人人都能看懂的预训练、微调、提示词工程和 RAG(我保证)

封面图 By 即梦

这篇文章，我们用一个所有人都熟悉的案例，帮大家彻底理解大语言模型的那些"高大上"概念：

• • 预训练

• • 微调

• • 提示词工程

• • RAG（检索增强生成）。

这个案例就是我们每个人都经历过的学习考试过程。

看完这篇文章，你会对AI的工作原理有全新的认识，以后使用AI时也会更加得心应手。

Tips：本文由 DeepSeek 基于我的录音稿整理润色，我只做了“微调”。

预训练

每学期开学，老师都会发给我们一堆教材，然后在课堂上讲解知识点。

这个过程中，我们把一学期的知识逐渐内化、理解和吸收——这其实就是大语言模型的预训练过程。

这里有个关键区别：死记硬背 vs 真正理解。

• •死记硬背：你只能记住题目和标准答案，考试遇到原题会做，但题目稍有变化就束手无策

• •真正理解：你能融会贯通，应对不同的题型和场景——这正是现代大语言模型的核心策略

考试时，你看到题目后会：

1. 1. 理解题目要求

2. 2. 调用大脑中相关的知识

3. 3. 经过一系列推理和知识整合

4. 4. 最终一个字一个字地写出答案

这完全就是AI回答问题的过程！

当你向AI提问时，它也是：

1. 1. 理解你的问题（提示词）

2. 2. 调用预训练学到的知识

3. 3. 经过内部推理和整合，逐字生成回答

有时候，你学的东西太多太杂，面对一个很简单的问题时可能不知道关联哪个知识点。

这时，题目的清晰度就至关重要。

如果老师在出题时明确说明：

• • 考查哪一章哪一节的知识点

• • 需要调用哪些具体知识

• • 回答的格式要求

那么不管你的知识多杂乱，只要题目足够清晰，你就能准确调用相关知识作答。

提示词工程的精髓

这就是提示词工程的精髓！

你向 AI 提问时：

• • 问题越简单模糊，AI越可能"乱答"（其实是随机调用相关知识）

• • 问题越详细、指向越明确、格式要求越规范，AI回答质量越高

小贴士：AI不是"乱答"，而是它的知识太庞杂，当问题不明确时，它只能随机选择相关知识来回答。

很多人误以为"这个知识AI不会，微调一下就好了"。这是对微调的误解！

微调更像是考前老师带你做真题讲解：

• • 你不知道高考会考什么题

• • 但老师会讲解往年真题的正确答案和解题思路

• • 通过这种方式，你学会"如何更好地作答"

微调的本质是教AI更好地作答，而不是教它新的知识。

如果某个知识点AI根本没学过，做再多真题（微调）也没用！

继续预训练 = 复读

要让AI掌握它原本不会的知识点，唯一的方法是继续预训练（相当于学生复读）：

• • 准备包含专有知识的语料（如公司内部资料）

• • 这些语料包含对知识的解释和各种关联关系

• • AI通过继续学习这些材料来掌握新知识

同样的道理，如果高考考到一个你完全没学过的概念，即使给你参考书，你短时间内也无法掌握并正确作答。

——这就是RAG（检索增强生成）的局限性。

RAG = 开卷考试

RAG就像开卷考试，它的关键在于如何准备和整理"小抄"：

• •糟糕的做法：直接带整本书进考场

• •正确的做法：提前整理好知识点和关键词索引，考试时快速定位相关内容

所以做 RAG：

• • 必须对进行精细清洗和拆解，确保片段完整

• • 在确保段落完整的基础上尽量简短，方便抄

目前流行的"个人知识库"产品，只是简单拆分文档（如每2000字一段），这可能导致知识点被切碎，最终AI回答质量低下。

大语言模型就像个"学习成绩很好好学生"，但好学生不一定总能拿高分。

因为它没有“好学生”的辨识判断力：

1. 1. 它需要"好题目"（清晰的提示词），否则会随机选取知识点答题

2. 2. 如果开卷考试提供的资料错误或者残缺，它不会纠正修复，而是硬抄

3. 3. 遇到完全没学过的知识，做再多“真题”也无济于事

例如，我问Claude模型"什么是MCP"（Claude官方发布的新功能），它完全胡编乱造！因为：

• • MCP发布时，模型已经"毕业"（训练完成）

• • 它不懂，但会硬编

人类和大语言模型在知识学习和输出的逻辑上惊人地一致。理解这一点，你就能：

• • 更有效地使用AI工具

• • 合理预期AI的能力边界

• • 针对不同需求选择适当的方法（预训练、微调或RAG）

现在，你对大语言模型的工作原理是不是有了全新的认识？

更多 AI 的应用、讨论、分享，必须来AI 学习行动圈，3700+实战派正在分享用不完的创意！

一年多过去了，以星球和社群为载体的「AI 学习圈」

• 沉淀了1500+条 AI 情报和实战技巧

• 2700+个 AI 相关的行业报告；

• 3700+个对 AI 感兴趣的职场人加入了我们的 6 个微信群

• 在过去的连续300+天里每天可以收到我们推送的 AI 早报。

学习圈目前有 3 个核心的学习交流“阵地”：

1. 知识星球：知识资料技巧沉淀的核心渠道，随时可查阅

2. 微信交流群：目前 6 个群，每天都有圈友交流分享 AI 使用心得

3. 吹水局直播：工作日晚 19:30-21:30，每场一个 AI 应用主题

我在星球里主要维护「实战分享」「工具箱」和「情报局」三个标签

实战分享是可以在日常工作和生活中直接应用的提示词和效率工具。上面截图里的 Step-Back 提示词就非常好用，堪比 o1。在公众号、直播中演示的所有 AI 实战应用的提示词也都在这个标签下。

AI 工具和鲜知道就是好用的、热门的 AI 工具、资讯分享，我把那些太技术、太浮夸的都筛选了，放进这个标签的都是可以直接用来的好玩儿！

星球还有一个“专栏”体系，目前的定位跟标签差不多。

如果你正在找一个能第一时间了解最新、实用的 AI 资讯和实战技巧，遇到任何 AI 应用问题能随时找到同行人交流、请教、讨论的圈子，

阵地二：微信交流群

我们为圈友配了微信交流群，现在 5 群快满了。

微信群里每天一早有 AI 早报，上下午还有“读报时间”，以及我每天不定期刷屏级的各种 AI 工具体验、提示词编排思考、行业新闻解读同步。

以及，你可以在群里讨论任何与 AI 相关的工具、应用问题，几乎都能找到答案。

如果你正在找一个能第一时间了解最新、实用的 AI 资讯和实战技巧，遇到任何 AI 应用问题能随时找到同行人交流、请教、讨论的圈子，

立刻扫码领取 50 元立减金加入

刚复盘我专门去视频号后台看了一下直播记录，过去一年一共为学习圈做了 130 场 AI 应用、实战、热点解读相关的直播，累计肝了 257 小时！

有十几场仅学习圈成员可观看的闭门直播，平均观看时长都是 1 个多小时，有时逼近接近 2 小时！

没点干货，平均停留时长到不了这水平的。

如果你正在找一个能第一时间了解最新、实用的 AI 资讯和实战技巧，遇到任何 AI 应用问题能随时找到同行人交流、请教、讨论的圈子，

立刻扫码领取 50 元立减金加入