  2. Prompt 노드 modelCompletion ➡️ String 타입, 분기는 단일 문자열 레이블 + Condition 노드
  3. temperature/topP/maxTokens ➡️ 기본 inferenceConfiguration, 모델 고유 파라미터만 additionalModelRequestFields
  4. 프롬프트별 독립 버전 관리 ➡️ Prompt Management 버전을 Prompt 노드에서 참조
Q10
  1. Organizations Bedrock 정책으로 guardrail 강제 + 멤버 계정 호출 실패 ➡️ guardrail 리소스 기반 정책 + 호출자 bedrock:ApplyGuardrail
  2. 교차 계정 접근 ➡️ 리소스 정책과 IAM 정책 양쪽 모두 허용해야 성공
  3. 조직 강제 guardrail ➡️ 계정·요청 단위 guardrail과 함께 적용(더 엄격한 guardrail 추가 가능)
  4. "사후 보고에 의존 금지" ➡️ 로깅·알림 보기는 오답
Q11
  1. 잘못된 형식 요청을 경계에서 거부 ➡️ API Gateway 요청 검증(JSON Schema 모델)
  2. 탈옥·프롬프트 인젝션·시스템 프롬프트 추출 ➡️ Guardrails prompt attack 필터
  3. 모델 호출 전 독립 검사 ➡️ ApplyGuardrail API, 인코딩 공격은 정규화 후 검사
  4. denied topics = 주제 제한, PII 필터 = 개인정보 ➡️ 탈옥 방어 보기에서는 함정
Q12
  1. 집단 간 공정성 탐지 ➡️ 집단별로 나눈 격차(disparity) 지표, 전체 평균 비교는 오답
  2. 정성 속성(공감·톤) 채점 + 분류기 훈련 금지 ➡️ Bedrock LLM-as-a-judge(사용자 지정 지표)
  3. 프롬프트 버전 기록 ➡️ Prompt Management 버전(S3 파일 아님)
  4. Guardrail 개입 횟수 ➡️ 정책 위반 빈도일 뿐 품질·공정성 지표 아님
Q13
  1. InvokeModel ➡️ 모델 공급자 네이티브 JSON을 직렬화해 body로 전송, 쿼리 문자열 파라미터 없음
  2. Titan Image Generator 텍스트-이미지 ➡️ taskType "TEXT_IMAGE" + textToImageParams(text, negativeText) + imageGenerationConfig
  3. inputText/textGenerationConfig ➡️ Titan Text, messages ➡️ 채팅 모델, inputs/parameters ➡️ SageMaker
Q14
  1. 한 번 생성 + 여러 소비자 + 생산자 무변경 ➡️ 단일 생성 Lambda가 결과를 새 이벤트로 EventBridge에 재게시
  2. EventBridge 전달 실패 ➡️ 규칙 대상 DLQ / Lambda 비동기 실행 실패 ➡️ on-failure destination
  3. 생성 로직이 각 구독자 안에 있음 ➡️ 중복 호출로 오답
  4. 수 분 걸리는 생성 + 동기 API Gateway ➡️ 통합 타임아웃으로 부적합
Q15
  1. 롤백용 승인 구성 보존 ➡️ Prompt management 프롬프트 버전(불변), 초안(DRAFT) 아님
  2. 저장된 프롬프트 실행 ➡️ Converse의 modelId에 프롬프트 버전 ARN + promptVariables
  3. 반복 가능한 QA 게이트 ➡️ Step Functions 오케스트레이션 + Lambda 검증 + CloudWatch 지표·경보
  4. 테스트는 운영과 같은 API 경로 ➡️ 다른 API나 설정 재정의는 오답
Q16
  1. 승인된 프롬프트의 불변 릴리스 ➡️ CreatePromptVersion으로 버전 생성 후 버전 ARN 참조 (버전 없는 ARN = DRAFT = 변경 가능)
