微调 vs Prompt Engineering：何时该训练自己的模型

核心问题

面对一个 AI 任务，应该用 Prompt Engineering 还是 Fine-tuning？这不是一个非此即彼的选择。

任务定义清晰，可以通过少量示例描述

对延迟敏感，需要快速响应

数据量有限（< 1000 条）

需要快速迭代验证

需要特定的输出风格或格式

任务需要领域专业知识

数据量充足（> 1000 条高质量标注数据）

对成本敏感（减少 token 消耗）

**先用 Prompt**：总是从 Prompt Engineering 开始

**评估差距**：量化当前效果与目标效果的差距

**分析瓶颈**：判断瓶颈是模型能力还是上下文限制

**渐进微调**：从小数据集开始，逐步扩大

以日均 10 万次调用为例：

Prompt Engineering：月均 API 费用约 ¥15,000

Fine-tuning：一次性训练费用 ¥2,000 + 月均 API 费用 ¥5,000

两者不是替代关系，而是互补关系。优秀的 AI 应用往往同时使用两种技术。