很多企业分不清 RAG 和微调的分工。一句话概括：RAG 解决“模型知道你的知识”，微调解决“模型学会你的风格与任务”。当你的需求超出知识范畴、涉及表达方式与任务模式时，就该考虑微调了。
电商场景里值得微调的任务
- 品牌口吻文案。让模型写出统一品牌调性的商品文案与社媒内容——风格很难靠提示词稳定复现，微调可以。
- 垂直任务模型。评论情感分类、退货原因归类、商品类目预测——微调后的小模型比通用大模型又准又便宜。
- 专属客服话术。把优秀客服的应答模式训练进模型，服务质量不再依赖个体。
微调的实操路径
数据准备是 80% 的工作：几千到几万条高质量样本（输入-输出对），格式统一、质量均衡。技术上，LoRA 等参数高效微调方法让成本降到万元级，普通业务团队可以负担。评估要建独立测试集，防止“训练集上很好、真实场景拉胯”的过拟合陷阱。
何时不要微调
知识频繁更新的场景（价格、库存、活动）用 RAG；需求还模糊的场景先用提示词验证；数据量不足百条的任务老老实实用提示工程。微调是把好刀，但不是所有问题都是钉子。