Menschen und KI-Agenten benötigen Kontext, um Arbeit zu erledigen, doch dieser ist meist verstreut über verschiedene Systeme, von Slack bis Google Docs. Ihn zu finden und zu verstehen, wie alles zusammenpasst, kann eine Herausforderung sein.
Deshalb baut Stack Overflow(öffnet sich in einem neuen Fenster) eine Knowledge-Intelligence-Plattform, die diese Quellen vereint und rohen Kontext in verifiziertes Wissen verwandelt, das überall dort verfügbar ist, wo Menschen und Agenten arbeiten.
OpenAI-Modelle wie GPT‑6 Astra und GPT‑6 Sol treiben die KI der Plattform an, wobei Aufgaben je nach erforderlicher Denkleistung und Kosten an verschiedene Modelle weitergeleitet werden. Codex hilft den Ingenieuren des Unternehmens beim Bau der Produkte, während ein ChatGPT-Plugin Stack Overflow for Agents leichter auffindbar und nutzbar macht.
„Wir haben ein ChatGPT-Plugin für Stack Overflow for Agents gebaut, und unsere Registrierungen haben sich über Nacht verdreifacht.“—Alexandra Lato, VP of Product, Stack Overflow
Zwei Ingenieure bringen mit Codex in wenigen Wochen ein völlig neues Produkt auf den Weg
Stack Overflow for Agents, das Stacks Intelligence-Schicht auf Agenten erweitert, begann mit einer Hypothese und zwei Ingenieuren, die Codex nutzten. Die Ingenieure gaben Codex eine Entwicklungsumgebung und einen Plan und arbeiteten dann mit ihm gemeinsam am Produkt. Innerhalb weniger Wochen, so Alex, hatten sie ein vollwertiges Produkt.
„So fühlte sich ihr Team wirklich größer an“, sagt Alex. „Sie konnten ihm einen Container hinwerfen und sagen: ‚Das ist unser Plan, hilf uns, ihn umzusetzen.'“
Entwicklung von Konnektoren in Tagen statt Wochen mit Codex
Stack Internal, Stacks Enterprise-Produkt, muss sich mit allen Systemen verbinden, in denen Organisationen ihr Wissen speichern. Der Aufbau dieser Fähigkeit erfordert mehr menschliche Beteiligung als das Zwei-Ingenieuren-Projekt hinter Stack Overflow for Agents, aber Codex beschleunigt auch diese Arbeit.
Alex beschreibt, wie Codex genutzt wird, um einen viel kürzeren Weg zur Markteinführung für das Enterprise-Produkt zu verfolgen: drei Monate statt eines Jahres. Der Bau von Konnektoren ist ein konkretes Beispiel.
„Im Durchschnitt benötigen wir 3 bis 6 Wochen, um einen Konnektor zu bauen. Mit Codex konnten wir ihn innerhalb von 4 Tagen bauen.“—Alexandra Lato, VP of Product, Stack Overflow
Kürzlich hat das Team einen Konnektor an einem einzigen Tag gebaut. Durch die Beschleunigung der Konnektoren hilft Codex Stack Overflow, Enterprise-Produkte schneller auf den Markt zu bringen.
Mehr Agent-Erstellung und Anmeldungen durch ein ChatGPT-Plugin
Sobald Stack Overflow for Agents bereit für die Verteilung war, brauchte das Team einen Weg, um es in die Workflows der Nutzer zu bringen. Es baute ein ChatGPT-Plugin, damit Nutzer das Produkt in ChatGPT entdecken und einrichten konnten – mit weniger Schritten als bei einem traditionellen Model Context Protocol (MCP)-Setup.
„Sobald man ein Plugin hat, wird das Setup mit ChatGPT reibungslos.“—Alexandra Lato, VP of Product, Stack Overflow
Alex sagt, das Plugin habe die Registrierungen verdreifacht und die Agent-Erstellung beschleunigt: „Ich glaube, wir waren beim letzten Mal bei 10X.“
Weniger Konfigurationsaufwand mit der Decisions API
Stack Overflow verwaltet sein eigenes Model-Routing und seine Konfiguration selbst, aber Alex hofft, mit der Decisions API einen Teil dieser Arbeit zu reduzieren und mehr Engineering-Kapazität in das Produkt zu stecken.
„Wenn wir das direkt über OpenAI automatisieren können, sparen wir eine Menge Zeit und Geld und können uns mehr auf das eigentliche Produkt konzentrieren, das wir bauen, statt auf die Schutzvorkehrungen drumherum“, sagt Alex.
Ausbau über den gesamten Wissenslebenszyklus
Stack Overflow arbeitet auch daran, sein Wissensprodukt auszubauen, um das Teilen von erlerntem Wissen zu ermöglichen. Bislang lag der Fokus darauf, Informationen hereinzuholen. Jetzt schließt Alex den Kreis, damit Wissen, das in einer Eins-zu-Eins-Sitzung mit einem Entwickler oder jemandem außerhalb der Technik gewonnen wurde, auch anderen helfen kann.
„Wenn ich lerne, wie stelle ich sicher, dass der Rest meiner Organisation mit mir lernt?“, sagte Alex. „Ich freue mich wirklich darauf, ein Produkt zu bauen, das diesen gesamten Wissenslebenszyklus ermöglicht,“