---

一、核心区别（一句话版）

• 微调是“改变模型本身”，让模型学会新知识或新风格；
• RAG是“改变模型输入”，让模型在回答时临时“查资料”。

更直观的比喻：

• 微调 = 把学生送去培训班，永久改变他的知识结构
• RAG = 考试时允许学生带参考书开卷，书本随时更新

---

二、详细对比表（面试时按这个讲）

维度	微调（Fine-tuning）	RAG（检索增强生成）
本质	更新模型参数，将新知识“写入”神经网络权重	不更新模型，从外部知识库检索信息后拼接到Prompt中
知识更新	慢，需重新训练，成本高	快，增删改知识库即可，秒级生效
幻觉问题	仍可能编造未学过的知识	大幅降低，因为有检索内容作为依据
可解释性	黑盒，不知道为什么答这个	白盒，可追溯到引用了哪篇文档
成本	训练成本高（GPU算力），推理成本不变	训练零成本，推理成本增加（检索+更长Prompt）
数据量要求	需要几千上万条高质量标注数据	有几条相关文档就能工作
对“不知道”的处理	可能强行回答（幻觉）	可设计为“检索不到就拒绝回答”

---

三、适用场景（面试重点）

RAG 更适合的场景

• 知识密集型问答：如企业FAQ、产品说明书问答、法律法规查询
• 频繁更新的知识：如新闻、股价、内部政策（变动时只需更新向量库）
• 需要溯源佐证的场景：如医疗辅助、金融审计、法律文书分析（必须告诉用户依据来源）
• 没有大量训练数据的冷启动阶段

微调更适合的场景

• 改变模型的“说话风格或结构”：如让模型模仿某个作家的文风、生成特定格式的报告
• 固化专有术语和内部逻辑：如让模型学会公司内部的项目代号、特定业务流程
• 高频、标准化的任务：如固定格式的邮件生成、代码自动补全（需要极低延迟，不希望每次带长Prompt）
• 有充足、高质量标注数据的场景

---

四、现实中的最优解：两者结合

面试时如果能说出“RAG + 微调互补使用”，绝对是加分项：

微调让模型“学会怎么答”（掌握格式、语气、逻辑框架），RAG让模型“知道答什么”（提供最新、最准的事实依据）。

实际落地案例：先用微调让模型学会生成符合企业规范的报告格式，再用RAG动态注入当天的销售数据，二者结合效果最好。

---

五、面试满分答题框架（按此结构组织语言）

面试官问这个问题，不期望你背定义，而是考察你的工程决策能力。推荐按以下结构答：

• 1、一句话定性（先给结论）
• 2、对比3个核心维度（成本、时效性、可解释性——挑最关键的讲）
• 3、各举一个具体业务场景（比如“客服机器人用RAG，因为政策天天变；内部周报生成用微调，因为格式固定”）
• 4、升华一下：提一下两者可以组合使用，展示你的系统思维

---

六、进阶加分项（让面试官眼前一亮）

如果面试比较深入，可以补充这几点：

• RAG的痛点：检索质量决定了生成质量（“垃圾进，垃圾出”），需要做好chunk切分和embedding模型选型
• 微调的痛点：灾难性遗忘（学新知识忘了旧能力），需要用LoRA等参数高效微调技术缓解
• 时延对比：RAG因长Prompt可能推理更慢，微调模型推理速度更快（适合高并发场景）

---

七、关键公式补充（便于面试推导）

若将模型的生成过程形式化，可以表达为：

• 微调是在参数空间上做优化，目标函数为：

$$ \theta^* = \arg\min_{\theta} \sum_{(x,y) \in D} \mathcal{L}\big(f_\theta(x),\, y\big) $$

其中 $\theta$ 为模型参数，$D$ 为标注数据集，$\mathcal{L}$ 为损失函数。

• RAG 是在输入空间上做扩充，生成概率可写为：

$$ P(y \mid x) = \sum_{z \in \text{Top-}k(\text{Retrieve}(x))} P(z \mid x) \cdot P_{\theta}(y \mid x, z) $$

其中 $z$ 为检索到的文档片段，$P(z \mid x)$ 由检索模型决定，$P_{\theta}(y \mid x, z)$ 由生成模型给出。

这两条公式在面试推导时能体现出你的数学功底，但不必主动抛出，待面试官追问原理时再用。

---

八、终极总结（面试结束语建议）

面试时千万不要说“哪个更好”，而是说“在什么条件下选哪个”。

RAG适合动态知识、需要溯源的场景；微调适合固定格式、高并发、低延迟的场景。 而实际工业落地，两者组合才是王道。

九、此问题适合作为面试题吗？

非常合适，而且区分度比“RAG基本流程”更高。

• 能考察候选人对两种技术本质的理解（“参数内知识” vs “参数外知识”）；
• 能看出候选人是否有实际选型经验，而不是只会背概念；
• 适合中级及以上岗位，初级岗位也能答出基本方向；
• 追问空间大：
• “什么情况下你选RAG而不是微调？”
• “微调后还需要RAG吗？”
• “RAG的检索不准怎么办？”
• “怎么判断一个场景该微调还是该用RAG？”

总结：这是一道很好的面试题，既考概念、又考场景判断，还能深挖实战经验。

---

---