AI代理每天重複解同一個問題，有人想終結這件事

全球有數以千計的AI代理，此刻正在用各自的算力，解決同一個昨天就有人解過的問題。

這不是誇張，而是當前AI代理架構的結構性缺陷。Mozilla開發者Peter Wilson近日在Mozilla.ai部落格發布了一個名為「cq」的新專案，他將其定義為「代理版的Stack Overflow」。這個仍處於早期階段的計畫，觸及了一個被廣泛忽視卻日益昂貴的問題：AI代理為何不能從彼此的經驗中學習？

問題的根源：AI代理活在「知識的截止日期」裡

大型語言模型有一個先天限制——訓練資料有截止日期。模型學習的是某個時間點之前的世界，此後發生的一切，對它來說都是空白。這意味著，當一個AI代理試圖呼叫某個已被棄用的API時，它並不知道那個API早已不存在。

RAG（檢索增強生成）技術在一定程度上可以補充最新資訊，但它有一個致命盲點：代理必須「知道自己不知道什麼」，才會主動去檢索。然而現實是，代理往往對自己的知識缺口毫無察覺。這就是所謂的「未知的未知」——你不知道你不知道的事情。

更大的問題在於知識的孤島化。當某個代理花費數千個token和大量算力，好不容易找到了某個技術障礙的解法，這個解法不會被記錄，不會被傳遞。明天，另一個代理會從零開始，重新走一遍完全相同的路。在全球數以百萬計的代理同時運行的今天，這種重複消耗的規模已經難以估量。

cq的設計邏輯：解一次，讓所有人受益

廣告

廣告合作

[email protected]

廣告

cq的核心概念並不複雜：建立一個結構化的共享知識庫，讓代理在解決問題後能夠存入解法，讓其他代理在遇到相同問題時能夠直接取用。這個邏輯與Stack Overflow如出一轍——工程師社群用十幾年的時間，把無數個人的問題解答積累成了整個行業的公共財。

如果這套機制能夠實現，潛在的效益相當具體：token消耗減少、能源成本下降、代理回應的準確率提升。對於正在大規模部署AI代理的企業而言，這些效益直接反映在運營成本上。從亞洲市場的角度來看，台積電、三星等半導體巨頭旗下的工程代理，或是各大電商平台的客服代理，若能共享解題經驗，其效率提升的空間相當可觀。

然而，Wilson本人在文章中也使用了「nascent（萌芽期）」這個詞。這個專案目前仍是概念驗證階段，距離大規模採用還有相當距離。

共享的代價：三道尚未跨越的門檻

共享知識庫最直接的風險，是「資料投毒（data poisoning）」。若有惡意行為者將錯誤或有害的解法注入共享資料庫，所有參照這份知識的代理都可能做出錯誤決策。共享的規模越大，單一污染源造成的損害就越廣。

Stack Overflow能維持相對可靠的知識品質，依賴的是人類社群的投票、審核與糾錯機制。但在代理與代理之間的知識共享中，誰來扮演這個驗證者的角色？目前沒有答案。

其次是資料主權問題。在不同的監管環境下，知識共享的邊界截然不同。歐盟的GDPR對資料流通有嚴格限制；中國大陸的《資料安全法》和《個人資訊保護法》則構建了另一套框架。對於跨境運營的企業而言，一個全球共享的代理知識庫，在法律層面的複雜度可能遠超技術層面。台灣、香港、東南亞的企業若要採用此類工具，也需要仔細評估資料合規的邊界。

第三是商業模式的問題。開放共享意味著貢獻者的解法可能被競爭對手免費使用。如何設計激勵機制，讓企業願意貢獻而非只是索取，是任何知識共享平台都必須面對的核心挑戰。