- cq ที่ Mozilla AI เปิดตัวคือโปรเจ็กต์ shared commons สำหรับแบ่งปันองค์ความรู้ ที่ออกแบบมาเพื่อให้ AI coding agents แชร์ความรู้ที่ได้เรียนรู้มา และไม่ทำผิดซ้ำแบบเดิม
- ในสถานการณ์ที่ Stack Overflow ลดลงจากคำถามมากกว่า 200,000 รายการต่อเดือนในปี 2014 เหลือเพียง 3,862 รายการในเดือนธันวาคม 2025 ข้อมูลที่ LLM ใช้เรียนรู้จึงเริ่มหยุดนิ่ง และเกิดความไร้ประสิทธิภาพเมื่อเอเจนต์ต้องแก้ปัญหาเดิมซ้ำ ๆ แยกกัน
- ก่อนเริ่มงานใหม่ เอเจนต์สามารถสอบถาม cq commons ได้ และเมื่อเสนอความรู้ที่ค้นพบใหม่ เอเจนต์อื่นก็จะช่วยตรวจสอบและยืนยัน เป็น โครงสร้างฟีดแบ็กร่วมกัน ที่ค่อย ๆ สะสมความน่าเชื่อถือ
- แม้นักพัฒนา 84% จะกำลังใช้เครื่องมือ AI แต่มี 46% ที่ไม่เชื่อมั่นในความถูกต้อง ทำให้ความรู้ที่ผ่านการตรวจสอบจากหลายเอเจนต์และหลาย codebase อาจเชื่อถือได้มากกว่าการอนุมานจากโมเดลเดี่ยว
- มีการเผยแพร่ PoC แบบโอเพนซอร์ส แล้ว ซึ่งรวมถึงปลั๊กอินสำหรับ Claude Code และ OpenCode, MCP server, team API และ human-in-the-loop UI ทำให้สามารถติดตั้งและทดลองใช้ได้ทันที
เบื้องหลังของ cq: โครงสร้างหมุนวนของ LLM และ Stack Overflow
- LLM ถูกฝึกจากคอร์ปัสของ Stack Overflow และเมื่อเอเจนต์เข้ามาแทนที่ Stack Overflow ก็ทำให้ชุมชนค่อย ๆ เสื่อมถอย จนเกิดวงจรที่ตอนนี้เอเจนต์เองก็ ต้องการ Stack Overflow ของตัวเอง
- ปรากฏการณ์นี้ถูกเปรียบกับ matriphagy — เว็บครอว์เลอร์บริโภคความรู้จากเว็บ ความรู้นั้นให้กำเนิด LLM และ LLM ก็กลับมาทำให้ชุมชนที่เคยหล่อเลี้ยงมันค่อย ๆ ว่างเปล่า
- Stack Overflow ถือกำเนิดในปี 2008 และแตะจุดสูงสุดในปี 2014 แต่หลังการเปิดตัว ChatGPT จำนวนคำถามก็ลดลงอย่างมาก จน ถอยกลับไปอยู่ในระดับเดือนเปิดตัวหลังผ่านไป 17 ปี
- แม้แพลตฟอร์ม AI จะพยายามช่วยด้วย skills, slash commands, integrations และการอัปเดต model weights แต่ผู้ใช้ก็ควรได้รับประโยชน์โดยไม่จำเป็นต้องกลายเป็น ML engineer หรือผู้เชี่ยวชาญที่ได้รับการรับรองของเครื่องมือใดเครื่องมือหนึ่ง
ชื่อและแนวคิดหลักของ cq
- cq มาจากคำว่า colloquy (บทสนทนาที่มีโครงสร้าง) โดยมุ่งไปที่ระบบที่สร้างความเข้าใจผ่านการสนทนา ไม่ใช่ผลลัพธ์ทางเดียว
- ในการสื่อสารไร้สาย CQ คือสัญญาณ เรียกทั่วไป (any station, respond) ซึ่งสะท้อนแนวคิดที่เอเจนต์แบ่งปันความรู้ที่มีอยู่ในเครื่องของตนเพื่อประโยชน์ของเอเจนต์อื่น
วิธีการทำงาน
- ก่อนที่เอเจนต์จะทำงานที่ไม่คุ้นเคย เช่น การรวม API, การตั้งค่า CI/CD หรือเฟรมเวิร์กใหม่ ๆ ก็จะ สอบถาม cq commons ก่อน
- ตัวอย่างเช่น หากเอเจนต์อื่นเคยเรียนรู้ไว้แล้วว่า "Stripe ส่งกลับ 200 พร้อม error body สำหรับคำขอที่ถูก rate-limited" ก็สามารถนำความรู้นั้นมาใช้ก่อนเริ่มเขียนโค้ดได้
- เมื่อเอเจนต์ค้นพบสิ่งใหม่ ก็สามารถ เสนอ (propose) ความรู้นั้นเข้าไป แล้วให้เอเจนต์อื่นช่วยตรวจสอบความถูกต้องหรือปักธงว่าข้อมูลล้าสมัย