  2. Converse에서 관리형 프롬프트 실행 ➡️ modelId에 prompt version ARN + promptVariables
  3. 프롬프트 렌더링 감사 ➡️ CloudTrail 데이터 이벤트(RenderPrompt) 명시 수집, 본문 기록 ➡️ model invocation logging
Q17
  1. 생성 문장 단위 출처 감사 ➡️ RetrieveAndGenerate citations의 generatedResponsePart + retrievedReferences 저장
  2. 커스텀 매핑 코드 최소화 ➡️ Retrieve + 자체 매퍼가 아니라 RetrieveAndGenerate 인용 사용
  3. 소스 속성·스키마 추적 ➡️ 수집 시 문서 수준 메타데이터(.metadata.json) 첨부
Q18
  1. Bedrock KB + OpenSearch Service 관리형 클러스터 ➡️ 인덱스 사전 생성, faiss 엔진, vector/text/metadata 3개 필드 매핑
  2. 벡터 차원 ➡️ 임베딩 모델 출력 차원과 정확히 일치 (여유 차원 불가, 모델 교체 시 재인덱싱)
  3. 도메인별 독립 재인덱싱 ➡️ 도메인별 KB(또는 데이터 소스) 분리 후 개별 수집 작업
Q19
  1. FM 호출 전 독립 모더레이션 ➡️ ApplyGuardrail API(source INPUT) → GUARDRAIL_INTERVENED면 거부
  2. 재배포 없는 빈번한 규칙 변경 ➡️ DynamoDB 등 외부 규칙 저장소를 런타임 조회
  3. 서브초 인라인 요구 ➡️ 동기 Lambda 경로 (Standard 워크플로 시작+폴링은 오답 신호)
Q20
  1. 사람/사용자 응답을 장시간 대기 + 컴퓨팅 없음 ➡️ Step Functions Standard + .waitForTaskToken 콜백
  2. 5분 초과 또는 장기 대기 ➡️ Express가 아닌 Standard 워크플로
  3. Wait 상태 + 주기적 재확인(폴링) ➡️ 콜백 패턴보다 열등한 오답 신호
Q21
  1. 자동 모델 평가 ➡️ 작업당 모델 1개 + task type 1개 → 모델 수 × task type 수만큼 작업 생성
  2. 사용자 지정 데이터 세트 ➡️ 작업당 최대 1,000 프롬프트, 기능별로 분리해 한도 내 유지
  3. 두 모델을 한 작업에서 비교 ➡️ 사람 기반 평가 작업 (자동 평가 아님)
Q22
  1. 실시간(요청 경로) PII 수정 ➡️ Comprehend DetectPiiEntities/ContainsPiiEntities + Lambda 게이트
  2. S3에 저장된 데이터의 PII 탐지 ➡️ Amazon Macie (비동기, 관리형 데이터 식별자, findings → EventBridge)
  3. tool_use 인수 ➡️ 애플리케이션이 도구 실행 전에 직접 검증·차단
  4. PII 줄이라는데 invocation logging 켜기 ➡️ 오답 신호
Q23
  1. 모델에 가는 민감값 축소 ➡️ 호출 전 Lambda 전처리(Comprehend PII + 정규식)
  2. 입력과 출력 모두 안전 정책 ➡️ Bedrock Guardrails (시스템 프롬프트 규칙은 강제 수단 아님)
  3. 응답 형식 계약 보장 ➡️ Lambda 응답 스키마 검증 + 수정 (API Gateway 요청 검증은 요청만 검사)
Q24
  1. 100KB 초과 프롬프트/응답 보존 ➡️ invocation logging의 CloudWatch Logs 대상 + S3 대용량 데이터 전송 위치
  2. 지연·스로틀·토큰 관찰 ➡️ AWS/Bedrock 관리형 지표, 앱 KPI만 PutMetricData
  3. 본문(payload) 가시성 ➡️ invocation logging / API 호출자 감사 ➡️ CloudTrail (CloudTrail에 본문 없음)
Q25
