想让模型更懂你的业务，微调比重新训练便宜，但微调也分两种：全参微调改全部权重，LoRA 只加小适配器。选错，要么烧钱要么效果不到位。
快速结论
- 微调让预训练模型适配具体任务，比从头训便宜。
- 全参微调改模型全部权重，效果好但贵且易忘旧能。
- LoRA 只训练小适配器，省资源、可多版本切换。
- 选哪个看数据量、算力、是否要保留通用能力。
微调解决什么
通用模型懂很多但不专精你的场景：特定话术、行业术语、内部格式，它不一定对。微调用你的数据继续训练，让模型贴上你的业务标签。
它比提示词持久：提示词每次要写一遍约束，微调把能力焊进模型。适合高频且稳定的定制需求，一次训好长期受益。
全参微调是什么
全参微调从头到尾调整模型的全部权重，让模型整体往你的数据靠拢。改动最彻底，对训练数据分布拟合最深，上限通常最高。
代价也最大：要的算力多、数据量门槛高，且训练后原模型的某些通用能力可能被覆盖。它是重加工，效果强但成本高、风险大。
LoRA 是什么
LoRA 不碰原权重，而是在模型旁加一小撮可训练的参数（适配器），只训这部分。原模型冻结，新能力挂在适配器上，体积小、训练快。
好处是轻：一个大模型底座能挂多个适配器，分别应对不同任务，用时切换。像给同一台机器换不同附件，而不是每台买新机器。
资源消耗对比
全参微调要存整套更新后的权重，显存和存储都吃紧，小团队常扛不住。LoRA 只存适配器（往往几十到几百兆），同等底座下能跑很多个。
训练速度也差一截：LoRA 参数量小，单卡常能训；全参常要多卡。算力账单和等待时间，是两者最直观的分水岭。
效果怎么比
数据充足、任务差异大时，全参微调上限更高，因为它能重塑模型整体。但多数业务场景，LoRA 已够用，效果接近却省九成资源。
别迷信全参。很多全参才够的执念，其实 LoRA 加够数据就能追平。先 LoRA 跑通，确有必要再上全参，资源才不白烧。
灾难性遗忘
全参微调容易学了新的忘旧的：模型过度拟合你的数据，通用能力退化。比如专精了行业术语，却连普通闲聊都变笨。
LoRA 因原权重不动，遗忘风险小得多，通用能力基本保住。对既要专精又要还能聊的场景，这是 LoRA 的隐形优势。
多任务怎么管
业务常要模型会好几样：客服语气、摘要风格、分类规则。全参得为每个训一份完整模型，管理和存储爆炸。LoRA 一份底座挂多个适配器，切换即用。
这种一底座多适配器的架构，让对比测试也变简单：同底座换适配器比效果，变量干净。多任务环境下 LoRA 的工程优势明显。
数据量门槛
全参微调要相当量的高质量数据才不翻车，数据少容易过拟合或遗忘。LoRA 对小数据更友好，几百条也能见到改善，入门门槛低。
数据多到一定程度，两者差距缩小。所以起点低、数据在涨的团队，先 LoRA 边训边攒数据，是更稳的节奏，而非一上来砸全参。
和提示词的分工
提示词解决这次怎么答，微调解决长期具备某种能力。轻量定制用提示词，稳定且高频的定制才值得微调。三者（提示词、LoRA、全参）按成本递增。
常见组合：提示词做即时约束、LoRA 做业务风格、全参做深度重构。按需取用，不盲目上重武器。微调是能力投资，不是万能膏药。
常见三个坑
坑一：小数据硬上全参，过拟合又遗忘。坑二：以为全参一定更好，烧钱追平 LoRA。坑三：多个全参模型难管理，存储爆炸。
三者都靠先 LoRA 试、按数据和效果升级、用适配器管多任务化解。微调选型看性价比，不是看谁重。
上线与回滚
LoRA 回滚极轻：换适配器即可，原底座不动。全参回滚要切整模型，重且慢。线上出问题，轻回滚意味着小事故，重回滚意味着大折腾。
还要监控微调后的表现退化：新能力上去了，旧能力掉没掉。上线不是终点，持续比对基线，微调才不埋雷。
怎么选的清单
问四句：数据够不够多、算力紧不紧、要不要保通用能力、要不要多任务切换。数据少、算力紧、要保通用、要多任务，基本指向 LoRA。
反之数据足、要深度重构、不在乎遗忘，才考虑全参。把清单过一遍，选型不靠感觉。微调这件事，选对比训好有时更关键。
训练数据怎么备
微调效果七分看数据。数据要高质量、和任务对齐、去重去噪，几十条干净样本常好过几万条脏数据。先花力气洗数据，再谈训模型。
还要做划分：留一部分当验证集，训练后看它在没见过的数据上表现，避免自嗨式过拟合。数据准备是微调里最被低估的功夫。
选型后的落地节奏
定下方案后，先小数据训一版看方向对不对，再逐步加数据迭代。每版都和上一版比，进步慢就查数据而非盲目加参。
上线后保留回滚点，新适配器效果不佳随时退回旧版。微调是持续迭代的活，不是一训永逸，版本管理和监控一样不能少。
图：微调两路 核心要点（运营GO 整理）
| 项 | 全参 | LoRA |
|---|---|---|
| 资源 | 重 | 轻 |
| 遗忘 | 易 | 不易 |
| 多任务 | 难管 | 易切 |
延伸阅读：什么是 Prompt（提示词）、什么是 MCP（模型上下文协议）。
下一步行动清单
- 先 LoRA 跑通，确有必要再上全参。
- 小数据别硬上全参防过拟合。
- 一底座挂多适配器管多任务。
- 上线监控旧能力是否退化。
- 按数据算力清单选型不靠感觉。
