前两期讲清了名字和原理，这一期讲缩写。
缩写本身不难记，难的是知道自己该用哪个。见过太多团队，一个检索能解决的问题，非要去微调，调完发现知识还是旧的；也有反过来，把该微调的东西硬塞进提示词，提示词越堆越长，效果越来越差。
下面按用途分四组，每组说清楚它解决什么问题、什么场景该用、什么场景别用。
第一组：训练侧的四个缩写
SFT 指监督微调。拿成对的"输入加期望输出"继续训练，让模型学会特定任务的形式和口径。适合任务边界清晰、有稳定标注来源的场景，比如固定格式的工单分类、固定的报告结构。代价是需要几百到几千条高质量样本，脏样本比没样本更糟。
RLHF 指基于人类反馈的强化学习。先让人给多个回答排序，再训练一个奖励模型，用它来给模型打分并优化。适合"好不好很难写成规则"的场景，比如对话的自然度。代价是流程重、周期长。
DPO 指直接偏好优化。它绕开了奖励模型这一步，直接用偏好数据优化。这几年在中型团队里用得更多，因为它把成本压到了能接受的范围。
LoRA 指低秩适配。它不改原来的权重，只在旁边挂两个小矩阵，训练量能降到原来的百分之几。要换任务就把这层拔掉换一个，底座共用。QLoRA 是把量化和 LoRA 叠起来，让单张消费级显卡也能微调。这套东西的意义是，微调从"必须有钱有卡"变成了"一个工程师周末能试"。
第二组：使用侧的三个缩写
RAG 指检索增强生成。做法是把资料切块、转成向量存起来，提问时先检索最相关的几块，连同问题一起交给模型。它解决的是知识时效和私域知识问题，也顺手解决了"引用可追溯"。
什么时候该上 RAG：资料会变、需要出处、量很大但结构不规整。什么时候别上：任务本身就是模型能力问题，比如让它学会一种写作风格，检索再多也没用。
Function calling 指函数调用，也有人叫工具调用。模型不直接执行，而是输出一个结构化请求，由外部代码去执行，再把结果交回模型。这是把模型从"聊天"变成"能干活"的关键一步。
Agent 指智能体。本质是把上面的循环包起来，让它自己决定下一步做什么：先调工具，看结果，再调下一个，直到任务完成。工程上真正难的从来不是模型多聪明，而是权限、错误处理和死循环。
MCP 指模型上下文协议，作用是统一"模型调工具"的接口格式。以前每接一个系统就写一套胶水，现在按协议写一次，多个客户端都能用。对做设备侧的人来说这个概念值得关注，它迟早会出现在本地助手与工控设备的对接上。
第三组：结构与成本
MoE 指混合专家。模型里有很多专家子网络，每次只激活其中一小部分。好处是同等算力下能堆更大的参数量，坏处是对显存和调度更挑。
量化是把权重从高精度压到低精度，常见的是 FP16 到 INT8 再到 INT4。精度越低模型越小、跑得越快，但能力会掉。真要上端侧，量化几乎是绕不开的一步，关键是要在自己的任务上实测掉多少，而不是看论文里的平均分。
KV cache 是推理时缓存注意力中间结果的技术。不做缓存的话每生成一个词都要重算前面全部内容，慢到不可用。它占的显存不小，长对话显存暴涨多半是它。
上下文窗口前面说过，这里只补一句：窗口大不等于用得好，长上下文里模型对中段信息的注意力会下降，重要内容放开头和结尾更稳。
第四组：评测里的几个名字
MMLU 是学科知识题集合，偏通识。GSM8K 是小学数学应用题，专门检验推理步骤。HumanEval 是代码补全任务。这三个名字经常出现在模型发布页上，看的时候要明白，它们测的是能力倾向，不是你的场景。
真实选型别只看榜单。做法是拿自己的一百条真实任务做成小测集，跑一遍看通过率，这个数字比任何榜单都对你有意义。
一张选型表，收个尾
想让它改说话方式、调格式，先写提示词，成本最低。想让它知道你的资料，用 RAG，别微调。想让它稳定执行一类任务，样本够就上 SFT 或 LoRA。想让它自动跑流程，用 function calling 加 agent，但先把权限和超时卡死。
最后一句提醒。这套东西更新很快，缩写会变，思路不太会变：先问清楚自己缺的是知识、是形式、还是能力，再决定用哪个工具。顺序反了，花多少钱都白花。
