作者：先说一个可能得罪同行的结论：这两年我们接手评估的企业AI项目里，十家有九家，用RAG就足够了，微调属于花冤枉钱。剩下那一家真用上微调的，也只是RAG跑顺之后的锦上添花。
但市场上听到的声音恰恰相反——卖微调服务的说微调才叫“深度定制”，卖一体机的说“私有化微调才安全”。企业AI选型这一步要是走错了，后面花的每一分钱都在给错误买单。这篇文章把这事用大白话讲清楚。
先弄懂：开卷考试和背书
RAG和微调的差别，可以用考试打比方。
RAG是开卷考试：模型答题前先去资料库里翻一遍，找到相关段落，照着组织答案。资料随时能换、能加，今天更新了价格表，明天它就能答新价格。知识始终存在你的文档里，不进模型。
微调是让学生背书：把知识揉进模型参数里，训练完就“长”在它脑子里了。听起来很彻底，代价是——想改知识？重新训练。知识过期了？重新训练。发现学歪了？还是重新训练。
企业面对的问题，绝大多数是“答什么”的问题：产品参数、售后政策、内部制度、行业资料。这些知识天天在变，天然适合放在随时能更新的资料库里。这就是为什么我们说，九成场景RAG够用。
拿最常见的售后问答来说：客户问“这台设备保修几年”，RAG的做法是先检索出保修政策那段文档，再照着组织语言回答，文档一更新，答案立刻跟着变。微调的做法是把历史问答成千上万条喂进去练，练完它“记住了”——至于记住的是2024版还是2026版的政策，没人说得清。
微调的账，很多人只算了第一笔
供应商报价单上，微调项目的数字通常比RAG高出一大截——这不难理解，工作量摆在那。容易被忽略的是后面的账。
第一笔是数据准备。微调需要几千条起步的高质量问答语料，谁来做？业务人员没时间，外包标注不懂业务，这一步的钱和时间常常超预期。第二笔是更新。业务规则一变，语料重新整理、重新训练、重新评估，一轮下来少则几天多则几周（以2026年市场行情为参考，一次正式的微调训练加上数据准备，费用在几万到几十万之间，看数据量和模型规模）。第三笔最隐蔽：效果不可控。模型可能把语料里的表达习惯学走了，顺带把别的知识带偏，调一次塌一次，返工成本没底。
RAG呢？知识错了改文档，当天生效。出了问题能定位到具体是哪段资料没覆盖，补上就行。还有第四笔账容易被漏掉：供应商锁定。模型参数调在别人手里，第二年续费时报价怎么涨、原语料给不给你，主动权都不在你这边；RAG的资料库永远是你自己的资产，换模型、换服务商，资料原样带走。
什么情况才真该考虑微调
不是全盘否定，几种场景微调确实是正解：一是输出的格式和腔调比知识本身更重要的场景，比如要稳定产出特定结构的合同摘要、固定风格的商品文案，通用模型总差一口气；二是要部署在本地的小参数模型上跑专业领域——模型小，底子薄，微调帮它补上领域词汇和能力；三是行业黑话浓度极高的领域，不喂语料它连问题都读不懂。
注意这三条的共同点：问题都出在“怎么说”，而不是“答什么”。这就是判断口诀——纠结答案内容，上RAG；纠结表达方式，才谈微调。两个都要，也是先RAG后微调。
给正在选型的人三个建议
最实惠的一步：先花两周做个RAG原型再谈别的。把手头资料整理出最小可用的一版，接上任意主流模型测试，多数人到这一步就会发现——已经够用了。原型不用精致，能答对七八成问题就有判断价值。
再一个，凡是销售开口就是“微调大模型”，却没问你有多少语料、谁来做标注的，建议换一家聊。真正做过交付的人，第一个问题一定是“你的数据在哪、谁维护”。
最后一条，别被“定制”两个字打动。定制知识库和定制模型参数是两回事，后者才是贵的那部分，而多数业务要的其实是前者。
选型这一步走对，后面每一分钱都花在刀刃上。拿不准自己的场景属于哪一类，欢迎把业务情况发给玉雀科技（电话 18616880101），或者通过联系我们留言，我们按场景帮你判断走哪条路——判断本身不收费，讲清楚为止。相关能力可以先看看我们的企业AI解决方案。