Prompt Engineering:提示词 - 通过设计输入文本来引导模型输出 - 不修改模型参数 - 适合快速迭代场景 Supervised Fine-Tuning:模型精调 - 使用标注数据微调模型参数 - 需要训练资源 - 适合专业化场景 Prompt典型案例: 1. 添加&quot;逐步思考&quot;提升推理能力 2. 角色设定&quot;你是一位资深律师...&quot; 3. 输出格式控制&quot;用Markdown表格展示...&quot; SFT典型案例: 1. 医疗问答数据微调 2. 客服对话场景优化 3. 法律文书生成专项优化 Prompt优势: ✓ 零训练成本 ✓ 即时生效 ✓ 灵活可调 ✓ 保留通用性 Prompt劣势: ✗ 专业领域效果有限 ✗ 提示设计需要经验 ✗ 输出稳定性较低 SFT优势: ✓ 领域适应性强 ✓ 输出质量稳定 ✓ 可处理复杂任务 ✓ 减少提示长度 SFT劣势: ✗ 需要标注数据 ✗ 训练成本高 ✗ 迭代周期长 ✗ 可能过拟合 ## 产品决策建议 • MVP阶段优先Prompt • 核心业务场景采用SFT • 混合方案：通用能力+专项优化 • 考虑：数据/算力/时效/效果的平衡 #牛客激励计划# #产品经理# #数据人的面试交流地# #AI了，我在打一种很新的工# #产品每日一题# #牛客AI配图神器#

字节风控一面

全站热榜

创作者周榜