RAG ist tot, Skills töten MCP? GitHub nimmt fünf AI-Hot-Takes auseinander

Hot Takes machen AI-Debatten schnell, aber selten klug. Im GitHub Podcast hat das Team fünf der hartnäckigsten AI-Entwickler-Meinungen auseinandergenommen - mit erstaunlich viel Nuance.

Die Takes im Check

“AI-Code muss man nicht lesen.” Doch - die Verantwortung bleibt. Aber nicht jede Zeile braucht gleiche Aufmerksamkeit: Ein Auth-Refaktor im Produktivsystem verdient ein anderes Review als ein CSS-Experiment. Die Faustregel: reviewen, bis man das Ergebnis erklären und verantworten kann. AI verlagert die Arbeit, sie löscht sie nicht.

“Ohne AI wird niemand mehr eingestellt.” Nuancierter als der Take suggeriert. Gefragt wird im Interview nach Urteilsvermögen: Wann setzt du AI ein, wann manuell? Wie reviewst du generierten Code? Wer AI-basierte Firmen komplett verweigert, passt vielleicht nicht - aber totale Abhängigkeit ist genauso selten die richtige Antwort.

“Skills töten MCP.” Nein - sie lösen verschiedene Probleme. MCP ist der standardisierte Zugang zu Tools und Daten, Skills sind verpacktes Expertenwissen darüber, wie man diesen Zugang gut nutzt. Standard-Interface plus Prozess-Wissen ergänzen sich.

“RAG ist tot.” RAG ist nur nicht mehr das Neueste, über das man postet. Gutes Retrieval bringt den Modellstart näher an die Antwort, spart Tokens und verankert die Ausgabe in echten Informationen. Agent, Skills, MCP und RAG können problemlos im selben Workflow leben.

“Fine-Tuning für deine Codebase nötig = Code schlecht.” Wenn ein Modell deine Codebasis nicht versteht, strauchelt vermutlich auch ein neuer Teamkollege. AI wird zum Maintainability-Drucktest - klare Struktur, konsistentes Naming und lesbare Tests helfen Menschen und Modellen gleichermaßen.

Quelle: GitHub Blog