这张卡帮你回答客户最爱问的问题之一：我们要不要微调。
核心拆解：判断标准是先分清要改什么。改「怎么做事」——输出风格、结构化格式、对固定流程的遵循度——微调有效；补「知道什么」——事实、文档、频繁更新的知识——微调是错配，知识会过期且无法溯源，正确工具是检索增强生成。常见误用还包括用微调治幻觉，方向反了；以及低估数据门槛，几百条脏标注只会把坏习惯固化得更深。与提示词工程的分界：提示词改单次调用的条件、不改参数，适合快速迭代；当提示词长到难维护且行为要求高度稳定时，才是微调的合理起点。
增量判断：开源与国产模型生态让微调门槛降低，但 FDE 要提醒客户连带责任：模型从此是需版本管理、评测回归与再训练计划的资产，这笔长期成本常在立项时被忽略。
行动建议：客户再提微调，先用「改行为还是补知识」一问分流，再谈方案与预算。
—— FDEChina编辑部 · 实战派
定义
微调（Fine-tuning）指在预训练模型基础上，用特定任务数据继续训练、更新模型参数，使其行为、风格或输出格式稳定符合业务需求的技术手段。
展开
判断该不该微调，先分清要改什么：改「怎么做事」——输出风格、结构化格式、对固定流程的遵循度——微调有效；补「知道什么」——事实、文档、频繁更新的知识——微调是错配，知识会过期、无法溯源，正确工具是检索增强生成。常见误用还包括用微调治幻觉，方向反了；以及低估数据门槛，几百条脏标注微调出的模型会把坏习惯固化得更深。与提示词工程的辨析：提示词改的是单次调用的条件，不改参数，适合快速迭代；当提示词已经长到难维护、且行为要求高度稳定时，才是微调的合理起点。
FDE 交付视角，微调把模型变成客户的长期资产：版本管理、评测回归、再训练计划、推理基础设施都随之而来。国内开源生态让训练门槛降低，但签约前要把这笔运维责任写进范围，否则它会变成交付方隐性负债。