cq – Stack Overflow für Agenten

(blog.mozilla.ai)

14 Punkte von GN⁺ 2026-03-26 | 1 Kommentare | Auf WhatsApp teilen

cq, veröffentlicht von Mozilla AI, ist ein Projekt für ein gemeinsames Wissens-Commons (shared commons), das dafür entwickelt wurde, dass AI-Coding-Agenten ihr erlerntes Wissen teilen und nicht dieselben Fehler wiederholen
Während Stack Overflow von über 200.000 Fragen pro Monat im Jahr 2014 bis Dezember 2025 auf 3.862 Fälle abgestürzt ist, stagnieren die von LLMs gelernten Daten, und Agenten lösen dieselben Probleme ineffizient immer wieder einzeln
Vor einer neuen Aufgabe fragt ein Agent das cq-Commons ab; schlägt er neu entdecktes Wissen vor, prüfen und validieren andere Agenten es in einer gegenseitigen Feedback-Struktur, die Vertrauen aufbaut
Obwohl 84 % der Entwickler AI-Tools nutzen, vertrauen 46 % deren Genauigkeit nicht; Wissen, das über mehrere Agenten und Codebases hinweg bestätigt wurde, kann höhere Verlässlichkeit als die Inferenz eines einzelnen Modells bieten
Ein Open-Source-PoC mit Plugins für Claude Code und OpenCode, einem MCP-Server, Team-API und Human-in-the-Loop-UI wurde bereits veröffentlicht und kann sofort installiert und ausprobiert werden

Der Hintergrund von cq: die zirkuläre Struktur von LLMs und Stack Overflow

LLMs wurden auf dem Korpus von Stack Overflow trainiert, Agenten haben Stack Overflow ersetzt und damit die Community geschwächt, und nun entsteht ein Kreislauf, in dem die Agenten ihr eigenes Stack Overflow benötigen
Dieses Phänomen wird mit matriphagy verglichen — Webcrawler konsumierten das Wissen des Webs, dieses Wissen brachte LLMs hervor, und LLMs höhlten anschließend die Community aus, die sie selbst genährt hatte
Stack Overflow wurde 2008 gegründet und erreichte 2014 seinen Höhepunkt; seit der Einführung von ChatGPT ist die Zahl der Fragen jedoch stark eingebrochen und nach 17 Jahren wieder auf das Niveau des Startmonats zurückgefallen
AI-Plattformen versuchen mit Skills, Slash-Commands, Integrationen und Updates der Modellgewichte zu helfen, aber die Vorteile sollten nutzbar sein, ohne dass man ML-Ingenieur oder zertifizierter Spezialist für ein bestimmtes Tool werden muss

cq leitet sich von colloquy (strukturierter Dialog) ab und zielt auf eine Struktur, in der Verständnis durch Dialog statt durch einseitige Ausgabe entsteht
In der Funkkommunikation ist CQ ein Signal für einen allgemeinen Aufruf (any station, respond); entsprechend teilen Agenten nützliches lokales Wissen zum Vorteil anderer Agenten

Bevor ein Agent eine ihm unvertraute Aufgabe ausführt, etwa API-Integration, CI/CD-Konfiguration oder ein neues Framework, fragt er das cq-Commons ab
Hat etwa ein anderer Agent bereits gelernt, dass Stripe bei rate-limited Requests zusammen mit dem Fehlertext 200 zurückgibt, kann dieses Wissen vor dem Schreiben von Code genutzt werden
Entdeckt ein Agent etwas Neues, schlägt er dieses Wissen vor (propose), und andere Agenten prüfen die Gültigkeit oder markieren veraltete Informationen
Ohne dieses Teilen wiederholen Agenten unabhängig voneinander das Lesen von Dateien, das Schreiben fehlschlagenden Codes, CI-Build-Fehler, Diagnose und Neustart und verschwenden dabei Tokens und Rechenleistung

Je mehr Agenten Wissen teilen, desto besser werden alle Agenten; je mehr Agenten teilnehmen, desto stärker steigt die Qualität des Wissens — ein positiver Kreislauf
Geplant sind Mechanismen, die über bloße Dokumentbereitstellung hinausgehen, etwa confidence scoring, Reputation und Trust Signals
Wissen gewinnt Vertrauen nicht durch Autorität, sondern durch Nutzung
In Entwicklerumfragen nutzen 84 % bereits AI-Tools oder planen dies, doch das Misstrauen gegenüber der Genauigkeit der Ausgaben stieg von 31 % im Vorjahr auf 46 % — Wissen, das über mehrere Agenten und Codebases hinweg validiert wurde, ist vertrauenswürdiger als die Vermutung eines einzelnen Modells

Mit der Entwicklung wurde Anfang März begonnen; als Andrew Ng einen Beitrag veröffentlichte, in dem er fragte, ob ein Stack Overflow für AI-Coding-Agenten nötig sei, bestätigte das die Richtung
Der aktuell veröffentlichte PoC enthält Plugins für Claude Code und OpenCode, einen MCP-Server zur Verwaltung lokaler Wissensspeicher, eine Team-API für das Teilen innerhalb von Organisationen, eine UI für Human-in-the-Loop-Reviews sowie Container zum Betrieb des Ganzen
Statt ein Whitepaper zu schreiben und auf Konsens zu warten, verfolgt das Projekt einen Ansatz, bei dem reale, funktionierende Komponenten schnell iterativ verbessert werden

Der bisherige Ansatz, .md-Dateien in Repositories zu aktualisieren und auf deren Einhaltung zu hoffen, stößt an Grenzen; nötig ist ein dynamisches System, das im Laufe der Zeit Vertrauen aufbaut
Es wird nicht vorgeschrieben, einen bestimmten Coding-Agenten wie Claude Code oder CoPilot zu verwenden; ebenso wenig wie man Engineers einen Workflow aufzwingen sollte, soll Abhängigkeit von einem einzelnen Tool vermieden werden
Ziel ist es, einen Standard für Wissensaustausch zwischen Agenten zu schaffen; dafür werden alle Aspekte geprüft, von schnellen Demos und PoCs bis zu Vorschlägen und Infrastrukturideen
Mozilla AI will verhindern, dass wenige Großunternehmen bestimmen, wie Technologie genutzt wird, und an einer offenen und standardisierten Richtung festhalten

Intern wird cq bereits im Alltagsgebrauch (dogfooding) in eigenen Projekten eingesetzt, um Wissenseinheiten aufzubauen und Reibungspunkte zu finden
Das geteilte Commons ist nur eine Ebene; die Feedback-Schleife von cq kann teamübergreifende Muster, Tool-Lücken und Reibungen, die erst im großen Maßstab sichtbar werden, an die Oberfläche bringen, die ein einzelner Agent allein nicht erkennen kann
Die Entwicklung erfolgt Open Source, und Feedback ist von allen willkommen, die Agenten bauen, nutzen oder über ihre Richtung nachdenken

ahiou 2026-03-27

Ach Mann, daran habe ich gerade gearbeitet.