零基礎入門 · 小白三千問

微調是什麼？和「餵資料」有什麼區別？

微調是送 AI 重新上課，把知識練進它身體裏；餵資料（也叫知識庫、RAG）是讓它開卷考試，隨用隨查。多數公司真正需要的，其實是後者。

老闆説「把公司資料餵給 AI」，供應商説「給你們微調一個專屬模型」，聽着像一回事，報價能差出幾百倍。這一頁用「上課」和「開卷考試」兩個比方，幫你把這筆帳算清楚。

一句話回答

微調是送 AI 重新上課，把知識練進它身體裏；餵資料（也叫知識庫、RAG）是讓它開卷考試，隨用隨查。多數公司真正需要的，其實是後者。

看個演示 · 上課 vs 開卷，並排比一比

同一個目標：讓 AI 會回答你公司的問題。左邊走「微調」這條路，右邊走「餵資料」這條路。點下面的按鈕，看兩條路各要經歷什麼。

🏫微調：送去重新上課

週期以周計 · 花費以萬計

📚餵資料：開卷考試

當天生效 · 花費小得多

一句話總結：改「性格」才需要上課，查「知識」開卷就夠了。

注意一個關鍵差別：微調改變的是模型本身，像把知識練成了肌肉記憶；餵資料完全沒動模型，只是考試時允許它翻書。所以資料一更新，開卷這邊換本書就行，上課那邊就得重新讀一遍。

對號入座 · 你的場景該選哪個

道理懂了，落到具體事上怎麼選？下面四個是企業裏最常見的場景，點一個試試，看推薦方案和理由。

一張表看懂兩條路

那到底該怎麼選

給你一個省錢的順序：先試提示詞，再掛知識庫，最後才考慮微調。很多「必須微調」的需求，認真寫一段提示詞就解決了；再不夠，掛上知識庫讓它開卷；兩樣都試過還差口氣，那才輪到花大錢送它上課。順便提醒：飯局上有人説「我們訓了個模型」，多數時候他做的只是前兩步，這一頁幫你聽懂他到底幹了什麼。

還有一個實用信號：如果你的需求裏有「查」這個字，例如查制度、查價格、查文檔，那基本就是知識庫的活。想看知識庫內部到底怎麼運轉，可以接着讀企業都在建的「知識庫」是什麼。