01 · PROMPT
提示改输入 Prompt changes input
每次请求带上任务、约束或示例，不改基础参数。 Each request carries tasks, constraints, or examples without changing base parameters.
01 · 先从日常问题开始
01 · Start with an everyday question
员工临时看一张操作卡，和参加两周培训后形成习惯——这两种改变会留在同一个地方吗？ An employee reads a one-off job aid versus trains for two weeks. Do those changes live in the same place?
02 同一需求走三条轨，只看哪里动了参数 Route One Need Three Ways and Watch Which Changes Parameters
选择路线并调样本数 choose route + examples
参数变化
Parameter change
—
toy Δθ
上线成本
Upfront cost
—
relative units
回滚难度
Rollback effort
—
relative level
03 三条路线改变的是不同层 The Three Routes Change Different Layers
把刚才的变化拆开 Map the change to parts02 · RAG
检索改上下文 Retrieval changes context
在推理时加入外部证据，知识可更新，参数保持不变。 External evidence enters at inference time; knowledge can update while parameters stay fixed.
03 · FT
微调改参数 Fine-tuning changes parameters
用适配数据继续训练，行为变化进入新版本权重。 Continued training on adaptation data moves behavior into a new parameter version.
04 · OPS
版本与回滚 Version and rollback
改参数后必须保存基线、检查点和可切换版本。 Parameter changes require a baseline, checkpoints, and switchable versions.
04 最小判别：有没有发生参数更新 Minimal Test: Did Parameters Update?
fine-tune: θ′ = θ − ηg
prompt/RAG: θ′ = θ
fine-tune: θ′ = θ − ηg
fine-tune: θ′ = θ − ηg
三条轨使用同一需求。提示和检索改变当前输入；只有微调根据适配样本计算更新并产生新参数版本。
All routes receive the same need. Prompting and retrieval change
current input; only fine-tuning computes updates from adaptation
examples and creates a new parameter version.
同一业务需求
Same business need
固定比较起点
fix the comparison
选择控制层
Choose control layer
输入、上下文或参数
input, context, or parameters
比较成本回滚
Compare cost and rollback
按变化位置治理
govern where change lives
05 边界实验：零样本也叫微调 Boundary Test: Call Zero Examples Fine-tuning
主动制造失败 Create a failure选择微调，却不给任何适配样本 Choose fine-tuning with no adaptation examples
没有样本就没有更新方向；即使按钮写着“微调”，参数变化仍为 0。 Without examples there is no update direction. A button labeled fine-tune still produces zero parameter change.
尚未执行。先在上方改变主变量。
Not run yet. Change the main variable above first.
✗ 把文档塞进提示就是微调。
Putting documents in a prompt is fine-tuning.
→ ✓ 那是改变上下文，基础参数不变。
That changes context; base parameters stay fixed.
✗ 微调后无需保留旧版本。
The old version is unnecessary after fine-tuning.
→ ✓ 参数变化必须支持检查点与回滚。
Parameter changes require checkpoints and
rollback.
✗ 任何需求都应优先微调。
Fine-tune every new need first.
→ ✓ 先比较提示、检索、成本与更新频率。
Compare prompting, retrieval, cost, and update frequency
first.
06 · 一句话带走
06 · One line to keep