模型什么都懂一点，但不懂你的行业话术、不懂你公司的格式、不懂你客户的那点偏好。
有人第一反应是"微调"。其实大部分情况不需要。
微调是什么
先给个准确定义。
模型训练完之后，拿一批你自己的数据（问答对、范文、标注样本），在它基础上再训练一小段时间。
不是从零训练，是"在已经毕业的学生身上，再补一门专业课"。
成本比从头训练低几个数量级，效果好起来很快。
微调能改变什么
说话方式。让它学会你的语气、你的行文风格、你的行业黑话。
输出格式。固定成你要的结构，不用每次交代。
特定任务。分类、抽取、判断，让它在这类任务上更稳。
领域知识。让它熟悉你所在行业的常见概念和说法。
微调不能改变什么
这点更重要。
它不能让你"更新知识"到最新。想让它知道新政策、新价格，正确做法是喂资料（RAG），不是微调。
它不能凭空造出事实。数据里没有的，微调也变不出来，还可能加重幻觉。
它不能替代好提示词。大部分"效果不好"，其实是提示词没写清。
先判断：你到底需要哪个
按这个顺序试，别跳步：
第一步，改提示词。把要求写清楚。八成问题在这一步就解决了。
第二步，给示例。给它两三个"标准答案"照着学。这一步能解决大部分格式问题。
第三步，挂知识库（RAG）。要它懂你的资料，喂进去查，不是微调。
第四步，才考虑微调。前三个都不够，且你有稳定的、成规模的数据，再上微调。
微调真要做的三个前提
一，数据够。通常要几百到几千条高质量样本。质量比数量重要——垃圾数据微调出来的是更会胡说。
二，数据整齐。格式统一、答案标准、边界清晰。你自己都说不清对错的样本，别喂进去。
三，能评估。得有一套评估方法，判断微调后到底是变好了还是变差了。凭感觉判断，容易白折腾。
一个更便宜的替代方案
现在很多平台支持"上传样本，自动微调"，价格不高，门槛很低。
如果只是想让输出更稳定、格式更统一，这条路可以先试。
但先想清楚：微调是有成本的维护——模型升级了，你得重新微调；数据变了，你得重新微调。 不是一次性投入。
一句话带走
微调是给模型补一门专业课，不是换个人。
改提示词、给示例、挂知识库——这三步能解决八成的需求。
真要做微调，先问自己：数据够不够整齐、有没有办法评估、以后愿不愿意维护。
下一篇：API 和 Token 计费——AI 到底在花你哪份钱。