  1. 생성 없이 청크+메타데이터만 ➡️ Retrieve API (RetrieveAndGenerate 아님)
  2. QUERY_DECOMPOSITION ➡️ RetrieveAndGenerate 전용 → 생성 회피 요구와 충돌
  3. 단계별 재시도·감사 오케스트레이션 ➡️ Step Functions(Map + Retry/Catch + AWS SDK 통합)
Q26
  1. 5분 초과 워크플로 ➡️ Standard (Express는 최대 5분)
  2. 모델 호출 정체 감지 ➡️ Task TimeoutSeconds(및 Lambda 제한 시간 정렬) + Catch States.Timeout
  3. 가드레일 사용 강제 ➡️ bedrock:GuardrailIdentifier 조건 키 + 명시적 Deny
  4. 60초 넘는 외부 호출 ➡️ HTTP Task 부적합
Q27
  1. 프롬프트 최적화 입력 ➡️ JSONL, 한 줄 = 템플릿 1개 + 해당 evaluationSamples
  2. Bedrock 프롬프트 변수 ➡️ {{variableName}} (단일 중괄호는 오답 신호), inputVariables 키 정확히 일치
  3. 스키마 version ➡️ 서비스가 정의한 고정 값, '현재 날짜'·'서비스가 추론' 같은 표현은 오답 신호
Q28
  1. 모델 간 일관된 채팅 인터페이스 ➡️ Converse/ConverseStream (InvokeModel은 모델 고유 페이로드용)
  2. 네이티브 CodeBuild 테스트 보고서 ➡️ buildspec reports + JUnit XML 등 지원 형식
  3. 파이프라인/스테이지/작업 상태 변경 트리거 ➡️ EventBridge 규칙 (지표 경보·폴링은 오답 신호)
Q29
  1. 조건 분기 + 단계별 다른 모델 + 재배포 없는 수정 ➡️ Amazon Bedrock Flows (condition node, prompt node, version/alias)
  2. 결정론적 집계·정책 검사 ➡️ Flow의 Lambda function node
  3. 프롬프트 라우터 ➡️ 같은 패밀리 내 단일 모델 자동 선택일 뿐, 사용자 정의 다단계 흐름에는 오답
Q30
  1. 멀티테넌트 용량 독점 ➡️ 테넌트별 토큰 버킷 입장 제어 (IP 기반 WAF, 컨테이너 확장은 오답)
  2. 재시도 가능한 오류 + 짧은 마감 ➡️ 제한된 standard 재시도 + 지수 백오프 + 회로 차단기
  3. 캐시 재사용 조건 ➡️ 지문의 모든 키(테넌트·질문·버전) + TTL 일치 항목만
  4. 코드 경로 + SDK 호출 지연 귀속 ➡️ X-Ray를 핸들러와 SDK 클라이언트 모두에 계측
Q31
  1. 문장별 출처 표시 + 최소 코드 ➡️ RetrieveAndGenerate 응답의 citations / retrievedReferences 렌더링
  2. 모델 추론 요약, 호출 로그 ➡️ source-backed attribution으로 인정되지 않음
  3. 애플리케이션이 계산한 점수의 추세 ➡️ CloudWatch custom metric(PutMetricData 또는 EMF)
Q32
  1. 엔드포인트가 둘(bedrock-runtime / bedrock-mantle) ➡️ 엔드포인트별 네임스페이스(AWS/Bedrock, AWS/BedrockMantle)와 대시보드 분리
  2. 애플리케이션 계산 점수의 드리프트 ➡️ custom metric + anomaly detection 경보
  3. 토큰 버스트 ➡️ 토큰 지표 metric math에 이상 탐지, 할당량 추정 지표 단독 사용 금지
  4. "logging can collect them" 단서 ➡️ 호출 로깅 범위를 과장하는 보기 제외
Q33
  1. 오픈 소스 에이전트 + 다중 에이전트 패턴 + MCP ➡️ Strands Agents
