OpenAI研究主管Ted Sanders上周在X上发了条帖子，把AI圈的习惯性操作怼了个遍。他说团队遇到模型表现差，第一反应永远是"要不微调试试"，但这几乎总是错的。

这像什么呢？就像你车开不顺，先想换发动机，而不是看一眼是不是胎压不足。Sanders打了个比方：微调是手术，提示词工程是体检——没体检就上手术台，病人和医生都危险。

他列了张决策树。数据不足？去搜集。提示词太烂？先重写。上下文不够？换长窗口模型。只有当这些路都走死了，才轮到微调出场。顺序错一步，成本差十倍。

Sanders的原话很直接：「微调是最后手段，不是第一选择。」他带过几十个企业项目，见过太多团队把微调当万能药，结果把本可以 prompt 解决的问题，硬塞进昂贵的训练流程里。

评论区有人贴了个数字：某金融公司按这个流程重做后，推理成本从每月4.7万刀降到800刀，准确率反而涨了12%。Sanders回了个，没多说话。