架构师李哲
当 AI 落地到了“深水区”:到底是 Prompt 不行、RAG 不够,还是该考虑微调了?
原创
关注作者
腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
搜索
搜索
关闭
发布
架构师李哲
社区首页
>
专栏
>
当 AI 落地到了“深水区”:到底是 Prompt 不行、RAG 不够,还是该考虑微调了?
当 AI 落地到了“深水区”:到底是 Prompt 不行、RAG 不够,还是该考虑微调了?
架构师李哲
关注
发布于 2025-12-12 20:08:44
发布于 2025-12-12 20:08:44
248
0
举报
概述
大模型效果不稳时,问题往往不在“模型不够强”,而在 Prompt、RAG 和微调怎么配合用。本文给出一套系统性判断思路,并介绍如何借助 LLaMA-Factory Online 低门槛完成微调试水。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系
cloudcommunity@tencent.com
删除。
LLM
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系
cloudcommunity@tencent.com
删除。
LLM
评论
登录
后参与评论
0 条评论
热度
最新
推荐阅读
目录
先厘清三个“杠杆”:Prompt、基座模型和私域数据
如何判断:现在还是 Prompt 问题,还是已经接近能力上限?
1、做一个“Prompt 梯度测试”
2、确认:是模型“真的不会”,还是你“没问到点子上”
3、做一轮多模型对比,再决定是“换基座”还是“教会现有模型”
RAG:让模型“现查现用”的外脑,而不是万能钥匙
微调:从“懂行”到“懂你”的那一步
RAG 还是微调?关键是你要 AI 和业务“绑定到什么程度”
从“先能用”到“更好用”:为什么要提前准备一条微调路径?
大模型的“下半场”:从拼参数到炼数据
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档
0
0
0
推荐