工程方法
微调（Fine-tuning）是什么意思？
在预训练模型基础上，用领域数据继续训练，使模型稳定掌握特定风格、格式或知识。主流平台提供 SFT 微调服务。
微调适合「固定模式、高频调用」的场景（固定格式抽取、品牌语气、垂直领域问答），不适合知识频繁更新的场景（那应该用 RAG）。决策顺序建议：先试提示词工程 → 不够再试 RAG → 仍有大量重复模式才考虑微调——成本和维护复杂度依次上升。
适用场景
理解 AI 工具能力边界
辅助工具选型和方案沟通
建立可复核的 AI 工作流
常见误区
概念不能替代具体工具测试。
正式上线前仍要评估成本、权限、合规和可维护性。
如何用于工具选型
先确认这个概念解决的是能力问题、流程问题还是工程问题，再回到具体工具详情页核对官网入口、价格模式、支持语言、平台能力、最近核验日期和不适用边界。涉及团队或商业使用时，还要单独检查权限、数据策略、商用授权和替代方案。
