决策专题
Why Finetune
Why Finetune 是一个决策框架——帮助你在微调和 RAG 之间做出选择。这不是"谁更好"的问题，而是"你的场景更适合哪个"。
① 一句话定义
Why Finetune（什么时候该微调）是一个技术决策框架，帮助开发者和产品经理在微调（Fine-tuning）和 RAG（检索增强生成）之间做出选择。两者不互斥，但知道什么时候优先用哪个，是 AI 产品设计的基本功。
⑤ 常见误区
误区：微调能替代好的 Prompt 工程——微调不能。如果 Prompt 写不好，微调后的模型大概率也表现不佳。微调是"锦上添花"不是"雪中送炭"。
更多
优先微调的场景：你需要在模型的"行为"层面做出改变——风格、语气、输出格式（如始终输出 JSON）；你的领域有高度专业化的术语和表达模式，RAG 无法覆盖（如某公司的内部代码规范、专利法律文书格式）；你需要极低的推理延迟（微调后不需要检索步骤，模型直接回答）。优先 RAG 的场景：任务是基于"已知文档回答问题"，文档频繁更新（微调的知识会过时）；你需要引用来源（RAG 天然知道回答来自哪个文档）；你没有足够的高质量微调数据。两者结合的场景：微调让模型学会你的领域语言，RAG 提供最新的事实信息——"微调+RAG"在很多高要求场景下效果最优。
「When in doubt, start with RAG. RAG 更简单、更可控、更容易迭代。只有在 RAG 明显无法满足需求时（行为模式改变、领域术语过于专深），再考虑微调。
」