想让 AI 回答公司最新制度，你需要的多半不是“重新教它一遍”，而是让它先查文件。RAG（Retrieval-Augmented Generation，检索增强生成）会在回答前，从文档库找出相关片段，再连同问题交给模型。Maria Mouschoutzi 举例：模型原本不知道一家公司的所在地，但只要检索到写有地址的文档，就能据此作答。知识来自外部，模型本身并未改变。
微调（fine-tuning）解决的是另一类问题：用一批示例继续训练模型，把变化写进模型参数，让它更稳定地遵循特定格式、语气或任务模式。说白了，“模型不知道这个事实”，优先考虑 RAG；“模型知道材料，却总不按要求做”，才更像微调的问题。两者不是非要分出胜负的竞品：RAG 还依赖资料是否齐全、检索是否准确，而微调也不是一套能随时更新的资料库。先判断缺的是知识还是行为，往往比先争论技术路线更重要。