Peter Wilson & Davide Eynard - cq - Stack Overflow for Agents - AI Native DevCon June 2026
三句話摘要
CQ 是 Mozilla AI 為 AI Agent 設計的分散式知識共享系統，類似 Stack Overflow，讓 Agent 在解決問題後能自動保存和重用解決方案。 CQ 將 AI Agent 的問題解決經驗轉化為可共享的知識單元，實現個人→團隊→社群的階層化知識積累，但必須在開放性與安全防護之間找到平衡。 上下文決定 Agent 能力。即使是 0.8 億參數的小模型，提供適當工具和檔案取用權後，也能正確回答複雜問題；反之，無論模型多大，上下文被截斷或工具不足時都會失敗。這解釋了開源與商用模型的真正差距不在模型本身，而在配套的工程投入。
重點整理
重點- 1
上下文決定 Agent 能力。即使是 0.8 億參數的小模型，提供適當工具和檔案取用權後，也能正確回答複雜問題；反之，無論模型多大，上下文被截斷或工具不足時都會失敗。這解釋了開源與商用模型的真正差距不在模型本身，而在配套的工程投入。
- 2
傳統方案如 Claude.md 或記憶系統因為要將所有規則載入上下文而低效，且無法跨 Agent 跨組織共享。CQ 透過為每個領域提供精準的知識單元，使 Agent 只需查詢相關片段，減少上下文污染。
- 3
三層架構實現知識的漸進開放：本地 SQLite 供個人快速迭代（無審查），團隊伺服器供組織共享（人工審查），CQ Exchange 供社群使用（社群策劃）。知識單元包含問題域、解決見解、具體行動和中繼資料。
- 4
安全與隱私採多層防禦：JWT token 認證、短期 API key 委派、知識單元加密簽名、公鑰驗證、PII 檢測、沙箱執行、人工審查。但必須接受開放網路的信任假設，無法完全消除風險。
實用技巧與重點
乾貨- 知識單元 (KU) 的 JSON 欄位：
- domains：問題領域
- insight：解決方案摘要
- action：具體步驟
- metadata：languages、frameworks、pattern
- MCP 伺服器操作：
- query：查詢相關知識
- propose：提案新知識單元
- validate：驗證知識有效性
- confirm：確認知識有效
- flag：標記問題知識
- 三層部署模式：
- 本地模式：SQLite 資料庫，無審查
- 團隊模式：OSS 伺服器，用戶認證 + 人工審查
- CQ Exchange：Mozilla 營運的公開知識庫
- 安全機制：
- JWT token + 短期 API key
- 知識單元加密簽名與公鑰驗證
- PII 檢測與沙箱執行
- 人工審查流程（「Tinder 式」左右滑審查介面）
- guardrails 管道
- 實際案例：Joplin MCP 配置
- 問題：MCP 伺服器配置路徑錯誤
- Agent 查詢文件並找到解決方案
- 儲存為知識單元到本地系統
- 下次執行時 Agent 自動查詢並應用正確配置
- 結果：節省時間、令牌和重複工作
- 搜尋機制：
- 按問題域、語言、框架進行語義搜尋
- 按相關度排序回傳
- PR 開發中支援語義搜尋功能
- Roadmap：
- 組織命名空間支援
- 知識升級管道（個人→組織→社群）
- 資料防護管道改進
- Schema 匯出功能
- 伺服器聯邦化與跨伺服器查詢
結論
結論“CQ 將 AI Agent 的問題解決經驗轉化為可共享的知識單元，實現個人→團隊→社群的階層化知識積累，但必須在開放性與安全防護之間找到平衡。”
完整解析
詳細開源 AI 開發面臨的真實問題不是模型本身，而是商用服務包含的整套工程系統。商用 AI 不僅是大型語言模型，還包括 Agent 程式碼、工具整合、API 管理和數千名工程師的持續投入。Mozilla AI 的目標是縮小開源與商用方案的體驗差距，讓開源工具變得同樣易用。
CQ 系統的核心洞見來自一個簡單觀察：當 Agent 遇到未知問題並最終找到解決方案時，這個解決過程本身就是寶貴知識。為何不保存它供未來重用？知識單元包含四個要素：問題所屬領域、解決方案的核心見解、實現見解的具體行動，以及語言、框架等上下文中繼資料。一旦儲存，其他 Agent 可查詢並在遇到類似問題時直接應用。
系統採用精心設計的三層架構。開發者首先在本地使用 SQLite 資料庫模式，允許快速實驗，新知識立即對同機器上的其他 Agent 可見。當團隊需要協作時，可部署 Mozilla 提供的開源伺服器元件，引入使用者認證和人工審查，確保共享的知識品質。最頂層是 CQ Exchange，由 Mozilla 營運的公開知識庫，使用者可逐步將驗證過的知識從組織私有空間升級至全社群可見。
實際應用展示了系統的威力。演講者遇到 Joplin MCP 配置問題，與 Claude 互動多次後最終發現配置檔案路徑錯誤。系統根據要求生成了知識單元並儲存。下次啟動 Agent 時，系統自動查詢相關知識，Agent 直接應用正確配置，避免重複搜尋和令牌消耗。這正是知識單元的價值：解決一次，永久受惠。
然而開放性帶來風險。知識單元可能包含惡意程式碼、個人資料或過時資訊。防禦戰略採多層設計：使用 JWT token 進行身份認證，發放短期 API key 給 Agent，允許加密簽名驗證知識來源，運行 PII 檢測和沙箱執行，以及人工審查流程。隱私優先原則下，預設情況下知識建立者身份保密，使用者需明確同意公開。儘管努力防護，系統仍要求使用者採納開放網路的信任假設。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
