从22年底算起：MCP、memory、agents 都会被大模型本身淘汰
这篇推文只用了几句话就给了一个判断：等模型能 RSI，MCP、memory、agents 这些外挂都会被模型自己吃掉，agent 只是模型的一个实例。作者建议把精力放在定义目标、约束和评估上，而不是搭框架。适合正在纠结要不要深耕 agent 工程的开发者对照思考。
作者观点认为，从2022年底 ChatGPT 发布开始，不专门研究这些方向也不会错过什么，MCP、skills、memory、agents 等外围生态最终都会被大模型能力本身吸收淘汰。其核心判断是：当大模型实现 RSI（递归自我改进）后，agent 会变成大模型的一个实例化产物——给定一个奖励目标，agent 的 memory、context、tools 会全部自主构建，无需人工搭建。
基于这一判断，作者给出的学习建议是：与其钻研当前的 agent 框架和工具链，不如学习如何定义 agent 的目标与约束、如何做 agent 的评估与修正、如何动态设定拮抗的奖励函数。这更接近目标设定与对齐层面的能力，而不是工程搭建层面的能力。
其实从22年底开始 就算啥也不研究 也不会错过什么 最终这一切都会被大模型淘汰 mcp skills memory agents 都会是过眼云烟 大模型RSI之后 agent会是大模型的一个实例化产物 给定一个奖励目标 Agent所有的memory / context / tools全部都会自主构建 所以现在学啥能有用呢 要学就学学如何定义agent的目标和约束 如何做agent的评估和修正 如何动态设定拮抗的奖励函数吧📊 3 ⚡
This report is categorized under AITOP's "How-to" desk, focusing on China's AI industry and domestic foundation model ecosystem. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include RSI, MCP, 智能体, 奖励函数.
Source attribution: curated from Yangyi (@Yangyixxxx).
