本文要点
- 三种路线解决的是不同问题：提示词解决"怎么说"，知识库解决"知道什么"，微调解决"怎么判断"
- 用四条判断线定位需求，可以避免把知识更新问题误当成微调问题
- 微调的前置条件是高质量样本和评测集，不是数据量
- 实际项目里三种路线通常是组合使用，而不是三选一
"我们要不要微调一个自己的模型？"这是企业做 AI 时最常见的问题之一。但这个问题本身问早了——先要判断的是：你要解决的问题，真的需要微调吗？
微调、知识库、提示词这三条路线经常被放在一起比较，但它们并不在同一个层面上竞争。分清楚各自解决什么，选型就简单很多。
三种路线分别解决什么问题
| 路线 | 本质 | 解决什么问题 | 典型表现 |
|---|---|---|---|
| 提示词工程 | 通过指令约束模型的输出方式 | 回答的语气、格式、角色、流程 | 成本低、见效快，但不改变模型的固有知识 |
| 知识库（RAG） | 检索企业资料后交给模型作答 | 模型不知道企业自己的信息 | 知识可随时更新，回答可追溯到原文 |
| 微调 | 用企业样本继续训练模型 | 模型需要形成稳定的专业判断或表达风格 | 周期长、要求高，但能稳定产出企业专属能力 |
一句话概括：提示词解决"怎么说"，知识库解决"知道什么"，微调解决"怎么判断"。
很多被当成微调需求的问题，其实是知识库问题。比如"模型不知道我们的产品参数"是知识问题；"模型不懂我们行业的术语习惯"可能是提示词问题；而"模型写的方案不符合我们内部的技术评审逻辑"，这才可能触及微调。
四条判断线
第一条：问题是知识缺失，还是能力缺失？
如果答案是"模型不知道我们公司的信息"，先建知识库。企业知识的更新频率通常很高，把它写进模型权重里是一种浪费——每次更新都要重新训练。知识库让内容保持可维护，改一份文档就能生效。
第二条：问题是表达不一致，还是判断不稳定？
如果只是回答语气、格式、称谓不统一，用提示词加模板就能解决大部分。只有当模型需要在专业场景下反复做出符合企业标准的判断（例如风险评估口径、技术方案取舍逻辑），微调才值得投入。
第三条：你们有没有足够的"标准答案"？
微调需要的是成对样本：输入 + 符合企业标准的正确输出。这往往比想象中难得到。多数企业的真实情况是能凑出大量历史文档，但很难说清哪一份是"标准做法"。没有人能定义正确答案，就没有办法训练出稳定能力。
第四条：你们能不能判断微调后是变好了还是变差了？
这是最容易被忽略、也最关键的一条。没有评测集，微调就是在盲调。 至少需要准备一批有代表性、有人工判定的测试问题，用来对比微调前后的表现。评测集不只是验收工具，它在整个过程中都决定方向。
关于微调的三个常见误区
误区一：数据越多效果越好。 样本质量的作用远大于数量。几百条高质量、贴近真实业务场景的样本，通常比几万条格式混乱的历史文档更有效。低质量数据混进来，模型学到的会是错误模式。
误区二：微调之后就不用知识库了。 微调擅长固化的能力和风格，不擅长承载频繁变化的事实信息。产品参数、价格政策、活动规则这类内容，仍然应该放在知识库里。
误区三：微调可以解决幻觉。 恰恰相反，微调如果用了不准确的数据，会加重模型的自信错误。控制幻觉更有效的方式是知识库加引用约束——让模型基于检索到的资料回答，并给出出处。
实际项目里通常是组合使用
真实的企业 AI 应用很少是单一技术路线。一个典型的客服型应用可能是这样的结构：
- 用提示词定义角色、语气与回答边界；
- 用知识库提供产品资料、政策文件和历史工单；
- 如果企业有大量特定领域的判断逻辑，再用微调让模型形成稳定的处理方式。
分层的价值在于成本和可维护性：能用提示词解决的不建知识库，能用知识库解决的不做微调。 每往上一层，投入和维护成本都会明显增加。
建议的判断顺序
准备启动项目时，可以按这个顺序走一遍：
- 先明确要解决的具体业务问题，以及判断成败的指标；
- 判断这个问题的瓶颈是知识、表达还是判断能力；
- 优先尝试成本最低的路线，观察实际差距在哪里；
- 只有当低成本路线明确触到天花板时，再评估微调；
- 无论选哪条路线，都先准备一批可复用的评测问题。
这个顺序不追求一步到位，但能避免在早期把预算花在不必要的训练上。
如果你不确定自己遇到的问题属于哪一类，或者已经有过一次效果不理想的尝试，欢迎联系我们。绿鸟软件提供企业专属模型的定制与微调服务，会先帮你判断技术路线是否必要，再给出实施建议。