  2. 서버리스 에이전트 호스팅 + 수 시간 실행 ➡️ Amazon Bedrock AgentCore Runtime
  3. 여러 턴 컨텍스트 유지 ➡️ 같은 runtimeSessionId 재사용(매 턴 새 ID는 오답)
Q34
  1. 장기 인간 승인(수일~수개월) ➡️ Standard 워크플로 + .waitForTaskToken 콜백
  2. Express 워크플로 ➡️ 최대 5분, 장기 대기·승인 문제에서는 오답
  3. 포털과 상태 머신이 다른 계정 ➡️ 콜백(SendTaskSuccess) 호출은 상태 머신 소유 계정에서 수행
Q35
  1. 예측 모델의 그룹 간 공정성(편향) 지속 모니터링 ➡️ SageMaker Clarify bias drift + CloudWatch 경보
  2. 생성 출력의 실시간 차단 ➡️ Amazon Bedrock Guardrails
  3. "원시 PII를 보존하지 않음" ➡️ 저장 전 수정(redact), 암호화·Macie는 오답
Q36
  1. 호출 로깅이 이미 CloudWatch Logs로 전송 중 ➡️ 그 로그 그룹에 Logs Insights 저장된 쿼리
  2. 호출자 역할·토큰·본문 분석 ➡️ identity.arn, inputTokenCount/outputTokenCount, inputBodyJson/outputBodyJson 필드
  3. CloudTrail ➡️ API 활동 감사용, 토큰 수와 본문 분석에는 오답
Q37
  1. PDF·사진·서식 문서에서 필드 추출 + 최소 파서 ➡️ Amazon Bedrock Data Automation blueprint
  2. 실행별 이력 + 사람 승인 + 외부 API 재시도 ➡️ Step Functions Standard(Choice, 콜백, Retry/Catch)
  3. Express 워크플로나 단일 Lambda에서 승인 대기 ➡️ 시간 제한 때문에 오답
Q38
  1. AWS 관리형 GenAI 모범 사례 ➡️ WA Tool Lens Catalog의 Generative AI Lens 추가
  2. 내부 기준 + 계정 간 공유 ➡️ custom lens 게시 후 공유(DRAFT는 공유 불가)
  3. 중대한 변경의 제어된 롤아웃 ➡️ major 버전(소유자 알림 후 업그레이드), minor는 자동 적용
Q39
  1. 스트리밍 불가 + 응답 시간 단축 ➡️ performanceConfig.latency = optimized
  2. 지연 허용 + 비용 절감(요청 수준) ➡️ service_tier = flex
  3. "Priority 프리미엄 회피" 명시 ➡️ service_tier = priority가 들어간 보기 제외
Q40
  1. 의도 분류 + 신뢰도 기반 모델 선택 ➡️ 분류 태스크 + Step Functions Choice 분기(Default = 범용 모델)
  2. 운영 중 임계값 조정, 코드·클라이언트 변경 없음 ➡️ AWS AppConfig
  3. 재시도 + 경로 관찰성 ➡️ Step Functions Retry/Catch + 실행 이력·라우팅 로그
Q41
  1. PII 탐지·마스킹 ➡️ sensitive information filter(denied topic, word filter 아님)
  2. tool_use 함수 파라미터의 PII ➡️ 애플리케이션 측 수정 필요
  3. "로그에 원시 PII 저장 금지" ➡️ 원시 로깅 회피 또는 저장 전 수정, 암호화는 오답
Q42
  1. 사람이 선호도·톤·브랜드 적합성 평가 ➡️ Bedrock human-based model evaluation job
  2. 두 모델 나란히 비교 ➡️ 하나의 human 평가 작업에 최대 2개 모델
  3. human 평가 + "CORS 없음" ➡️ S3 버킷 CORS 구성이 선행 조건
Q43
