微调（Fine-tuning）
打个比方：想象一个刚毕业的医学生。他有扎实的基础医学知识（这是大模型的基本能力），但还不够专。现在让他去皮肤科再进修三年，天天看皮疹、学病理、跟专家门诊——三年后他变成了一个皮肤科专家。这个"专科进修"就是 Fine-tuning。
三种提升 AI 的方法：写纸条 vs 查笔记 vs 进修
| 方法 | 类比 | 适合什么情况 |
|---|---|---|
| Prompt Engineering | 给要考试的学霸写一张小纸条告诉他考什么 | 一次性任务，临时需求 |
| RAG | 让学霸带一本书进考场，遇到不确定的随时翻 | 信息经常变，需要能查到最新最准的数据 |
| Fine-tuning | 送学霸去专科进修三年，知识变成他自己的 | 需要模型"内化"某种固定的风格、格式、领域知识 |
作为普通用户你需要 Fine-tuning 吗
就像你不需要自己开班培训一个医生才能看病一样，绝大多数人不需要 Fine-tuning。它的成本高、门槛高。提升 AI 输出质量的首选方法是写好提示词（把小纸条写清楚），其次是给好示例（把参考书给好）。只有当你花了很大精力调 Prompt 仍然效果不好时，才考虑 Fine-tuning。