模型行為詞條 5-17
模型微調Fine-tuning
也常叫做：微調、Fine-tuning、模型調校
你可能會這樣說
公司想讓 AI 用固定口吻回客戶、熟記自家產品術語；聽說「微調」能拿自己的資料把現成模型再訓練一次，變成專屬版本。想了解它跟寫提示詞差在哪、什麼時候才需要。
白話解釋
模型微調是用你準備的範例資料，在現成模型上再訓練一輪，調整它的口吻與專長，產出一個「你家專屬版」的模型。
它和提示詞的差別在改的位置：提示是每次上工前交代清楚，微調是直接改它的腦——前者靈活便宜，後者效果深但需要備料與訓練成本。
順序很重要：先用提示與範例窮盡極限，仍得不到穩定風格時才微調；多數個人需求，走到提示工程就夠了。
親手試試
先試這個。
每次上工前交代身分、需求、格式——靈活、免錢、隨時改。
不夠穩就加範例。
附兩三組「輸入→期望輸出」，讓它照樣畫葫蘆。
要它答你家的資料？
先查文件再回答——資料更新時換文件就好，不用動模型。
前面全部失效才輪到它。
用你的資料再訓練一輪——效果深、成本高，九成的需求走不到這頁。
順序很重要：由便宜到昂貴、由可逆到不可逆，一頁一頁翻。
這樣對 AI 說
中文就可以
我在評估要不要微調模型，請幫我判斷： 1. 先列出用「提示詞加範例」就能解決的部分。 2. 說明哪些目標必須微調才可能達成，以及原因。 3. 盤點微調需要準備的資料格式與大約數量。 4. 給我一個先跑兩週提示詞方案的驗收標準。