- หากไม่มีการแบ่งปันแบบนี้ เอเจนต์แต่ละตัวก็จะต้อง ทำซ้ำอย่างอิสระ ทั้งอ่านไฟล์ เขียนโค้ดที่ล้มเหลว เจอ CI build ล้มเหลว วินิจฉัยปัญหา แล้วเริ่มใหม่ สิ้นเปลืองทั้งโทเคนและคอมพิวต์
ระบบฟีดแบ็กร่วมกันและความน่าเชื่อถือ
- ยิ่งมีเอเจนต์แบ่งปันความรู้มากเท่าไร ประสิทธิภาพของเอเจนต์ทั้งหมดก็ยิ่งดีขึ้น และยิ่งมีเอเจนต์เข้าร่วมมากเท่าไร คุณภาพของความรู้ก็ยิ่งสูงขึ้น เกิดเป็นวงจรเชิงบวก
- กำลังออกแบบกลไกที่ไปไกลกว่าการให้เอกสารธรรมดา เช่น confidence scoring, reputation และ trust signals
- ความรู้จะ ได้รับความน่าเชื่อถือจากการถูกใช้งาน ไม่ใช่จากอำนาจ
- จากแบบสำรวจนักพัฒนา พบว่า 84% กำลังใช้หรือมีแผนจะใช้เครื่องมือ AI แต่ความไม่ไว้วางใจในความแม่นยำของผลลัพธ์เพิ่มจาก 31% ในปีก่อนเป็น 46% — ความรู้ที่ผ่านการยืนยันจากหลายเอเจนต์และหลาย codebase จึงน่าเชื่อถือกว่าการคาดเดาจากโมเดลเดี่ยว
ความคืบหน้าของโครงการและ PoC
- เริ่มพัฒนาตั้งแต่ต้นเดือนมีนาคม และทิศทางของโครงการก็ได้รับการยืนยันเมื่อ Andrew Ng โพสต์คำถาม ว่าจำเป็นต้องมี Stack Overflow สำหรับ AI coding agents หรือไม่
- PoC ที่เปิดเผยในตอนนี้ประกอบด้วย ปลั๊กอินสำหรับ Claude Code และ OpenCode, MCP server สำหรับจัดการคลังความรู้ในเครื่อง, team API สำหรับการแชร์ภายในองค์กร, UI สำหรับ human-in-the-loop review และคอนเทนเนอร์ที่ใช้รันทั้งหมด
- แทนที่จะเขียน whitepaper แล้วรอฉันทามติ แนวทางคือ สร้างของที่ใช้งานได้จริงแล้ววนรอบปรับปรุงอย่างรวดเร็ว
การมุ่งสู่ความเปิดกว้างและมาตรฐาน
- วิธีอัปเดตไฟล์ .md ในรีโปแล้วคาดหวังให้ทุกคนทำตามนั้นมีข้อจำกัด จึงจำเป็นต้องมีระบบที่ ไดนามิกและสะสมความน่าเชื่อถือได้ตามเวลา
- ไม่ได้บังคับให้ใช้ coding agent ใด agent หนึ่ง เช่น Claude Code หรือ CoPilot เช่นเดียวกับที่ไม่ควรบังคับเวิร์กโฟลว์ให้วิศวกร จึง หลีกเลี่ยงการผูกติดกับเครื่องมือเดียว
- เป้าหมายคือสร้าง มาตรฐานของการแบ่งปันความรู้ระหว่างเอเจนต์ และกำลังพิจารณาทุกด้านตั้งแต่เดโมที่ทำได้เร็ว PoC ข้อเสนอ ไปจนถึงแนวคิดด้านโครงสร้างพื้นฐาน
- เป้าหมายของ Mozilla AI คือป้องกันอนาคตที่มีบริษัทยักษ์ใหญ่เพียงไม่กี่รายเป็นผู้กำหนดวิธีใช้เทคโนโลยี และรักษาทิศทางที่ เปิดกว้างและเป็นมาตรฐาน ไว้
แผนต่อจากนี้
- ภายในองค์กรกำลัง dogfooding cq กับโปรเจ็กต์ของตัวเองในชีวิตประจำวัน เพื่อสะสมหน่วยความรู้และค้นหาจุดที่เกิด friction
- shared commons เป็นเพียงหนึ่งเลเยอร์ และ feedback loop ของ cq อาจช่วยทำให้เห็น แพตเทิร์นข้ามทีม ช่องว่างของเครื่องมือ และ friction ที่ปรากฏชัดเมื่ออยู่ในระดับขนาดใหญ่เท่านั้น ซึ่งเอเจนต์เดี่ยวไม่สามารถมองเห็นได้
- กำลังพัฒนาแบบ โอเพนซอร์ส และเปิดรับฟีดแบ็กจากทุกคนที่กำลังสร้างเอเจนต์ ใช้งานเอเจนต์ หรือกำลังคิดถึงทิศทางของมัน
1 ความคิดเห็น
โอ๊ย กำลังทำอันนี้อยู่พอดีเลย