這一關要打倒什麼？
Boss 是「萬靈丹推銷員」，口頭禪是「fine-tune 什麼都能解決！」。他說得很誘人，因為你剛學會 fine-tune 的概念，手上有錘子，看什麼都像釘子。
類比：沒有一種處置適用所有病人。輕症衛教就好，不必每個人都開刀；該開刀的也不能只靠衛教。這一關要練的是「分診」：看到一個任務，先判斷該走哪條路，再決定要不要動刀。
這一關沒有實作，兩條軌道（Mac 與 Colab）完全相同，是一次決策練習。
先講為什麼：四條路各自解決什麼問題
| 路線 | 做了什麼事 | 通常擅長 | 通常不擅長 |
|---|---|---|---|
| 規則式（regex、查表、if-else） | 寫死的規則 | 格式固定、規則明確的欄位 | 自由書寫、規則寫不完的變化 |
| Prompt（含 few-shot、輸出約束） | 不改模型，只改指令 | 快速試、零訓練成本 | 格式不穩、風格難固定、長指令吃 context |
| RAG（檢索增強生成） | 先找資料，再讓模型照資料回答 | 知識常更新、需要引用來源 | 需要建索引、檢索錯了答案會跟著錯 |
| Fine-tune（微調） | 用範例調整模型權重 | 格式、風格、專一抽取任務 | 更新知識成本高；需要資料、算力與評估 |
這是一個常見的經驗法則：事實更新用 RAG；格式、風格、專一抽取用 fine-tune。要說明的是，這個說法是作者整理的推論，直接比較兩者的文獻目前還沒有補齊來源，請當成起點，不要當成定理。
兩種極端說法，都先放一邊
- Unsloth 文件說「fine-tune 能複製 RAG 的功能，但反之不然」。這是工具廠商的說法，偏向自家路線，本站視為偏激。反方向也不宜：RAG 無法取代「把輸出風格或格式訓練進模型」。
- 2026 年 JMIR 有一篇比較 fine-tuning、RAG 與 hybrid 的系統性回顧（35 篇），但作者尚未能取得內文，結論待核，本站暫不引用其數字。
比較可靠的做法是自己對照：用同一份評估資料，把規則式、prompt、（必要時）fine-tune 各跑一遍，看數字。這也是 LV08 先做 baseline 的原因。
一份有證據的參考
Nat Commun 2025 的研究（PMID 40188094）評估多種語言模型在生醫 NLP 任務上的表現，指出開源 LLM 在多數 BioNLP 任務需要 fine-tune，才能縮小與 GPT-4 的差距；而 GPT-4 在推理型任務（例如醫學問答）較強。
這個結果的重點是「任務類型很重要」，並不能推論成「所有任務」。我們的主線任務（PHI 標記與輸出 JSON）屬於偏抽取、格式固定的任務，是 fine-tune 小模型常見的適用情境，但仍然要用自己的評估資料驗證。
決策流程（動手前問五題）
依序回答，遇到第一個「是」就先走該路線；走完還不夠，再往下一題。
- 規則寫得出來嗎？（格式固定、有明確 pattern）→ 先用規則式。
- 加 few-shot 與 JSON schema 約束後，結果夠好嗎？（對照 baseline）→ 夠好就停在 prompt。
- 答案取決於會更新的外部資料嗎？（藥品公告、院內流程）→ 加 RAG。
- 問題是格式不穩、風格不對、或要大量處理同一類專一任務嗎？→ 考慮 fine-tune。
- 資料能自己合法取得嗎？ 若是真實病歷，宜先確認院方核准與 IRB；若不行，就用合成資料（下一關）。
三點補充：
- 四條路線可以疊加。例如：規則式處理電話與身分證，fine-tune 的模型處理人名與醫院名，最後再用規則式驗證輸出格式。
- 小模型能「在院內硬體執行」不代表安全合規。本地不等於合法。
- 臨床輸出需要專業人員審閱，本站所有成果僅供教學。
練習：三個情境，各自走哪條路？
試著先自己判斷，再往下看作者的想法（都是推論，沒有標準答案）。
情境 A：把每天上百則的護理交班文字，摘要成固定的五個欄位。 欄位固定、風格要一致，屬於「格式與風格」的需求。作者會先試 prompt 加 JSON schema，若格式仍不穩，才評估 fine-tune。
情境 B：讓學弟妹查詢最新版的院內抗生素使用指引。 指引會更新，而且回答最好能指出出處。作者會優先考慮 RAG，因為換文件比重訓快，也比較容易追溯來源。但真實院內文件仍需要院方核准。
情境 C：從報告中找出所有「陽性淋巴結數」的數字。 若報告格式相當固定，規則式可能就夠；若寫法千奇百怪，再考慮 prompt 或 fine-tune。重點是先看「規則寫不寫得出來」。
提醒：每一條路都有隱藏成本。規則式要維護，prompt 要反覆調，RAG 要管理文件與索引，fine-tune 要準備資料、花算力、做評估。成本與效益都要一起算。
這三題的共通點是：判斷依據不是「哪個技術比較厲害」，而是「這個任務的瓶頸是什麼」：知識會不會變、格式穩不穩、規則寫不寫得出來。
套用到「病歷守門人」
- 電話、身分證字號這類格式固定的欄位：規則式通常夠用，也是 LV08 的對照組。
- 人名、醫院名、自由書寫的日期：regex 很難，prompt 的 baseline 也不穩（見 LV08），所以這裡才是 fine-tune 的目標。
- 知識更新需求：本專案不需要，所以用不到 RAG。
- 結論：主線選擇「fine-tune 小模型處理 prompt 與規則難以處理的部分」，並保留規則式作為對照與後處理。這是一個「選擇」，不是「fine-tune 比較強」的證明。
本關重點
- 四條路：規則式、prompt、RAG、fine-tune，各解決不同問題，可以疊加使用。
- 經驗法則：事實更新用 RAG；格式、風格、專一抽取用 fine-tune。這是作者推論，宜自行驗證。
- 對「fine-tune 萬能」與「RAG 萬能」兩種說法都保持懷疑，用同一份評估資料對照。
- 任務類型決定路線；引用的研究結論不可推廣到所有任務。
- 先試便宜的做法，再決定要不要動刀。