提示词工程还是模型微调：企业定制路线怎么选

企业做 AI 定制，几乎都会卡在同一个岔路口：是花力气写好提示词，还是干脆微调一个专属模型？这不是信仰之争，而是一道成本与效果的工程题。

一、先厘清三种手段

• 提示词工程：零训练成本，改起来快，适合规则、格式、few-shot 能解决的问题。
• RAG：解决"知识"问题——把外部资料检索进来，时效与溯源最好。
• 微调（LoRA 等）：解决"风格与能力"问题——固定输出格式、行业话术、特定任务模式。

二、四维决策框架

看数据：有几千条高质量样本才谈微调，否则先做提示词与 RAG。看成本：微调有训练与持续维护成本，模型一升级就得重来。看时效：知识频繁变化选 RAG，能力相对稳定选微调。看可控：需要严格格式与合规话术，微调更稳。

三、务实的组合拳

多数成熟方案是"提示词打底 + RAG 供知识 + 轻量 LoRA 固风格"。先用最便宜的手段验证价值，确认收益后再逐级加码，避免一上来就陷入微调的沉没成本。

不要为了"看起来专业"去微调。真正的问题往往能用一段好提示词和一套好检索解决——把力气花在数据质量和评测集上，回报更高。