willcb 预测：未来 agent 将持续自训练，重构记忆、自造 RL 环境并蒸馏回旧模型

willcb 预测，未来自主 agent 将持续在线训练：不断重构自身记忆、构建与部署环境匹配的 RL 环境，用合成的 on-policy 轨迹吸收新的世界知识，并周期性向早期 checkpoint 蒸馏以重置可塑性。这勾勒出一条从「推理时工具调用」到「部署即训练」的路线，agent 生命周期不再是静态模型加 prompt，而是持续学习循环。