一、五个问题，比「感觉」可靠

决策不该靠「我觉得模型不太行」。把判断拆成五个能打分的维度：

二、两个极端，最容易看清分界线

「每天变的价格表」：知识库分 14、微调分 -2。更新频率 5 分、时效要求 5 分、标注数据只有 1 分。 这种需求做微调就是自找麻烦：你今天把价格训进去，明天价格变了，模型张口就是旧价。 而且你没法靠「再训一版」追上变更节奏——标注、训练、评估、上线，一轮下来一周过去了。 「从不改的固定话术」：微调分 12、知识库分 0。风格要求 5 分、知识几乎不变。 这种需求反过来——知识库一点用都没有（它没有「新知识」可查），而微调一次投入、长期零成本。 这是微调最理想的场景：答案不变，只是说法不对。 中间那三行（公司制度问答、统一回复格式、专业术语改写）分得没那么干脆， 这正是这张表的价值：它逼你说清楚「更新频率到底是 3 还是 5」。说不清楚，说明需求还没想清楚， 先别动手。

三、一句话判断法

如果不想打分，就记一句话：「答案会变吗？」 会变 → 知识库。 价格、库存、政策、人员、活动规则，全是这一类。 不变、只是说法不对 → 微调。 格式、口吻、术语写法、判断口径，全是这一类。 这句话之所以好用，是因为它把技术选型翻译成了业务问题。 业务方能回答「答案会不会变」，回答不了「要不要上 LoRA」。 还有一句补充：两个都要，就先上知识库。因为知识库改起来快、能立刻验证效果； 等知识库稳定了，再决定要不要在「怎么说」上做微调。

四、三种情况，根本不该做

① 数据不够。 分类任务每种意图至少几百条，生成任务至少上千条。 只有几十条的时候，微调学到的是噪声——而且你会以为「训了没效果」是模型不行。 ② 问题其实在提示词。 很多人第一反应是「模型不懂我们的业务」， 实际上只是提示词里没写清楚输出格式。先花半小时把提示词写明白，能省掉两周的标注工作量。 ③ 没有评估。 微调前后要能对比，就得有一份固定的测试集和打分方式。 没有评估的微调，上线后没人说得清「到底变好了还是变坏了」。 三条里最容易被忽略的是第三条。 评估集最好和训练数据同时准备——等训完了再去凑测试题， 凑出来的题会不自觉地偏向「模型答得好的那类」。

五、动手 Demo：五项打分：价格表走知识库 14 分，固定话术走微调 12 分

把五个典型需求各按五个维度打 1 到 5 分， 用「知识库分 = 更新 × 2 + 时效 − 数据」和「微调分 = 风格 × 2 + 数据 − 更新」两式算分，看谁高。 权重是我拍的，要换口径直接改系数即可。

cases = [
    (u'公司制度问答',    5, 2, 1, 4, 3),
    (u'统一回复格式',    1, 3, 5, 2, 4),
    (u'专业术语改写',    3, 4, 4, 3, 3),
    (u'每天变的价格表',  5, 1, 1, 5, 2),
    (u'从不改的固定话术', 1, 3, 5, 1, 5),
]
for nm, upd, data, style, time_s, bud in cases:
    rag = upd * 2 + time_s - data      # 知识库倾向
    ft = style * 2 + data - upd        # 微调倾向
    print(nm, rag, ft, u'知识库' if rag >= ft and rag >= 8
          else (u'微调' if ft >= 8 else u'提示词'))

实跑输出：

--------------------------------------------------------------------
该不该微调：五项打分，别凭感觉决定
--------------------------------------------------------------------
  五项各打 1 到 5 分（5 分表示「高」），加减法得出建议：
  需求               更新   数据   风格   知识库分   微调分   建议
  -----------------------------------------------------------------
  公司制度问答          5      2      1         12       -1   知识库
  统一回复格式          1      3      5          1       12   微调
  专业术语改写          3      4      4          5        9   微调
  每天变的价格表        5      1      1         14       -2   知识库
  从不改的固定话术      1      3      5          0       12   微调

  看两个极端：
  **「每天变的价格表」**：知识库分 14、微调分 -2。**更新频率高、时效要求也高，微调必输**。
  你今天训完，明天就过期。
  **「从不改的固定话术」**：知识库分 0、微调分 12。**风格要求强、数据够、知识不变，微调最划算**。
  一次投入，长期零成本。

  评分规则本身不重要（我这里是 2 倍加权），重要的是**先问对五个问题**：
  1. 知识更新频率          1 到 5 分，自己打
  2. 标注数据多少          1 到 5 分，自己打
  3. 风格要求强度          1 到 5 分，自己打
  4. 时效要求              1 到 5 分，自己打
  5. 预算充足度            1 到 5 分，自己打
  **这张表里三行落在微调、两行落在知识库，分界线很干脆**：
  「更新频率」和「时效要求」两列同时高，微调就没戏；
  风格要求高、知识不怎么变，微调才站得住。
  **打分的用处不是算出一个分，是把「感觉」逼成五个具体问题。**

  还有一个更省事的判断法，一句话：
  **「答案会变吗？」会变 → 知识库。「答案不变，只是说法不对？」不变 → 微调。**
  前者要的是「知道新的」，后者要的是「说得像」。**两件事用错了手段，钱花了还没效果。**

五行里有三行落在微调、两行落在知识库。 分界线很干脆：更新频率和时效要求这两列同时高，微调就没戏。 看两个极端就够了。 「每天变的价格表」知识库 14、微调 -2——微调分是负的，因为它更新太频繁，越训越错。 「从不改的固定话术」反过来：知识库 0 分、微调 12 分。 没有新知识可查，知识库这条路的起点就是 0。 中间那三行值得细看。 「公司制度问答」知识库 12、微调 -1，说明制度类需求也偏知识库（制度会改、要求时效）； 「统一回复格式」知识库 1、微调 12，格式类需求毫无悬念。 诚实说明：这五个需求的分是我按经验打的，不是调研来的。换成你的业务重打分， 结论可能完全不同——这张表要学的是「问五个问题再算分」这个动作，不是这五行结论。

30 秒实验

1. 把「每天变的价格表」的标注数据从 1 分改成 4 分，看微调分涨到多少、建议会不会变。 数据多了，但时效要求还在，结论应该不变。
2. 把权重从 2 改成 1（不再强调更新频率），看哪几行的建议翻转。 这就是「口径变了、结论就变」的意思，也是为什么要先定口径。
3. 加一行你自己的真实需求，五项打分，看它落在哪边。 如果两边都不到 8 分，答案就是「先写提示词」。

常见误区

1. 「先训一版看看效果」。没有评估集的微调，训完也说不清好坏，反而多了一批要维护的权重。 先定评估，再决定训不训。
2. 「知识库和微调谁先进」。知识库改起来快、能立刻验证；先上知识库，稳定后再考虑微调。
3. 「数据不够就多训几轮补」。轮数补不了样本量，只会把几十条样本记得更死。数据不够就是不够。

决定要微调了，第一件事不是登录平台，是准备数据。下一节列一份能直接拿去训的数据要满足什么。

• ☐ （本节完，下一节 5.2.2 训练数据准备规范）

相关笔记

• 微调与长文本、知识库、预训练的区别
• 🧠 AI训练师手册2 · 索引