背景：知識散落成為 AI Agent 的實務瓶頸
人員和 AI agent 要完成工作，都需要脈絡（context）。但脈絡通常散落在 Slack、Google Docs 等各種系統裡。找到這些資訊，再理解它們如何拼湊在一起，往往是一大挑戰。這正是 Stack Overflow 正在處理的問題。該公司正在建構一個知識智能平台（knowledge intelligence platform），目標是統一這些來源，把原始脈絡轉化為可驗證的知識（verified knowledge），並讓這些知識能在人們和 agent 工作的地方隨時取用。這個平台背後使用 OpenAI 的 GPT-6 Astra 與 GPT-6 Sol 模型，任務會依據所需的推理複雜度和成本，路由到不同的模型處理。這種設計意味著不是所有請求都交給同一個模型，而是按照任務難度與成本效益做分配，讓推理需求高的任務交給能力更強的模型，較單純的任務則由成本較低的模型處理。
核心內容：兩位工程師用 Codex 在幾週內交付新產品
Stack Overflow for Agents 是 Stack 把 intelligence layer 延伸到 agent 的產物。它始於一個假設，以及兩位使用 Codex 的工程師。這兩位工程師給 Codex 一個開發環境（development environment）和一份計畫，然後與它一起建構產品。根據 Stack Overflow 產品副總裁 Alexandra Lato 的說法，他們在幾週內就有了完整的產品。她說，這讓團隊感覺變大了，他們能丟一個 container 給 Codex，說「這是我們的計畫，幫我們 build 它」。Codex 是 OpenAI 的程式開發 agent，能根據開發環境與計畫協助實際編寫程式。對資源有限的新創團隊來說，它不只是輔助工具，而是能補足人力的開發夥伴。Stack Overflow for Agents 從假設到可運作產品，只靠兩位工程師加 Codex 完成，顯示這類工具在早期產品開發中的實際槓桿效果。
技術脈絡：Connector 開發加速與 ChatGPT 外掛降低使用門檻
Stack Internal 是 Stack Overflow 的企業產品，必須連接組織存放知識的所有系統。這項能力需要比兩人團隊更多的人力參與，但 Codex 同樣在加速這部分的開發。Lato 描述如何用 Codex 把企業產品的上市時間從一年縮短到三個月。建構 connector 是最具體的例子。她說，平均而言，建一個 connector 要花 3 到 6 週，但有了 Codex，他們能在 4 天內完成。更近期，團隊甚至在一天內建好了一個 connector。透過加速 connector 的開發，Codex 幫助 Stack Overflow 讓企業產品更快進入市場。Connector 在這裡扮演的角色，是讓企業產品能串接組織內部各種知識來源，例如內部文件、協作平台與其他系統；如果每個連接器都要耗費數週，產品上市速度就會被拖慢。
當 Stack Overflow for Agents 準備好進入發布階段，團隊需要一個方式把它帶進人們的工作流程。他們建構了一個 ChatGPT plugin，讓用戶能在 ChatGPT 裡發現並設定這個產品，步驟比傳統的 Model Context Protocol（MCP）設定更少。MCP 是一種讓 AI 應用連接外部工具與資料來源的協定，但傳統設定通常需要較多配置步驟。Lato 說，一旦有了 plugin，在 ChatGPT 裡的設定就變得沒有摩擦。她還說，這個 plugin 讓註冊量變成三倍，並加速了 agent 建立，上次檢查時達到 10 倍。具體數字包括：註冊量三倍，agent 建立量最高 10 倍，而 connector 建構時間從 3 到 6 週降到 4 天，最大減幅達 87%。
模型路由、Decisions API 與知識生命週期擴展
Stack Overflow 自行管理模型路由與配置，但 Lato 希望探索使用 Decisions API 來減少部分工作，把更多工程產能投入產品本身。她說，如果能夠透過 OpenAI 直接自動化這些流程，能省下大量時間和金錢，讓他們更專注於實際建構的產品，而不是圍繞產品的 guardrails。這裡反映出一個實務上的取捨：自行管理路由與配置能帶來控制權，但也佔用工程資源；若平台能提供更高程度的自動化，團隊就能把稀缺的人力移到更具產品差異化的地方。
Stack Overflow 也在擴大知識產品的範圍，讓人們能分享自己學到的東西。到目前為止，重點一直放在把資訊拉進來。現在 Lato 要閉環，讓在開發者或非工程人員的一對一互動中學到的知識，也能幫助其他人。她說，當我在學習時，如何確保組織裡的其他人也能跟我一起學習？她期待建構一個能支持完整知識生命週期的產品。這代表知識智能平台不只要能搜尋與整合，還要能讓新產生的理解回流到組織中，形成可累積的資產。
影響與限制
從 Stack Overflow 的案例可以看出幾個趨勢。第一，AI agent 的開發與部署正在從程式碼本身擴展到知識脈絡的整合，agent 需要可驗證、可追溯的資訊才能可靠工作。第二，像 Codex 這樣的開發 agent 正在壓縮產品開發週期，讓小型團隊能處理過去需要更多人力的工作。第三，ChatGPT plugin 這類發布機制能顯著降低使用門檻，進而帶動註冊與 agent 建立量的成長。不過，這些效益仍依賴團隊對模型路由、配置與知識治理的掌握；自動化程度越高，團隊越能把資源集中在產品價值上，但如何確保知識品質與權限控制，仍是平台必須面對的限制。Stack Overflow 的案例顯示，當知識平台能把脈絡整合、開發加速與低摩擦發布結合起來時，對 agent 生態的成長會有直接的推動作用。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。