  1. managed knowledge base ➡️ managedSearchConfiguration(vectorSearchConfiguration/overrideSearchType은 벡터 KB용)
  2. "별도 모델 호출 + 사용자 지정 프롬프트 유지" ➡️ RetrieveAndGenerate가 아니라 Retrieve
  3. 두 메타데이터 조건 동시 일치 ➡️ andAll(orAll은 하나만 맞아도 통과)
Q44
  1. 호출자마다 FM·프롬프트·citation 형식이 다름 ➡️ 검색 전용 Retrieve 공유 서비스
  2. managed knowledge base ➡️ managedSearchConfiguration(vectorSearchConfiguration은 오답)
  3. tool use / MCP ➡️ 모델은 요청만 생성, 실제 호출은 애플리케이션·MCP 서버가 실행
Q45
  1. IDE·콘솔 코드 생성 + 보안 스캔 + 프로젝트 규칙 ➡️ Amazon Q Developer
  2. 기업 문서·지식 검색 어시스턴트 ➡️ Amazon Q Business(코딩 도구 아님)
  3. "사용자 지정 RAG 운영 금지" ➡️ Bedrock 에이전트·knowledge base 자체 구축 보기 제외
Q46
  1. 대형 LLM + 동시 요청 지연 + 커스텀 서버 최소화 ➡️ SageMaker AI LMI 컨테이너 + tensor parallelism + continuous batching
  2. 모델이 단일 GPU에 안 들어감 ➡️ tensor parallelism(인스턴스 내 다중 GPU 분할)
  3. 많은 수의 작은 모델을 저비용 서빙 ➡️ multi-model endpoint (대형 단일 모델 성능 개선용 아님)
  4. Auto Scaling·인스턴스 증설 ➡️ 처리량 총량은 늘지만 인스턴스 내부 GPU 효율 문제는 해결 못 함
Q47
  1. 클라이언트 측 도구 실행 + 도구 성능 관측 ➡️ 도구 실행기 직접 계측(사용자 지정 지표) + toolUseId로 상관
  2. 호출 단위 비즈니스 차원(컬렉션·워크플로) ➡️ Converse requestMetadata + 호출 로깅
  3. 토큰·지연·오류·스로틀링 ➡️ AWS/Bedrock 지표 + Converse 응답 usage/metrics
  4. "only from Bedrock logs", 실행 위치 이전, toolChoice 강제 ➡️ 관측성 문제의 대표 오답 패턴
Q48
  1. 기존 MCP 서버 여러 개 + 단일 엔드포인트 + 병합 카탈로그 ➡️ AgentCore Gateway의 MCP 서버 대상
  2. 기존 REST API를 도구로 노출 ➡️ OpenAPI 대상, 사용자 지정 로직 ➡️ Lambda 대상
  3. "새 컨테이너 호스팅 금지" ➡️ AgentCore Runtime 배포 선택지는 탈락
Q49
  1. 무인 CI/CD 회귀 게이트 + 실측 정보 데이터셋 ➡️ 자동 모델 평가 작업(모델·작업 유형별)
  2. 사람의 선호도·평점 비교 ➡️ 인간 작업자 모델 평가 작업(최대 2개 모델 비교)
  3. "제출만으로 승격 금지" ➡️ GetEvaluationJob 상태 Completed + 결과 임계값 확인 후 승격
  4. CloudWatch 운영 지표 ➡️ 성능 모니터링용이지 품질 평가 게이트가 아님
Q50
  1. 커넥터 데이터 소스 + 주기적 반영 + 삭제 반영 ➡️ 예약된 StartIngestionJob(증분 동기화)
  2. 작업 결과 감사 ➡️ GetIngestionJob을 최종 상태(COMPLETE/FAILED/STOPPED)까지 폴링하고 통계 기록
  3. IngestKnowledgeBaseDocuments ➡️ 사용자 지정·S3 데이터 소스의 즉시 반영용
  4. 존재하지 않는 상태값(SUCCEEDED 등) ➡️ 세부 명칭으로 걸러내는 함정
Q51
