把目标、边界、格式、口吻，以及“不知道怎么办”说清楚。
局限：它能约束回答方式，但不能凭空创造事实。07 篇章复盘
复盘（下）：Prompt、上下文、RAG、微调到底是什么关系？
这一篇不再增加太多新概念。我们把 Prompt、上下文、RAG、微调、评测和人工审核串成一张图，看懂它们各自负责什么，以及什么时候该用谁。
这一页先记住一句话
Prompt 说清任务，上下文补足背景，RAG 负责找资料，微调负责改习惯。它们不是互相替代，而是在不同层面一起让 AI 更可靠。
四个概念，四种分工
four roles
把项目背景、历史对话、规则、文件和用户要求摆到 AI 面前。
局限：上下文窗口有限，资料不是越多越好。先从知识库、文档或数据库检索，再让模型基于资料生成回答。
局限：检索错了，后面答得再顺也会偏。通过专项训练，让模型更稳定地学会某类格式、风格或任务习惯。
局限：不适合频繁变化的事实，更新成本更高。
它们真正怎么接力
relationship map
像给员工做专项培训，让它更稳定地掌握一种格式、风格或任务模式。
现在要你做什么，哪些不能猜。
这次任务要参考哪些背景。
先去资料库把相关内容找出来。
AI 可以提高效率，但高风险结果需要被检测、拦截和必要时由人确认。
套到企业客服：
用户问“A100 设备故障能不能免费维修？”系统先用 Prompt 要求不能猜，再用 RAG 查售后知识库，把 A100 政策放进上下文，最后由模型回答；遇到退款、赔偿、合同等高风险问题，再转人工。
AI PM 认知框架
ask these first
先补足上下文。
不知道就走 RAG、搜索或 API。
用 Prompt 说清任务和边界。
固定模式或固定口吻，再考虑微调。
决定是否评测、拦截和人工审核。
先按错误成本分级
risk routing
错了也能改，AI 可以直接出结果。
Prompt + 上下文错误会影响业务，适合检索资料后再回答。
Prompt + RAG + 抽查后果严重，不能只靠模型自己决定。
AI 辅助 + 人工确认
最后记住五句话
final memory
Prompt：告诉 AI 怎么做。
上下文：告诉 AI 这次任务需要知道什么。
RAG：帮 AI 从大量资料里找到需要的信息。
微调：针对模型本身的特定能力或行为做训练调整。
评测 + 人工审核：负责发现和拦住不能接受的错误。
本节小结
- Prompt、上下文、RAG、微调各管一层，不是互相替代。
- 动态知识优先考虑 RAG，固定行为再考虑微调。
- 评测 + 人工审核，是高风险场景的最后一道安全网。
- 做 AI 产品时，先看错误成本，再选技术。