prompt engineering、RAG、fine-tuning の違いは何で、いつ使いますか？

• Prompt engineering — prompt 内の instruction、context、examples で model behavior を shape します。model 自体は変わらず、communication を改善するだけです。system prompts、few-shot examples、output format など。最も安く速い first resort です。
• RAG (retrieval-augmented generation) — query 時に vector store、database、search から relevant documents を retrieve し、prompt に挿入します。model は supplied context from answer します。knowledge が external, private, or changing な場合に最適です。
• Fine-tuning — 自分の examples で model を further train し、weights を調整します。consistent style、format、narrow skill を baked in します。強力ですが高価で static です。knowledge は training 時点で frozen になります。

comparison

decision guide

• まず prompting から始める。
• model が知らない、または変化する facts（docs、prices、internal data）が必要なら RAG。
• reliable style/format や specialized task が scale で必要で、prompting が安定しないなら fine-tune。
• production では組み合わせることも多い。fine-tuned model + RAG + good prompt など。

なぜ重要なのか

wrong tool を選ぶと expensive です。knowledge を追加するために fine-tune しようとする人がいますが、多くの場合 RAG の方が安く適切です。prompting shapes behavior, RAG supplies knowledge, fine-tuning changes the model と理解すると、最も安く機能する approach を選べます。