  1. 여러 독립 검색 + 클라이언트 요청 오버헤드 + 노드 여유 ➡️ OpenSearch _msearch로 묶기
  2. 병목이 클러스터 CPU가 아님 ➡️ 샤드·노드 증설이나 k 조정이 아니라 요청 수 감소
  3. 서로 다른 의도의 쿼리 ➡️ 하나의 벡터로 합치지 말 것
Q52
  1. Bedrock KB + S3 메타데이터 필터 ➡️ 소스별 filename.ext.metadata.json (S3 태그·헤더 아님)
  2. 다중 값 중 하나 일치 ➡️ STRING_LIST + listContains
  3. 숫자 범위 필터 ➡️ NUMBER + greaterThan/lessThan 계열 연산자
  4. near-identical 선택지 ➡️ 데이터 형식 한 단어 차이를 끝까지 비교
Q53
  1. 파일 하나가 이미 완결된 단위 ➡️ chunkingStrategy NONE
  2. 청킹 전략 변경 필요 ➡️ 기존 데이터 소스 수정 불가, 새 데이터 소스 생성
  3. "페이지 번호 인용·필터 불필요" 문구 ➡️ NONE 선택의 힌트
  4. FIXED_SIZE/SEMANTIC/HIERARCHICAL ➡️ 긴 문서를 나눠야 할 때의 선택지
Q54
  1. 스트리밍 + 모델 전환(공통 형식) ➡️ ConverseStream
  2. TTFT 측정 ➡️ 스트리밍 API + AWS/Bedrock TimeToFirstToken 지표
  3. 프롬프트·응답 샘플 보관 ➡️ 모델 호출 로깅(동일 계정·리전 S3/CloudWatch Logs)
  4. 공급자 네이티브 본문 ➡️ InvokeModel 계열, 모델 전환 시 재작성 필요
Q55
  1. 부분 응답 + 모델 간 공통 인터페이스 ➡️ converse_stream
  2. 장시간 생성 + 결과는 S3 + 대기열·장시간 Lambda 회피 ➡️ start_async_invoke(outputDataConfig) + invocationArn 저장
  3. 두 워크플로 결합 문제 ➡️ 한쪽만 맞는 선택지는 오답
Q56
  1. Lambda 기본 제한 시간 + 수십 초 걸리는 FM 호출 ➡️ Lambda timeout 증가(기본 3초, 최대 900초)
  2. 온디맨드 InvocationThrottles + 약정 용량 거부 ➡️ cross-Region inference profile을 modelId로 호출
  3. application inference profile(단일 리전) ➡️ 사용량·비용 추적용이지 처리량 확장용 아님
  4. 동시성·페이로드 여유 ➡️ SQS·batch 등 아키텍처 전환은 과잉
Q57
  1. Claude 3 + InvokeModel + 이미지와 텍스트 함께 ➡️ messages 배열의 user content에 image(base64) 블록 + text 블록
  2. 요청 검증 실패 + 최상위 필드 ➡️ Messages API 필수 필드(anthropic_version, max_tokens, messages) 확인
  3. 멀티모달 FM 사용 가능 ➡️ 별도 OCR·캡션·임베딩 단계 불필요
Q58
  1. OpenSearch 수집·쿼리 중 임베딩 + Bedrock 모델 ➡️ neural search + ML Commons 원격 커넥터
  2. 커넥터 credential 역할 ➡️ 도메인과 같은 계정, opensearchservice 신뢰 + 생성자 iam:PassRole
  3. 모델 호출 통제는 다른 계정 ➡️ 역할 체인(sts:AssumeRole)으로 교차 계정 Bedrock 호출 역할 수임
  4. OpenSearch 자체 호스팅 모델 ➡️ Bedrock 거버넌스 요구가 있으면 오답
Q59
  1. 문서·이미지·동영상 다중 모달 + FM용 구조화 출력 + 최소 코드 ➡️ Amazon Bedrock Data Automation
  2. 오디오 + 도메인 약어 + PII 삭제 ➡️ Amazon Transcribe custom vocabulary + PII redaction
