标准回答
提示工程：改「怎么问」
不动模型本身，只在输入上下功夫——把指令写清楚、给几个示例（few-shot）、规定输出格式等，引导模型给出更好的答案。优点是零成本、即改即生效、迭代飞快；缺点是效果受限于模型本身能力，复杂或专有的任务靠提示不一定稳定，且每次都要带上长提示。
微调：改「模型本身」
用一批带标注的数据继续训练模型，真正改变它的权重，把某种能力或风格「写进」模型里。优点是能稳定掌握专有领域知识、固定输出风格，推理时提示可以更短；缺点是要准备数据、花算力训练、有一定门槛，迭代也比改提示慢。
怎么选
先用提示工程，几乎能覆盖大部分需求且最省事。当你发现：任务很专、对风格一致性要求高、提示太长太复杂或效果不稳定时，再考虑微调（实践中常用 LoRA 等轻量微调降低成本）。
常见误区
⚠️ 常见踩坑
初学者常一上来就想微调。其实多数问题靠把提示写好就能解决；微调更贵更慢，应在提示工程确实不够用时再上，而且微调也需要足够且高质量的数据才有效。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。