在设计 Prompt 的时候，模型会学习在 Prompt 里面包含的示例数据，这些样本数据可以让模型更好的理解任务，最终生成我们想要的结果，这就是 Few-shot learning，小样本学习。要注意的是这种学习是暂时的，下次如果你想让模型处理同样的任务，仍然需要提供这些示例数据，如果你想更新模型的权重，让它学会处理这种特定类型的任务，提高模型的性能，我们可以通过微调模型的方式来实现，这就是 Fine-tuning。

我们可以准备一些人工审查过的高质量的示例数据，然后用这些数据去训练模型，让它更适应某种特定类型的任务。微调之后的模型是专属模型，也就是它只属于你自己，这个模型的底子仍然是基础模型，只不过通过微调以后，会在原有模型的基础之上，让它学会某种特殊技能，你可以使用这个微调之后的有特殊技能的模型去处理任务。

要注意的是，微调模型并不是让模型记住你给它提供的数据，而是让它根据这些训练数据，找到新的规律，使用某种语气，风格，或者特定的方式生成文本内容。