  3. Textract + Rekognition + 병합 코드 ➡️ "least custom code" 문제에서는 BDA보다 불리
Q60
  1. 프롬프트·응답 페이로드 캡처 + 호출자 코드 변경 없음 ➡️ Bedrock 모델 호출 로깅
  2. 호출 로깅 대상 ➡️ 동일 계정·동일 리전의 CloudWatch Logs 또는 S3 (중앙화는 이후 복제)
  3. CloudTrail ➡️ 누가 어떤 API를 호출했는지 감사용, 페이로드 없음
  4. 재현·비교 목적 ➡️ 운영과 같은 bedrock-runtime 경로로 재실행
Q61
  1. 금지 주제 + PII 마스킹 + 근거 없는 응답 차단 ➡️ 하나의 Bedrock guardrail에 denied topics + sensitive information filters + contextual grounding checks
  2. 외부 시스템(규칙 API·DB)과의 결정적 검증 ➡️ Guardrails로는 불가, 릴리스 전 Lambda 검사 추가
  3. 의도된 용도·제한 사항의 감사 기록 ➡️ model card
  4. "프롬프트 지침에 의존" / "사후 샘플링" / "관리형 guardrail 비활성화" ➡️ 거의 항상 오답
Q62
  1. invocation logging 켜져 있는데 특정 호출만 로그 없음 ➡️ 대상보다 호출 API/엔드포인트가 지원 범위(bedrock-runtime Invoke/Converse)인지 먼저 확인
  2. 본문 100KB 이하 텍스트 ➡️ CloudWatch Logs만으로 충분, 100KB 초과·바이너리 ➡️ S3 대상 추가
  3. 프롬프트·응답 본문 캡처 ➡️ model invocation logging (CloudTrail은 메타데이터만)
Q63
  1. KB binary embedding ➡️ BINARY 지원 embedding 모델 + OpenSearch(Serverless/Managed Cluster) 스토어 두 조건 모두 필요
  2. "서버리스 우선, 예외 시 클러스터" ➡️ OPENSEARCH_SERVERLESS 기본, OPENSEARCH_MANAGED_CLUSTER 예외
  3. "차원만 검증" / "실패 시 롤백" ➡️ 지원 여부 사전 검증이 빠진 함정
Q64
  1. 사람 승인 장시간 대기 + 내구성 실행 기록 ➡️ Standard Step Functions + .waitForTaskToken 콜백
  2. 단계별 지수 백오프 ➡️ Task 상태 Retry(BackoffRate)
  3. Express 워크플로 ➡️ 최대 5분, 콜백 미지원 ➡️ 장시간 승인 시나리오에서 오답
  4. 에이전트 루프 상한 ➡️ Choice 상태 + 반복 카운터
Q65
  1. 데이터 처리 지역 제한 + 급증 ➡️ geography(us./eu./apac.) cross-Region inference profile, 제한 없음 + 최대 풀 ➡️ global profile
  2. cross-Region inference 사용 ➡️ SCP/IAM에서 프로필의 모든 대상 리전 허용
  3. 사용자 지정 모델 + 전용 용량 ➡️ Provisioned Throughput ARN을 modelId로
Q66
  1. 검색 품질만 평가 ➡️ Retrieve + retrieve-only RAG 평가 + Builtin.ContextRelevance(또는 ContextCoverage)
  2. 후보 집합 확대 ➡️ numberOfResults (numberOfRerankedResults는 재순위 후 남길 개수)
  3. 순위 신호 캡처 ➡️ retrievalResults의 score (citation에는 없음)
Q67
  1. SaaS(Salesforce 등) → S3 관리형 예약 동기화 ➡️ Amazon AppFlow
