定義
Fine-tuning（模型微調）是指在一個已經訓練好的大型語言模型基礎上，用你自己的專屬資料繼續訓練，讓模型「學習」你的品牌語氣、行業術語、特定問答方式，從而表現得更像「你公司的 AI」而非通用助手。
可以把 Fine-tuning 想像成「培訓一個空降員工」：這名員工已經有紮實的基礎知識，但你還需要讓他花時間了解公司文化、產品細節和服務流程，才能真正上手。Fine-tuning 就是這個「在職培訓」的過程。
與 RAG 不同，Fine-tuning 是直接修改模型本身的「行為模式」，而 RAG 是在回答時去查資料。兩者各有適用場景，也常常搭配使用。
為什麼中小企業需要了解這個？
Fine-tuning 適合有大量專屬資料、需要 AI 保持高度一致語氣的場景，例如品牌客服、法律文件分析、醫療諮詢等。但它的門檻較高，需要整理乾淨的訓練資料，且費用也相對較高。
對大多數中小企業來說，初期導入 AI 時，Prompt Engineering（提示詞工程）和 RAG 通常是更快、更經濟的起點，Fine-tuning 可以作為後期優化的進階選項。
實際應用範例
台北一家保險經紀公司有數千份理賠問答紀錄，透過 Fine-tuning 讓 AI 學習這些對話模式後，AI 可以用符合保險業專業術語和法規的方式回答客戶問題，準確度遠高於使用原版通用模型。
一家台灣美妝品牌把過去五年的社群貼文和品牌文案用於 Fine-tuning，訓練出一個「品牌語氣高度一致」的文案 AI，讓行銷團隊可以快速產出大量符合品牌調性的內容。