我最近一直在琢磨两件事，第一个是未来是否是大模型公司完全通吃，第二个是现在很多任务要加载太多skill的上下文，有什么办法让ai不加载这些上下文，又能按照我们需要的工作流，思维链去工作。 
第一个想法是能不能直接微调出lora权重块，然后直接让云端大模型去调用，但基本不可行，因为现有的云端大模型就没有这个接口，并且按照大模型公司的想通吃的风格，估计以后就算有类似东西，也是作嫁衣。 
然后我有了第二个想法，我们能不能用一个0.1-0.5b的本地模型作为基模，然后自己针对各个专项领域做微调lora权重块，过拟合也没关系，反正只专注于我们需要的几个小领域就行，然后类似subagent的形式，让云端大模型调用我们的本地小模型，完成闭环工作。 
有没有佬友做过模型开发，或者做过类似方式，大家觉得这种方式现在有没有可行性，以及未来有机会是类似方向吗，我觉得就算这种暂时没有可行性，但是只要有一定未来可行...