- cq, presentado por Mozilla AI, es un proyecto de commons de conocimiento compartido (shared commons) diseñado para que los agentes de programación con IA compartan lo aprendido y no repitan los mismos errores
- En un contexto donde Stack Overflow cayó de más de 200 mil preguntas mensuales en 2014 a apenas 3,862 en diciembre de 2025, los datos con los que se entrenan los LLM se estancan y los agentes terminan resolviendo por separado los mismos problemas una y otra vez, generando ineficiencia
- Antes de una nueva tarea, un agente consulta los commons de cq y, cuando descubre conocimiento nuevo, lo propone para que otros agentes lo revisen y validen, acumulando confianza mediante una estructura de retroalimentación mutua
- Aunque el 84% de los desarrolladores ya usa herramientas de IA, el 46% no confía en su precisión; en ese escenario, el conocimiento verificado por varios agentes y bases de código puede ofrecer más confiabilidad que la inferencia de un solo modelo
- Ya publicaron un PoC open source con plugins para Claude Code y OpenCode, un servidor MCP, API para equipos y una interfaz human-in-the-loop, por lo que se puede instalar y probar de inmediato
El contexto de cq: la estructura circular entre los LLM y Stack Overflow
- Los LLM se entrenaron con el corpus de Stack Overflow; luego los agentes empezaron a reemplazar a Stack Overflow, la comunidad se debilitó y ahora los propios agentes necesitan su propio Stack Overflow, formando una estructura circular
- Este fenómeno se compara con la matriphagy — los crawlers web consumieron el conocimiento de la web, ese conocimiento dio origen a los LLM y, a su vez, los LLM vaciaron a las comunidades que los habían alimentado
- Stack Overflow nació en 2008 y alcanzó su punto máximo en 2014, pero desde el lanzamiento de ChatGPT el número de preguntas se desplomó, hasta volver al nivel del mes de lanzamiento tras 17 años
- Las plataformas de IA intentan ayudar con skills, slash commands, integraciones y actualizaciones de pesos del modelo, pero los beneficios deberían poder aprovecharse sin tener que volverse ingeniero de ML ni experto certificado en una herramienta específica
El nombre de cq y su concepto central
- cq es un nombre derivado de colloquy (diálogo estructurado) y apunta a una estructura donde la comprensión se forma mediante la conversación, no a partir de una salida unilateral
- En comunicaciones inalámbricas, CQ es una señal de llamado general (any station, respond), y aquí representa una forma de compartir con otros agentes el conocimiento útil que un agente tiene localmente
Cómo funciona
- Antes de realizar una tarea desconocida —como integrar una API, configurar CI/CD o trabajar con un framework nuevo— el agente consulta los commons de cq
- Por ejemplo, si otro agente ya aprendió que Stripe devuelve 200 junto con un body de error en solicitudes con rate limiting, ese conocimiento puede aprovecharse antes de escribir código
- Cuando un agente descubre algo nuevo, propone ese conocimiento, y otros agentes verifican su validez o marcan la información desactualizada
- Sin este tipo de intercambio, los agentes repiten de manera independiente el mismo ciclo de leer archivos, escribir código que falla, romper builds de CI, diagnosticar y reiniciar, desperdiciando tokens y cómputo
Sistema de retroalimentación mutua y confianza
- Cuantos más agentes compartan conocimiento, mejor rinden todos, y mientras más agentes participen, mayor será la calidad del conocimiento, generando un círculo virtuoso
- Se está pensando en mecanismos que vayan más allá de simplemente ofrecer documentos, como confidence scoring, reputación y señales de confianza
- El conocimiento gana confianza por su uso, no por autoridad
- En una encuesta a desarrolladores, el 84% ya usa o planea usar herramientas de IA, pero la desconfianza en la precisión de sus resultados subió del 31% al 46% frente al año anterior; el conocimiento validado en varios agentes y bases de código resulta más confiable que la suposición de un solo modelo
Estado del proyecto y PoC
- El desarrollo comenzó a inicios de marzo, y la dirección del proyecto se confirmó cuando Andrew Ng publicó un texto preguntando si hacía falta un Stack Overflow para agentes de programación con IA
- El PoC publicado actualmente incluye plugins para Claude Code y OpenCode, un servidor MCP que administra el repositorio local de conocimiento, una API para equipos para compartir dentro de la organización, una interfaz para revisión human-in-the-loop y contenedores para ejecutar todo el sistema
- En lugar de escribir un white paper y esperar consenso, el enfoque es iterar rápido sobre algo que realmente funcione
Apertura y orientación a la estandarización
- El enfoque actual de actualizar archivos .md en un repo y esperar cumplimiento tiene límites; hace falta un sistema dinámico y que acumule confianza con el tiempo
- No obliga a usar un agente de programación específico como Claude Code o CoPilot, del mismo modo que no se debería imponer un workflow a los ingenieros; se busca evitar la dependencia de una sola herramienta
- El objetivo es formar un estándar para compartir conocimiento entre agentes, y se están explorando todos los frentes: demos rápidas, PoC, propuestas e ideas de infraestructura
- Mozilla AI busca evitar un futuro en el que unas pocas grandes empresas decidan cómo se usa la tecnología y mantener una dirección abierta y estandarizada
Próximos pasos
- Internamente ya están dogfoodeando cq en sus propios proyectos diarios para acumular unidades de conocimiento y detectar puntos de fricción
- Los commons compartidos son una capa, pero el loop de retroalimentación de cq también puede hacer visibles patrones entre equipos, brechas entre herramientas y fricciones que solo aparecen a escala, cosas que un agente aislado no puede ver
- El desarrollo se lleva en open source, y están pidiendo feedback a cualquiera que construya agentes, los use o esté pensando en su dirección
1 comentarios
Ah, caray, yo estaba haciendo esto.