前面 19 篇把位置编码的机理拆完了，这篇做收口：给定项目约束，怎么推出方案。选型不是查喜好，是走一棵决策树。
决策树
第一层：从头预训练，还是给现成模型扩展？ 这一步砍掉一半选项。ALiBi、NoPE、任意自定义频率的 RoPE——凡是改动打分函数结构或频率分布的方案，对已有 checkpoint 都是破坏性的（权重里固化了旧位置先验），只有从头训才可选。微调现有模型只剩一条路：保持原 RoPE，用缩放类方法扩长度（YaRN 首选，NTK 兜底，理由见第 5080 篇）。
第二层（从头训）：上下文需求多大？ 常规 4k~8k：RoPE 是默认解——不是因为它最优，而是生态：FlashAttention kernel、vLLM、各家微调框架的位置接口全是 RoPE 优先，省下的工程时间比理论上的微小增益值钱。目标是 32k+ 的长上下文 LM：两条路——ALiBi（解析外推，长 LM 有成功先例，实现最简）或 RoPE + 分阶段长度课程（4k → 32k → 128k，末期提高长序列数据占比）。前者省事，后者上限高且多模态兼容好。
第三层（任务形态）。 多模态（图像/视频 patch）：2D-RoPE 及其变体（第 5120 篇），轴向或复数形式按编码器选。agent / 工具调用为主、上下文其实不长：任何方案都行，把时间花在别处。RAG 为主：注意检索块在上下文中的位置编排比 PE 选择更影响效果（Lost in the Middle，第 5190 篇）。
第四层：推理侧的硬约束。 KV cache 预算是这里的主角。显存吃紧：滑窗层 + 全局层交替（Gemma 2 / Mistral 模式），滑窗层用 RoPE 天然支持安全淘汰（第 5160 篇）；极限压缩：MLA + 解耦 RoPE（第 5170 篇），cache 降两个数量级，代价是训练侧复杂度和生态绑定。流式输出（TTFT 敏感）：RoPE/ALiBi 的位置计算都是增量的，无额外重算，天然友好。
决策表
| 约束组合 | 推荐 | 依据 |
|---|---|---|
| 微调现有模型 + 扩长 | YaRN（NTK 兜底） | 不改结构，只需少量长文继续训练（第 5080 篇） |
| 从头训 + ≤8k | RoPE，基频 10000 | 生态默认，实现零风险（第 5010、5070 篇） |
| 从头训 + ≥32k LM | ALiBi 或 RoPE + 长度课程 | 解析外推 vs 上限更高的对赌（第 5050、5190 篇） |
| 多模态 | 2D-RoPE | 位置天然二维（第 5120 篇） |
| cache 极限压缩 | MLA + 解耦 RoPE | $d_c + d_r$ 维/token（第 5170 篇） |
| 流式长输入 | 滑窗 + 全局交替，RoPE 全局坐标 | 淘汰安全性与坐标系纪律（第 5160 篇） |
| 消融研究 | NoPE 或混合 NoPE | 量化位置信息冗余度（第 5130 篇） |
三个常见反模式
为理论增益换生态。 论文里某个 PE 方案比 RoPE 好 1% 的有效长度，落地要换掉整条 kernel / 推理链——多数项目该把这 1% 让出去。
只看 PPL 验收扩长。 前面说过（第 5150、5190 篇），PPL 对寻址失效不敏感。验收清单必须带检索类任务和位置敏感任务。
混用坐标系。 只要定了 RoPE，全系统（训练、微调、量化部署、流式切块）必须共用同一套位置下标约定；这类 bug 不报错、只掉点，排查最贵。
小结
位置编码选型的本质是给四个约束（训练起点、长度目标、任务形态、推理预算）找交点。这个领域多年没有颠覆 RoPE 的方案，说明设计空间在"频率分配"层面已近收敛——新工作都在边角（2D、解耦、非均匀），主干决策反而越来越简单。