大模型知识 / 能力四大载体MCP、RAG、Fine-tuning、Skills 完整区分一句话总览分工Fine-tuning微调把知识 / 思维逻辑永久焊进模型权重改模型本身RAG检索增强外挂静态文档知识库实时查表拿事实不改模型Skills任务技能标准化业务流程 / 操作 SOP靠提示 / 函数定义实现轻量化任务能力MCPModel Context Protocol 模型上下文协议通用标准化接口统一对接外部工具、数据库、实时服务是工具调用的底层标准一、逐项详解1. Fine-tuning 微调核心逻辑训练更新模型权重知识永久内化对应你之前那句fine tuning bakes knowledge directly into the model’s weights存储位置模型参数权重内部知识形态领域逻辑、输出风格、固定任务范式、专业深层思维优点推理速度快、无需额外检索、模型原生理解领域逻辑输出一致性极强缺点更新知识必须重训成本高、周期长容易灾难性遗忘无溯源难合规审计适用固定标准化输出、专业深度推理、固定话术 / 格式、低频更新领域知识例子法律合同固定写作范式、金融报告标准格式、专属行业对话语气2. RAG 检索增强生成核心逻辑外置向量数据库存文档提问时检索相关片段塞入上下文完全不改动模型权重存储位置外部向量库PDF、文档、私有资料知识形态海量事实、文档、政策、资料原文优点知识随时增删改、支持引用来源、大幅降低幻觉、冷启动快、成本低于微调缺点每次推理多一步检索延迟更高长文档检索容易丢失细节适用企业私有文档问答、实时政策、海量资料查询、需要溯源合规场景例子内部知识库客服、法律条文检索、产品手册问答3. Skills 技能Agent 标准化任务单元核心逻辑封装一套完整任务流程SOP、函数调用、思考步骤靠提示词 / 函数描述定义不修改权重、不依赖向量库存储位置代码 / 配置文件Skill.md、工具描述知识形态分步操作流程、工具调用规则、多步骤任务逻辑优点秒级迭代、业务人员可维护、轻量化、多技能自由组合缺点复杂深层领域知识承载弱海量事实不如 RAG适用多步骤自动化任务、标准化操作流程、轻量工具组合例子订单处理流程、代码调试步骤、客户投诉处理 SOP、数据分析流水线4. MCP 模型上下文协议核心逻辑Anthropic 推出的通用标准化通信协议相当于 AI 的 USB-C 接口统一规范模型访问外部资源工具、数据库、文件、实时 API是工具调用的底层标准Model Context Protocol (MCP)定位不是存储知识是连接外部数据 / 工具的通用桥梁可以承载 RAG 数据源、Skills 工具能力统一发现工具、权限管控、日志审计、跨系统对接解决传统 Function Calling 每个 API 单独开发的 N×M 集成问题优点一次开发全模型兼容、插拔式接入数据库 / 文件 / 第三方服务、企业级权限安全适用需要大量异构系统打通、多工具统一管理、企业 Agent 复杂外部交互例子AI 同时读写本地文件、查询 Postgres 数据库、调用 CRM、读取 Git 仓库二、核心对比表表格维度Fine-tuningRAGSkillsMCP是否修改模型权重✅ 是❌ 否❌ 否❌ 否仅通信协议知识载体模型参数外部向量文档库任务 SOP / 函数配置外部服务统一接入层更新成本极高重训低更新文档极低改配置低新增 MCP 服务端推理延迟低中检索耗时低视外部接口而定可溯源 / 合规差无来源强可附文档引用中等日志记录步骤强全链路审计日志擅长内容深层逻辑、固定输出范式海量静态事实、文档问答多步骤标准化任务流程实时数据、跨系统工具打通迭代速度天 / 周级分钟 / 小时级即时生效小时级三、四者搭配关系工程落地RAG MCPMCP 统一对接文档数据库实现标准化检索增强Skills MCPSkill 里的工具全部通过 MCP 标准化调用不用单独写连接器Fine-tuning RAG微调固化领域思维RAG 补充实时 / 海量资料互补短板完整 Agent 架构Fine-tuning底层专业思维 RAG静态知识库 Skills任务流程 MCP外部工具统一入口四、一句话场景选型口诀要固定专业风格、统一输出 →Fine-tuning查海量文档、政策、私域资料、要溯源 →RAG多步骤标准化业务流程、轻量自动化 →Skills对接数据库、文件、多第三方系统、统一工具标准 →MCP