什么是微调（Fine-tuning）？什么场景需要它？

微调（Fine-tuning）指拿一个已经训练好的大模型，用你自己的数据再训练若干轮，让它「学会」特定任务的输出风格或领域知识。常见形式有全参数微调（Full Fine-tuning）和参数高效微调（LoRA、QLoRA）。

适合微调的场景

• 输出格式固定：如要求模型始终输出严格 JSON、特定模板的日报
• 风格化写作：模仿某类文风、品牌口吻
• 专业术语与行话：让模型在特定行业（医疗、法律、金融）更「地道」

不建议微调的场景

如果你只是想让模型知道「公司新政策」「某个产品的最新参数」，优先用 RAG 或直接把资料写进提示词——因为微调成本高、周期长，且更新知识需要重新训练。

经验法则：能用提示词解决就不微调；需要动态知识用 RAG；需要固化输出格式和风格再考虑微调。