如何定制模型让它学会新技能：从提示词、RAG 到 LoRA 与 QLoRA 微调

当提示词和 RAG 无法消除模型在特定任务上的反复偏差时，就需要通过微调把期望行为固化进模型参数。文章梳理了定制模型的路径：先用 few-shot prompting 和检索增强生成（RAG）补充信息，再用监督微调（SFT）训练模型，而 LoRA 和 QLoRA 通过减少需要调整的参数和显存占用，让微调现有模型更易落地。