适配层优先于自训
多数企业不需要从零训练行业基座，用通用基座加检索增强、微调与工具调用即可覆盖多数任务。为什么：自训需要大规模高质量语料与持续算力，维护成本高。怎么做：先按任务难度排序，能用检索解决的先做检索，把自训留到最后评估。
语料授权先理清
规范、图纸、工艺文件、判例等语料常涉及第三方权利或商业秘密。为什么必须先理清：语料来源不清会在交付后被要求下架。怎么做：建立语料清单，标注来源、授权范围与可使用方式；边界：授权合规由客户方法务确认。
评测集是核心资产
通用榜单无法反映行业任务表现，企业需要自己的行业评测集。怎么做：从真实业务抽取问题，覆盖标准问答、抽取、计算与拒答四类，由行业专家标注参考答案，定期复跑并记录版本，避免题目泄露给供应商。
部署形态按分级
涉密或敏感数据走私有化或专有实例，公开信息类任务可用云端接口。为什么不能一刀切：全私有化成本高，全云端又可能触碰数据边界。怎么做：按数据分级分场景选择，混合部署时统一权限与日志，便于审计。
专家仍在回路中
行业判断、责任认定与例外处理仍需专家完成，模型提供的是初稿与线索。边界：涉及签认、审查与合规结论的环节，必须由客户方具备资格的人员完成，模型输出仅作参考，并在流程中留下复核记录。
适用与不适用
适合谁
- 拥有行业文档资产、希望提升知识复用率的企业
- 正在评估自训还是采购适配服务的技术负责人
- 需要统一评测口径的行业解决方案团队
不适合谁
- 没有稳定业务文档、也无行业专家可参与评审的团队
- 期望模型直接替代专业判断的场景
典型场景
某设计院积累了大量规范与图集，问答需求集中在条文检索与做法比对。团队没有自训基座，而是先建术语表与三百题评测集，用检索增强跑通条文问答，再对易错条款做微调。所有回答附条文出处，由专业负责人复核后方可使用，评测集每季度复跑一次。
可执行步骤
- 整理术语表与核心制度文档，逐项标注来源、授权范围与版本号，形成清单。
- 按问答、抽取、计算与拒答四类任务分别建题，先形成最小评测集。
- 先做检索增强，评测不达标再评估微调的必要性与标注数据条件，并写下结论。
- 按数据分级选择部署形态，混合部署时统一权限、日志与审计口径。
- 约定知识更新周期、触发条件与专家复核环节，并写入交付与验收说明。
常见坑
- 直接启动自训基座，语料不足导致效果不如通用模型，投入难以回收，团队也会失去信心。
- 语料来源未理清，交付后被要求下架，返工成本高、周期被拉长，还会影响后续项目，验收前须复核。
- 用通用榜单评估行业任务，验收时发现实际表现与榜单差距明显，选型结论要重做，时间成本很高。
- 回答不给出处，专家无法复核，使用部门逐渐弃用，项目最终形同停摆，投入打了水漂，很难挽回。
自检与验收清单
- 语料清单是否逐项标注来源、授权范围与版本
- 评测集是否覆盖问答、抽取、计算与拒答四类
- 是否先做检索增强，再评估微调的必要性与成本
- 部署形态是否与数据分级、日志与审计要求匹配
- 每个回答是否附出处，并留有专家复核的记录
常见问题
一定要做微调吗？
不一定。多数行业问答用检索增强加良好提示即可达到可用水平；微调适合术语固定、输出格式严格或需要稳定风格的任务。建议先用评测集比较两种方式，再决定是否投入微调。
行业语料从哪里来？
优先用企业自有且有权使用的材料：内部制度、作业指导书、历史项目文档。公开标准与规范要注意版权与使用范围，第三方数据库需确认授权条款。清单化登记比事后补救更省事。
怎么判断效果够用？
以业务能否直接使用为标准：常见问题答对且附出处、拒答合理、专家复核工作量可接受。三个条件满足即可上线试运行，再按错误类型迭代，而不是追求榜单分数。