🎯 什麼情境該想到我
當提示工程與 RAG 都試過還不夠，開始考慮「要不要微調一個模型」時。
⚙️ 怎麼用（先分清問題屬於哪一類）
- 缺「知識/事實」 → 用 RAG（換文件即可更新，別微調）。
- 缺「行為/風格/格式」（要固定語氣、特定輸出樣式、遵循領域慣例）→ 微調較合適。
- 順序：提示工程 → RAG → 微調。越後面越貴、越慢、越難維護。
- 微調前提：要有足量、高品質的標註資料 + 可靠的 工具-AI系統評估 來證明它真的更好。
🧪 我實際套用的紀錄
- 2026-07-15：（待填）
⚠️ 注意
- 微調不會「教模型新事實」得可靠（仍會幻覺）；事實類需求優先 RAG。微調也會綁死模型版本、增加維運負擔。
🔗 相關工具
- 工具-提示工程 —— 三段順序的第一段，成本最低；多數「模型不聽話」的問題到這裡就解決了，不必走到微調
- 工具-RAG檢索增強生成 —— 判定屬於「缺知識/事實」時的正解：換文件就能更新，別為了灌事實去微調
- 工具-AI系統評估 —— 微調的硬前提，沒有可靠評估集就無法證明微調後真的比較好，只是換個貴的方式瞎調
- 工具-LLM微調實作路線 —— 判定「該微調」之後的下一步：Full／LoRA／QLoRA 怎麼選、要多少顯存