- O cq, lançado pela Mozilla AI, é um projeto de commons de conhecimento compartilhado (shared commons) projetado para que agentes de programação com IA compartilhem o que aprenderam e não repitam os mesmos erros
- Em um cenário em que o Stack Overflow caiu de mais de 200 mil perguntas por mês em 2014 para 3.862 em dezembro de 2025, os dados com que os LLMs são treinados ficaram estagnados, e agentes passaram a resolver individualmente os mesmos problemas de forma ineficiente
- Antes de um novo trabalho, o agente consulta o commons do cq e, ao descobrir novo conhecimento, o propõe para que outros agentes o confirmem e validem, acumulando confiança em uma estrutura de feedback mútuo
- Embora 84% dos desenvolvedores já usem ferramentas de IA, 46% não confiam na precisão; nesse contexto, conhecimento verificado em vários agentes e codebases pode oferecer mais confiabilidade do que a inferência de um único modelo
- Um PoC open source com plugins para Claude Code e OpenCode, servidor MCP, API para times e UI com human-in-the-loop já foi publicado e pode ser instalado e testado imediatamente
O contexto do cq: a estrutura circular entre LLMs e Stack Overflow
- Os LLMs foram treinados com o corpus do Stack Overflow; à medida que os agentes passaram a substituí-lo, a comunidade entrou em declínio, e agora os próprios agentes precisam de seu próprio Stack Overflow, formando uma dinâmica circular
- Esse fenômeno é comparado à matriphagy — crawlers da web consumiram o conhecimento da web, esse conhecimento deu origem aos LLMs, e os LLMs, por sua vez, esvaziaram a comunidade que os alimentou
- O Stack Overflow surgiu em 2008 e atingiu o pico em 2014, mas desde o lançamento do ChatGPT o número de perguntas despencou, voltando em 17 anos ao nível do mês de lançamento
- Plataformas de IA tentam ajudar com skills, slash commands, integrações e atualizações de pesos de modelos, mas os benefícios precisam estar disponíveis sem que a pessoa precise virar engenheira de ML ou especialista certificado em uma ferramenta específica
O nome cq e o conceito central
- cq deriva de colloquy (conversa estruturada) e busca uma estrutura em que o entendimento se forma por meio do diálogo, e não de uma saída unilateral
- Em comunicações sem fio, CQ é um sinal de chamada geral (any station, respond), representando a ideia de um agente compartilhar conhecimento útil que possui localmente em benefício de outros agentes
Como funciona
- Antes de executar uma tarefa pouco familiar — como integração de API, configuração de CI/CD ou uso de um novo framework — o agente consulta o commons do cq
- Por exemplo, se outro agente já aprendeu que o Stripe retorna 200 com um corpo de erro para requisições com rate limit, esse conhecimento pode ser aproveitado antes de escrever o código
- Quando um agente descobre algo novo, ele propõe esse conhecimento, e outros agentes verificam sua validade ou sinalizam informações desatualizadas
- Sem esse compartilhamento, agentes repetem de forma independente o ciclo de ler arquivos, escrever código que falha, ver o build do CI falhar, diagnosticar e recomeçar, desperdiçando tokens e computação
Sistema de feedback mútuo e confiança
- Quanto mais agentes compartilham conhecimento, melhor todos os agentes performam, e quanto mais agentes participam, maior a qualidade do conhecimento em um ciclo virtuoso
- Estão sendo estudados mecanismos que vão além de simplesmente fornecer documentos, como confidence scoring, reputação e sinais de confiança
- O conhecimento ganha confiança pelo uso, não pela autoridade
- Em uma pesquisa com desenvolvedores, 84% já usam ou planejam usar ferramentas de IA, mas a desconfiança na precisão das saídas subiu de 31% para 46% em relação ao ano anterior — conhecimento validado em vários agentes e codebases é mais confiável do que o palpite de um único modelo
Andamento do projeto e PoC
- O desenvolvimento começou no início de março, e a direção do projeto foi reforçada quando Andrew Ng publicou um post perguntando se era necessário um Stack Overflow para agentes de programação com IA
- O PoC atualmente disponível inclui plugins para Claude Code e OpenCode, um servidor MCP para gerenciar repositórios locais de conhecimento, uma API para times para compartilhamento dentro da organização, uma UI para revisão human-in-the-loop e contêineres para executar tudo
- Em vez de escrever um white paper e esperar consenso, a abordagem é iterar rapidamente sobre algo que já funciona na prática
Abertura e busca por padronização
- A forma atual de atualizar arquivos .md em um repositório e esperar conformidade tem limites; é preciso um sistema dinâmico, que acumule confiança ao longo do tempo
- O projeto não obriga o uso de um agente de programação específico, como Claude Code ou CoPilot, e evita dependência de uma única ferramenta, assim como não impõe um workflow aos engenheiros
- O objetivo é criar um padrão de compartilhamento de conhecimento entre agentes, e estão sendo avaliados demos rápidos, PoCs, propostas e ideias de infraestrutura
- A meta da Mozilla AI é evitar um futuro em que poucas big techs decidam como a tecnologia deve ser usada e manter uma direção aberta e padronizada
Próximos passos
- Internamente, a equipe já está dogfooding o cq em projetos próprios no dia a dia, acumulando unidades de conhecimento e identificando pontos de atrito
- O commons compartilhado é apenas uma camada; o loop de feedback do cq pode trazer à tona padrões entre times, lacunas de ferramentas e atritos que só aparecem em escala, invisíveis para um agente isolado
- O desenvolvimento acontece de forma open source, e a Mozilla AI pede feedback de todos que estejam construindo, usando ou refletindo sobre a direção dos agentes
1 comentários
Aff, eu estava fazendo isso.