HN 提问：大型语言模型使用的下一个进化步骤是什么？
2 分•作者: tomaytotomato•18 天前
我将简短地介绍一下大型语言模型（LLM）使用方式的演变过程，我们已经看到了几个阶段：
1. 聊天
2. 自动补全
3. 使用 RAG（检索增强生成）嵌入知识
4. LLM 的工具调用（CLI 或 MCP）
5. 能够执行任务的智能体式 LLM
您认为下一步或下一个迭代会是什么？
我的理论是，到 2026 年底，我们将拥有更量化、更高效的模型。我希望届时会出现围绕工具的迷你模型（我称之为领域智能体），它们可以直接提供答案，而不会过度增加上下文。
也就是说，领域智能体直接提供“香肠”，而无需解释“香肠是如何制作的”。
我很想听听您的理论，但我认为我们可能需要对 LLM 与工具结合的架构进行全面重新思考。
查看原文
I'll keep this post short and sweet, we have seen several steps in the evolution of LLM (large language model) usage.<p>1. Chat<p>2. Autocomplete<p>3. Embedding knowledge using RAG<p>4. Tool calling by LLMs (CLI or MCP)<p>5. Agentic LLMs executing task(s)<p>What do you see the next step or iteration?<p>My theory is that we will get more quantization and efficient models by the end of 2026 and my hope is that we will have mini models that wrap around tools (I call them domain agents) that just give answers without bloating context.<p>i.e. the Domain agent gives the calling agent the sausage but doesn't explain how the sausage was made.<p>Curious what your theories are, but I think we might need a whole rethink of the architecture of LLMs being combined with tools etc.