總結
在本單元中，你學習如何利用 Microsoft Foundry 中的互補策略優化生成式 AI 模型的效能。
您已學到如何做到以下幾點：
- 應用提示工程技術，包括系統訊息、少數樣本學習及模型參數，以優化模型輸出。
- 了解何時以及如何使用檢索擴增生成（RAG）來建立語言模型基礎。
- 找出微調模型何時能改善行為一致性。
- 比較優化策略，並決定何時結合它們。
重要的一點是，提示設計、RAG 與微調並非互相競爭的方法，而是針對模型效能的不同方面的互補策略。 先從提示工程開始，引導模型行為；當事實準確性需要特定領域資料時，再加入 RAG；若僅靠提示工程無法可靠達成一致的風格與格式，則考慮進行微調。
對於旅行社情境，最有效的解決方案可能是結合三者：使用維持品牌語調的微調模型、以實際飯店目錄為基礎的 RAG，以及加入特定交談指令與安全防護的提示工程。