待验证50% 置信事实精确时间
Prompting、RAG 与 Fine-tuning 三者是可组合的：一个微调过的模型照样可以使用提示词、检索和工具调用。
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证微调适合让模型学习特定输出风格或领域语气，而RAG通过外挂知识库实现即改即用，两者在工程中常结合使用80% 相似待验证大模型应用开发可分为三个递进层级：提示词工程、RAG检索增强生成、模型微调76% 相似待验证三种RAG路线并非互斥，实际工程中可采用混合架构：用向量检索做初步召回，用图谱结构做关系推理，用编译层做知识管理和溯源76% 相似待验证论文提出了三阶段的MoR-Tuning调优流程，逐步引导模型在多模态输入上进行合理的递归稀疏74% 相似待验证传统上，大模型的记忆主要依赖三种方式：系统提示词（System Prompt）、检索增强生成（RAG）以及微调（Fine-tuning）73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1006066API
curl https://kongchang.com/api/v1/knowledge/claims/1006066MCP
get_claim(id=1006066)