这一章是全书的分水岭。前八章的所有手段——提示词、上下文、工具、评估——都不改变模型本身，只是在模型外面做文章。从这一章起我们要动模型本身了。所以必须先把门槛讲清楚：到底什么信号说明「外面做文章」这条路走到头了？动模型很贵，动错了更贵。
一个核心区分：缺知识，还是缺行为
模型答得不好，原因只有两大类，而它们的解法完全不同：
缺知识：模型不知道你公司的退款政策，因为训练数据里没有。解法是把知识在推理时喂给它——RAG、上下文工程，第四章已经讲过。知识会过时、会更新，放在上下文里随时换，最灵活。
缺行为：知识模型都有，但它做的样子不对。输出格式总不符合你们系统的古怪约定；语气总是不像你们的品牌；某类边界情况反复判断错，提示词里加了规则、给了例子，好两天又犯。这是「行为模式」问题——你要改的不是它知道什么，而是它的习惯。习惯写在模型的权重里，改习惯就得动权重，也就是微调。
大白话：不知道的事，查资料（RAG）；改不掉的毛病，改造本人（微调）。把知识问题误当行为问题去微调，是最常见也最贵的错误——你会把一个明天就过期的政策，焊死进模型的权重里。
五个到顶的信号
具体什么信号说明该认真考虑微调了？五个，按可信度排序：
- 提示词越来越长、越来越脆。几百行的提示词，全是补丁，改一处崩三处——说明你在用自然语言描述一个本该用权重承载的行为模式。
- 少样本示例塞不下。要把边界情况讲全需要五十个例子，上下文装不下、装下也付不起钱——说明这个行为的复杂度超过了提示词的带宽。
- 评估集上某类错误率压不下去。注意前提：有评估集。没有评估数据支撑的「感觉提示词到顶了」，一律是错觉。
- 成本或延迟被逼到墙角。第八章的尽头：每次调用都靠大模型加超长提示词维持行为，量一大就烧钱。微调后的小模型可以把行为「内置」，提示词缩回几十行。
- 一致性要求极高。比如合规场景，输出格式必须 99.99% 稳定。提示词给的是统计意义上的稳定，微调能把行为钉得更死。
反向的刹车：什么时候千万别微调
同样重要的是刹车清单。出现以下情况，微调基本是错的投资：
- 问题其实是知识缺失——回去做 RAG。
- 评估集都没有——你既无法判断微调有没有用，也无法防止它把别的能力训坏。先补第六章的课。
- 数据凑不齐几百条高质量样例——微调的效果上限由数据质量决定，凑不出好数据，训出来的是退步。这是下一章的主题。
- 需求还在快速变——行为每周都在改，用提示词迭代是分钟级，微调迭代是天级。敏捷期用提示词，稳定后再固化。
架构师的判断框架
把这一章浓缩成一句决策口诀：知识进上下文，行为进权重；先用提示词探路，用评估确认到顶，再用微调固化。这个顺序不能反——微调是「把探明的路铺成柏油」，在探明之前铺路，只是把弯路修得更贵。
确认该微调之后，真正的硬仗不是训练本身，而是训练之前的那一步：数据。业内的说法是，微调项目九成的工作量在数据上。下一章看看这九成到底在干什么。