这是很早之前我的观点，不过在 2026 年看来应该是逐渐清晰了。
简单来说，模型和应用的关系，其实特别像路和车。
模型是有巨大投入的基建，是路。
应用就像围绕路展开的一系列工作：车、调度系统、维修体系、比赛规则。
每条路上可以跑很多车（模型接入不同的应用），每个车也可以跑各种路（一个应用也可以接入各种模型）。
但是有的车更适合高速，有的车更适合市区（应用也要适配不同的模型的优缺点）
每种路也有自己的特点（高速/国道/市区）
没有路，所有围绕路建设的系统都没有意义；但只有路，也解决不了每个人的出行问题，还要有车，有调度，有规则，有责任体系。
那些研究“怎么在坑坑洼洼的土路上让马车跑得更快”的应用，看起来很努力，短期内也很有价值，但一旦路修好了，价值立刻归零——会被模型直接吃掉。
比较典型的是 RAG 里的一些工作或者做一个AI Search：
-
比如为了模型记不住、看不全，去研究复杂的切 chunk、手工召回、模板拼接。
-
当模型的上下文、记忆和推理能力上来，这些技巧就会迅速退化成工程噪音。
相反，真正有前途的，是模型变强之后才成立的东西：
-
复杂任务的分解与协同（Agent / Multi-agent）
-
跨系统的工作流、执行、回滚与审计
-
多模型、多工具之间的编排、切换与责任划分
路越好，它们越值钱。
所以：
模型一定会替代一部分应用，但也一定会放大另一部分应用。
分水岭只有一个问题：
你做的是模型不够强时的权宜之计，还是模型足够强后才有意义的系统工程？
Agent 显然是后者，
但这种系统，我估计远不止 Agent。凡是以“模型持续变强”为前提设计的系统，才是这个时代的应用终局。
iFlow CLI就是用这个理念来设计的，我们的vision是能真正让模型和系统都越来越强大，服务好更多的用户！