  2. "역압 금지" / "수집 지연 분리" ➡️ SQS 버퍼 + DLQ로 비동기화
  3. "S3에 사본 보존" 요구 ➡️ KB 네이티브 SaaS 커넥터만으로는 불충분
Q68
  1. "무엇이 바뀌었나" ➡️ Prompt management 버전 비교(JSON diff)
  2. "여러 후보를 동일 변수로 나란히 비교" ➡️ Prompt builder 변형 비교 + 공유 테스트 변수
  3. "자동 재작성" / "직접 Converse 반복 호출" ➡️ 휴리스틱 재작성·사용자 지정 하네스 함정
Q69
  1. 스트리밍 첫 토큰 지연 ➡️ TimeToFirstToken(스트리밍 호출만), 종단 간 완료 ➡️ InvocationLatency
  2. 모델별 운영 지표 비교 ➡️ AWS/Bedrock 지표 + ModelId 차원 + CloudWatch generative AI observability
  3. 요청·응답 본문 드릴다운 ➡️ model invocation logging
  4. 차지백 ➡️ application inference profile 태그 기반 비용 귀속
Q70
  1. 프라이빗 서브넷에서 모델 호출 ➡️ bedrock-runtime 인터페이스 엔드포인트 + private DNS (bedrock 엔드포인트는 컨트롤 플레인)
  2. "IAM과 엔드포인트 정책 모두" ➡️ 기본 엔드포인트 정책(전체 허용) 교체 필수
  3. Bedrock 호출 로깅 + 100KB 초과·바이너리 ➡️ CloudWatch Logs + S3 대상 함께 지정
Q71
  1. Converse ➡️ bedrock:InvokeModel, ConverseStream ➡️ bedrock:InvokeModelWithResponseStream (bedrock:Converse 작업은 없음)
  2. "모든 계정 역할" 차단 ➡️ SCP Deny (모델·inference profile ARN 기준, 두 호출 작업 모두)
  3. AD + 다중 계정 + 단기 액세스 ➡️ IAM Identity Center 권한 집합
Q72
  1. 거버넌스 기록 + 승인 상태 + 변경 이력 ➡️ SageMaker Model Card(Content 스키마 + ModelCardStatus + 자동 버전)
  2. SageMaker 외부 모델·관리형 FM 문서화 ➡️ 모델과 연결하지 않은 독립 Model Card 생성
  3. Archived Model Card ➡️ 수정 불가 ➡️ 계속 업데이트하는 시나리오에서는 오답
Q73
  1. 숫자 버전 + 승인 게이트 ➡️ Model Registry 모델 패키지 그룹 + PendingManualApproval → Approved
  2. MLOps 템플릿 롤백 ➡️ 배포된 버전을 Approved → Rejected (최신 Approved 버전이 재배포)
  3. "ModelPackageGroupName 없이" / "Marketplace 패키지" ➡️ 버전 관리·내부 승격 흐름 불가
Q74
  1. PT 초과 급증 + 추가 약정 금지 ➡️ PT 유지 + 온디맨드 cross-Region inference로 오버플로
  2. 모든 상용 리전 허용 + 가장 넓은 풀 ➡️ Global cross-Region inference profile (modelId에 global. 프로필 지정)
  3. 데이터 지역 제한 있음 ➡️ Geographic profile, 제한 없음 ➡️ Global profile
Q75
  1. 표현이 다른 동일 질문 재사용 ➡️ embedding 기반 시맨틱 캐시 + 유사도 임계값
  2. 데이터 버전이 바뀌면 무효화 ➡️ 캐시 범위를 버전으로 한정 (TTL만으로는 불충분)
  3. 생성 호출 자체 감소 ➡️ 응답 캐시 / 접두사 처리 비용 감소 ➡️ Bedrock prompt caching