微调 vs RAG vs 提示工程：如何选择
面对私有知识或特定行为需求，系统对比三种技术路线的成本、效果与适用场景，给出决策框架。
三种路线一句话
- 提示工程（Prompt Engineering）：不改模型，只在输入上下功夫。几分钟见效，零训练成本；
- RAG：不改模型，把知识放进检索库，回答时注入。知识可随时更新、可溯源；
- 微调（Fine-tuning）：用私有数据继续训练模型，改变模型本身的行为、格式与风格。
决策框架：先问两个问题
问题一：模型缺的是"知识"还是"行为"？
- 知识（产品手册、实时数据、私有文档）→ RAG；
- 行为（固定输出格式、特定语气、领域任务模式）→ 先提示工程，不够再微调。
问题二：知识/行为多久变一次？
- 天天变 → 只能 RAG（微调追不上）；
- 季度级稳定 → 微调才值得考虑。
成本对比
| 提示工程 | RAG | 微调 | |
|---|---|---|---|
| 启动成本 | 小时级 | 天级 | 周级+GPU |
| 更新知识 | 改提示词 | 更新向量库 | 重新训练 |
| 可溯源 | 弱 | 强（引用） | 弱 |
| 降低幻觉 | 有限 | 显著 | 不一定 |
组合拳才是常态
生产级应用往往三者叠加：微调打底（稳定格式与风格）+ RAG 供知识（实时、可溯源）+ 提示工程调细节（每次迭代只需改 prompt）。顺序永远是：提示工程 → RAG → 微调，能用便宜的就不上贵的。
📝 课后练习
quiz-1 企业产品文档每周更新一次，要让问答机器人始终掌握最新内容，首选方案是？