企业落地大模型的路径选择：微调、RAG、提示词工程

一、大模型的特点

1）不确定性 与传统应用不同，模型的输出是不确定的，即使多次问它一样的问题，给出的结果也可能不一样。这种特性对于日常应用业务 OK，但是如果要在企业内用来处理具体业务问题，就必须提高这个稳定性，否则影响生产经营，例如产线操作人员通过模型获取操作步骤或者参数，如果步骤或者数据不对可能会导致产品出现质量问题等等。

2）静态性 模型一旦训练好，就无法再补充数据，因此模型不会了解你自己组织内部的年假规定，注意事项。如何让大模型掌握这些数据是另外一个需要解决的问题。

上述问题会影响大模型在企业内部的使用，因此针对模型的优化主要会有 两个方向：

行为优化： 对应上图横轴，横轴表示大模型的表现能力，让大模型做它原来不会做的事情，例如以一个医学专家的方式进行表达，或者其他新的方式进行表达，并且它能理解。这个维度主要解决模型输出形式上的稳定性。

上下文优化： 对应上图竖轴，竖轴表示大模型的知识能力，这个纬度主要关注私域数据，是让模型知道它所不知道的事情，包括：模型训练中从未见过的数据，比如内部代码、文档、规范、策略等。这个维度主要解决模型输出内容上的相关性。

二、针对大