<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>模型定制 on AI 观察</title><link>https://ai.wujiong.cc/tags/%E6%A8%A1%E5%9E%8B%E5%AE%9A%E5%88%B6/</link><description>Recent content in 模型定制 on AI 观察</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Wed, 12 Aug 2026 14:23:58 +0800</lastBuildDate><atom:link href="https://ai.wujiong.cc/tags/%E6%A8%A1%E5%9E%8B%E5%AE%9A%E5%88%B6/index.xml" rel="self" type="application/rss+xml"/><item><title>微调还是提示词？大模型定制化的决策指南</title><link>https://ai.wujiong.cc/posts/2026-08-12-fine-tuning-vs-prompting/</link><pubDate>Wed, 12 Aug 2026 14:23:58 +0800</pubDate><guid>https://ai.wujiong.cc/posts/2026-08-12-fine-tuning-vs-prompting/</guid><description>&lt;p>很多团队在大模型项目初期都会纠结：要不要微调？微调听起来更“专业”，似乎能让模型真正掌握业务知识。但实际上，&lt;strong>大多数问题用提示工程和检索增强就能解决，微调更适合解决“行为和格式”问题，而不是“知识”问题。&lt;/strong> 选错方案，往往意味着投入大量数据标注和训练成本，却得不到预期效果。&lt;/p></description></item></channel></rss>