微调 vs RAG：怎么选 Fine-tuning vs RAG: which to use

教会模型「知识和事实」用 RAG（随时更新、可溯源）；教会模型「格式和风格」用微调（内化成能力）。多数业务场景 RAG 优先——成本更低、迭代更快。

相关术语

RAG（检索增强生成）

回答前先从外部知识库检索相关资料，再交给模型生成答案。解决模型知识过时与“一本正经胡说”的问题，企业知识库问答的标准架构。

大语言模型（LLM）智能体（Agent）

微调（Fine-tuning）

在预训练模型基础上，用自己领域的数据继续训练，让模型的风格与能力向特定任务靠拢。比 RAG 更改变模型的“本能”，成本与门槛也更高。

大语言模型（LLM）RLHF（人类反馈强化学习）

Agentic RAG

让模型自己决定「查什么、查几次、够不够」的检索增强：多轮调用检索工具、评估结果质量后再作答。比一次性检索更准，也更慢更贵。

RAG（检索增强生成）智能体（Agent）向量数据库