[考试报告] Datadog 基础 — 利用 AI 的现代学习方法 (NotebookLM & Antigravity)
Source: Dev.to
引言
随着即将开展的项目计划实施 Datadog，我最近参加了 Datadog Fundamentals 考试，以打下坚实的基础。作为一名没有专业监控工具经验的应用工程师，我想看看利用现代 AI 工具学习的效率如何。很高兴地分享，我已经通过了考试！
考试结果
- 用时： 61 分钟（总计 120 分钟）
- 总分： 67.0 / 75
- 结果： 通过
我主要是应用工程师，而不是专职的 DevOps 或基础设施专家。为了职业成长，我优先选择用英语参加 IT 认证考试，尽管我的母语是日语。阅读技术文档并用英语考试有助于我在全球技术领域保持竞争力。
基础知识
- 云平台： AWS 认证解决方案架构师 – 专业（以及 3 项助理认证）
- 日本国家考试：
- 数据库专家：面向数据库设计的高级国家认证。
- 应用信息技术工程师：涵盖计算机科学基础和策略的综合考试。
- 英语： Eiken 1 级（相当于 CEFR C1/C2）和 TOEIC 875 分。
学习时间线
| 阶段 | 内容 | 时间 |
|---|---|---|
| 输入 | 官方学习中心（动手实验） | ~48.7 h |
| 输出 | AI 驱动的模拟考试（NotebookLM / Antigravity） | ~14.6 h |
| 总计 | 63.3 h |
我大约把 80% 的时间用于动手实验，20% 用于 AI 驱动的练习。我两次完成了 Datadog Fundamentals 认证学习路径。实验结束后，我参加了官方的练习考试——这是一小套关键问题，有助于把握真实考试的“氛围”和重点。
学习方法
NotebookLM 保证准确性
我将官方 Datadog 文档的链接输入到 Google 的 NotebookLM。
为什么选择 NotebookLM？ 它使用 Source Grounding，仅基于你提供的文档作答。这大幅降低了幻觉（AI 捏造内容）的风险，对技术考试的学习来说是救星。
Antigravity 提供高产量
我还使用 Antigravity（Google 的实验性搜索/LLM 工具）根据考试范围生成大量练习题。这样我可以与 AI “对练”，直到概念变得驾轻就熟。
在我的使用经验中，AI 生成的题目在 Datadog 特定功能（仪表盘、监控、日志等）方面与真实考试非常接近。但在“基础 IT”问题上有一点差异：
- AI： 倾向于提问底层细节（例如具体的 Linux 命令）。
- 真实考试： 更关注系统的高层概念性知识。
非官方模拟考试
我把使用 AI 生成的题目整理成了一个简易网页工具，供其他准备考试的同学使用。点此查看：
👉 Datadog Certification Unofficial Mock Exam
注意： 由于这些题目是 AI 生成的，可能存在轻微不准确。如果发现错误，请在仓库中打开 GitHub Issue！
反思
把 AI 当作“对练伙伴”是缺乏大量学习资料的认证考试的游戏规则改变者。它让你能够非常快速地从被动阅读转向主动回忆。
你呢？有没有使用 AI 来备考认证？欢迎在评论区分享你的工作流！