Q1：Dolly到底强在哪里？
Dolly最值得看的不是“战斗力爆表”，而是它在开源LLM早期很有标志性：基于Pythia做指令微调，并公开了Dolly 15k这类人工编写指令数据。对学习者来说，它像一台透明发动机。
和很多闭源模型比，Dolly的优势是可研究、可复现、可拆解。你能看到数据怎样组织，模型怎样加载，输出怎样变化。这种透明度，对做技术验证很香。
Dolly攻略：和同类模型怎么选
Dolly攻略的重点不是背参数，而是知道它和Llama、Pythia、Qwen、ChatGLM这些选择放在一起时，谁适合什么活。下面用问答方式拆开讲，专挑新手和小团队最容易纠结的问题，不搞玄学排名。
Q2：Dolly和Llama系怎么比？
如果只看生态，Llama系通常更热闹：衍生模型多、教程多、推理框架适配多，社区问题也更容易搜到答案。Dolly在生态丰富度上不占优势。
但Dolly适合做“低噪声学习”。Llama系分支太多，新手容易一头扎进版本海。Dolly路线更清楚：Pythia基座、指令微调、数据集观察。想学原理，Dolly不差；想找现成生产方案，Llama系更省事。
Q3：Dolly和Qwen、ChatGLM谁更适合中文？
中文任务里，Qwen、ChatGLM这类中文生态更强的模型通常更占便宜。它们在中文语料、中文指令、中文开发者反馈上积累更多。
Dolly不是不能中文，而是中文不是它的主场。做中文知识库问答、中文客服、中文写作助手，我会把Dolly放进候选池，但不会让它当一号种子。它更适合做对照组，看英文指令模型迁移到中文时会掉哪些能力。
Q4：Dolly适合拿来做RAG吗？
可以做实验，但别期待开箱即稳。RAG看的是检索、切片、重排、引用约束和模型回答纪律。Dolly如果没有被严格prompt约束，可能会补充一些检索材料里没有的内容。
做Dolly攻略时，我建议用很硬的模板：只允许根据资料回答；资料不足就说不知道；输出引用段落编号。然后用20个故意缺资料的问题测试它会不会乱编。
Q5：小团队该不该选Dolly？
如果小团队目标是学习和原型，Dolly值得放进工具箱。它让你快速理解开源模型的基本链路，不会被商业API黑盒挡住。
如果目标是上线业务，我建议把Dolly当备选或教学模型，而不是主力。主力模型要看中文效果、延迟、成本、维护社区、安全策略。Dolly能帮你搭认知框架，但未必是最终答案。
常见问题
Dolly攻略里最该先学什么？
先学指令数据和推理流程。别一开始研究复杂微调，先知道输入怎么变成输出，模型在哪些任务上会失控。
Dolly比Pythia好吗？
Dolly是在Pythia基础上做指令微调，更像助手；Pythia更偏基座模型。聊天体验通常Dolly更直接，研究基座能力则看Pythia。
Dolly能替代中文大模型吗？
多数中文业务不建议直接替代。它可以做学习、实验、对照组，真上线要和中文生态模型一起评测。