提示词工程、RAG 还是微调？决策路径

三种途径以根本不同的方式解决 AI 问题——选错了方式，可能要花上数周的工作，才能达到一个更好的提示词本可以在一小时内实现的效果。

这不是一篇基础入门章节

微调在技术层面究竟意味着什么，在《微调——对模型进行继续训练》一章中有详细说明。本章讨论的是在此之前的决策：什么时候值得优化提示词，什么时候该用 RAG，什么时候才真正需要微调？

第一步：先尝试提示词工程（Prompting）

更清晰的系统提示词、更好的示例，或固定的输出结构，能出人意料地解决许多问题，除了时间之外不需要任何成本，而且立即见效。提示词工程不会改变模型的能力，但通常足以引导语气、格式和侧重点。

第二步：当知识缺失时，使用 RAG

如果任务失败的原因是模型缺乏最新的或企业专属的知识——价格表、内部文档、上周才发布的内容——那么正确的手段是 RAG，而不是微调。微调对新事实的记忆并不可靠；RAG 则能在每次请求时都提供最新的信息。

第三步：微调只作为最后一步

只有当提示词工程和 RAG 都已经用尽，某种固定的格式或行为依然无法稳定实现时，微调才值得考虑——或者是在请求量非常大、更短的提示词能明显节省成本和延迟的情况下。

判断标准概览

数据量、知识变化的频率（频繁变化更适合用 RAG 而非重新训练）、成本与时间投入（提示词工程只需几分钟，RAG 需要几天，微调需要数周），以及在高请求量下的格式一致性要求。

示例

三个示例案例的决策表：案例 A：“模型不知道我们当前的产品价格。” → 知识缺口，且经常变化 → RAG 案例 B：“回答太过正式，我们需要一种轻松的品牌语气。” → 行为/风格问题，不缺知识 → 提示词工程（配有示例的系统提示词）案例 C：“每月 200 万张客服工单，分类必须极其精简，并且始终以完全相同的 JSON 格式输出，长提示词的成本太高。” → 高请求量、固定一致性要求、成本压力 → 微调

🛠️ 练习——自己动手试试

从你身边找出三个真实或虚构的问题，分别归类到这三种途径之一，并说明理由。

收集三个你遇到过的、或可能合理出现的不同 AI 问题（例如语气不对、缺乏专业知识、高请求量下输出格式不一致）。
针对每个问题，先问：一个更好的提示词是否就足够了？
然后再问：是否确实缺少会发生变化的知识？
最后再判断这三个问题中是否真的有一个需要微调，并说明为什么另外两种途径对此不够用。

✅ 自查清单

☐ 在采用更复杂的解决方案之前，你是否先针对每个问题检查了提示词工程是否足够？
☐ 对于你认为适合微调的候选问题，你能具体说明为什么 RAG 在那里不够用吗？

小测验

一个团队发现：模型根本没有所需的知识（当前的公司价格表）。根据决策逻辑，三种途径中哪一种应该最先考虑？