维度一：变更与溯源
制度、价格、参数每月都在改，微调一次要重训与回归，跟不上节奏；RAG 只需更新索引。若每条结论还必须指到条款与页码，溯源这一项基本可以单独决定路线，不必再比其它维度。怎么判断这条边界，先看知识变更频率与溯源要求。
维度二：表达与格式
术语口径、文书结构、固定句式这类怎么说的要求，微调更擅长；RAG 靠提示词也能约束，但样本一多就不稳。打分时看输出是否需要逐字对齐模板，需要就加分给微调，不需要则别为它付费。怎么打分，拿十条真实输出与模板逐字比对。
维度三：数据与标注
RAG 需要整理好的文档、切分规则与权限；微调需要成对的输入输出样本与标注人力。两者都不是零成本，评审时应把谁出人、出多久写成具体条目，而不是笼统写业务配合，否则没人认账。为什么这块最容易超支，因为标注与复核都要业务出人。
维度四：迭代与运维
打分表里把迭代与运维各占一栏，权重合计三成左右：RAG 的运维在索引、权限与召回评测；微调在模型版本、训练环境与回归。加权后两栏接近时，优先选团队更熟悉的那条，落地才稳。怎么选，两栏接近时选团队更熟的那条，落地更稳。
适用与不适用
适合谁
- 正在做知识问答或文档助手选型的团队
- 已有内部文档与真实问答样本的企业
- 需要向管理层解释技术路线取舍的项目
不适合谁
- 内部文档尚未电子化、无人整理的团队
- 期望一次投入永久生效、不做评测的项目
典型场景
某律所把历年意见书做成问答助手。团队按六维打分：知识变更不频繁，但必须溯源，两项把分数推向 RAG；输出要贴合文书结构，微调得一分。按权重汇总后先跑 RAG 基线，用两百条问题测引用命中与拒答，再决定是否用少量样本微调固定格式，最终由合伙人复核。
可执行步骤
- 逐项收集事实：变更频率、是否要出处、格式要求、可用样本与维护人
- 给六项分配权重并各自打分，把依据写在旁边，避免只写结论与分数
- 按加权得分过判定线，未过则先补数据或缩小范围，硬推只会返工再看
- 用同一套评测集跑 RAG 基线，记录引用命中率与拒答正确率，并留样本
- 把结论、回滚方式与知识更新责任写进项目确认单并由双方签字确认
常见坑
- 六项都打满分、权重也一样，最后得分没有区分度，打分表变成形式，评审还是靠印象拍板。
- 把要不要出处当成加分项而不是硬条件，选出的方案无法满足审计要求，上线后返工重做。
- 打分前没有确认文档是否可读、权限是否可分，评分很高但数据准备要半年，进度直接失控。
- 只看榜单与参数选路线，忽略自家术语与格式，试用时答得流畅却不能用，团队信心受损。
自检与验收清单
- 六项是否都有事实依据，而不是凭印象给分为佳
- 权重是否在打分前确定，并留档备查至少一次
- 出处要求是否作为硬条件单独判定，不参与加权
- 文档与样本的准备人力是否落实到人、到时间
- 评测集是否含拒答与边界题，数量不少于五十条
常见问题
打分表能直接出结论吗？
能给出方向，不能替代验证。打分的作用是把争论从偏好拉回事实；真正的结论要来自同一套评测集的对照结果，尤其是引用命中与拒答这两项，只有跑过才知道差别在哪。
RAG 和微调能一起用吗？
常见组合是以 RAG 供知识、以轻量微调固定表达与格式。要注意的是别让微调去记事实，否则知识一更新就要重训；把说什么交给检索，把怎么说交给微调，维护成本最低，也最容易交接。
没有标注数据还能微调吗？
可以从小样本起步，但评测集不能省。没有评测就无法判断微调是否损伤了原有能力；建议先积累两三百条真实问答，再考虑微调，否则容易把噪声学进去，还得花时间回滚。