请问HN：大型语言模型使用的下一个进化步骤是什么？
我将简短扼要地总结一下，我们已经见证了大型语言模型（LLM）使用的几个发展阶段。
1. 聊天
2. 自动补全
3. 使用RAG嵌入知识
4. LLM调用工具（CLI或MCP）
5. 执行任务的代理型LLM
你认为下一步或下一次迭代会是什么？
我的理论是，到2026年底，我们将获得更多量化和高效的模型。我希望我们能有一些围绕工具的小型模型（我称之为领域代理），它们只提供答案，而不增加上下文的复杂性。
也就是说，领域代理给调用代理提供香肠，但并不解释香肠是如何制作的。
我很好奇你的理论是什么，但我认为我们可能需要对LLM与工具等结合的架构进行全面的重新思考。
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.