提示工程、RAG 还有微调在工程当中应该怎么选择，今天小余哥来给大家讲清楚。
那首先呢，我们要弄清楚大模型是怎么训练出来的。
训练大模型，首先需要海量的数据，然后通过训练的方法来构造一个大模型。然后这个大模型，其实它具备了非常多的能力，因为我们在训练的过程里面，其实使用到的数据是非常多样化的，包括金融数据、医疗数据、智能制造的数据、教育数据，还有好多好多其他行业的数据。
然后从另外一个角度，我们可以把这个大模型比作是智能化的大脑，比如说一个人的大脑。那假如这个人就是我，而且具备了各种能力，比如说 AI 的能力、金融科技的能力、医疗领域的能力、管理能力，还有一些其他的能力。那下面，我通过一个案例给大家讲一下这三者之间的主要的区别是什么。那假如屏幕前的你有一个问题想问我，所以你找到了我，然后问了一个问题，但是很不幸我没有给出你想要的答案。所以我们接下来要剖析一下为什么没有给出一个正确的答案。那这里，可能有三种不同的情况要考虑。那第一种情况，其实也比较容易想到的，就是你可能没有问清楚，就是你没有让我明白你到底想做什么。所以这个时候，就是要把这个问题整理成一个让我能听得懂，然后更详细的一种方式要传递给我，我才能有可能帮到你。那这个过程本质上对应到提示工程，如果我们接下来使用提示工程的方法能解决这个问题，那我们就结束了。如果还是没有解决，我们要考虑第二种情况。那有可能是我欠缺相关领域的知识。那打个比方，如果你问了我一个 AI 加建筑的问题，其实我对 AI 比较熟悉，但对建筑其实不太熟悉的，而且我曾也服务过很多其他行业的企业，所以我本身掌握一定的方法论，但是因为我不知道相关的知识，所以我目前是帮不到你。所以这个时候怎么办，一个正确的方案是给我讲清楚问题，最好围绕问题给我把建筑行业的相关的一些背景知识给我讲清楚，让我至少明白问题的背景、问题的场景以及要解决的问题本身，有了这些相关的知识，我们也把它叫做上下文之后，我有可能帮到你。那这个实际上对应到 RAG。那如果用 RAG 也没有办法解决，那我们可能要去考虑第三个原因，有可能是我自身的能力不足。那这里就涉及到我的解决方案的能力需要有待提高，还有方法论也需要有待提高。所以这时候，我可能要反过来去提升我自己，因为基于现在的能力，即便你给我提供了很详细的相关的知识，让我弄清楚了这个问题本身，我可能也没有办法帮到你。所以等我提高我自己之后，我再反过来帮你，有可能可以给你一个正确的回复。那第三个，实际上对应到模型的微调，就是不要再去抱怨外部的环境，而是先重点提高自己。所以微调本身，也是对大模型本身的一个改造，但是一和二其实对大模型是没有做任何的改造的。所以在工程当中，我们的做事的方式也是从提示工程开始到 RAG，然后最后到模型的微调，不要一开始就要做微调，这个是在工程当中不可取的。
