AI 百科词条

模型微调（Fine-tuning）是什么？

用你自己的数据再训练一遍模型，让它的风格、格式、领域知识固化下来。成本高，先试 RAG 和提示词。

一句话说清楚

微调是在已有大模型基础上，用领域数据继续训练，让模型学会特定的语气、格式或知识。适合的场景：固定风格的客服话术、专有领域的术语体系、高度定制的输出格式。成本包括数据整理、训练费用和持续维护，远高于直接调 API。

决策顺序是：先试提示词工程（零成本）→ 不够再上 RAG（中等成本，知识可随时更新）→ 仍不满足才考虑微调（高成本，适合风格固化需求）。绝大多数业务场景，前两步就够。

微调不是知识库：它擅长固化「风格和格式」，不擅长注入「会过期的知识」。知识频繁变动的场景请用 RAG。

AI 编程：从行间补全到整仓生成

选型看两点：与现有 IDE/语言栈的贴合度，以及「能读懂多大上下文」。

AI 读论文：速读、问答到文献综述

先让 AI 产出结构化摘要（问题/方法/结论），再针对公式与实验细节追问，支持引用溯源的工具可信度更高。

AI 做旅行攻略：行程、预算、避坑一次排好

说清天数、预算、偏好，AI 出逐日行程表，你只负责按真实交通与评价微调。