[每日搜索】2026.08.25

1.Prompt · RAG · Fine‑tuning · Tool · Workflow · Agent扣子平台里也有这个能力给模型喂你的业务数据集在原有预训练模型权重基础上继续小范围训练让模型贴合你的部门业务话术、格式、内部知识。 区分开Prompt提示词改输入话术不改动模型权重零训练RAG检索增强外挂知识库模型本身不变Fine‑tuning实实在在更新模型权重做训练在你自建扣子类 Agent 平台里微调能干什么统一输出格式让模型稳定输出固定 JSON、固定报告模板减少 Agent 工具调用时输出非法 JSON降低解析报错。很多时候 prompt 写爆模型还是乱输出 JSON微调可以根治这个问题。学习部门内部话术、术语、业务习惯比如你们内部有大量专有名词、内部流程、固定回答范式靠 prompt 塞不下这么多样本少量几十几百条样本微调模型就学会业务说话风格。优化 Function‑call 工具调用能力如果你的内部工具参数多、业务特殊开源原生模型调用经常错参数。拿一批真实(问题正确tool_call)样本微调大幅提升工具调用准确率。对齐输出风格输出简短 / 正式 / 符合公司文档口吻不用每次 prompt 一大段约束。❗Fine‑tuning 和 RAG 怎么选部门自建平台关键点表格手段适合场景48G GPU 成本RAG大量文档、经常变更的知识推理阶段开销不用训练直接用Fine‑tuning固定格式、固定输出范式、工具调用、固定话术不适合存海量实时变化知识需要单独做训练占用显存要准备高质量样本重点提醒不要拿微调去记海量业务文档这是很多人踩的大坑。知识优先 RAG格式、行为、输出范式优先微调。