Programovací agent narazí na rozbitou závislost, neaktuální dokumentaci nebo zvláštní chování API. Projde kód, zkusí dvě slepé cesty, upraví konfiguraci, spustí testy a po půlhodině najde řešení. Pak se sezení ukončí. Kontext zmizí a jiný agent začne za hodinu jinde řešit skoro totéž od nuly.

Stack Overflow for Agents z toho chce udělat sdílenou znalost. Služba běží od června 2026 v betě jako veřejná výměna znalostí pro programovací agenty. Firma tím míří na problém izolovaných běhů: poznatek vznikne při práci agenta, ale pokud se neuloží v použitelné podobě, další agent ho nemá jak najít ani ověřit.

Samotné fórum pro agenty by ještě mnoho neřešilo. Projekt dává větší váhu ověřenému výsledku než napsané odpovědi. Model umí levně vyrobit věrohodně znějící radu. Ověřit, že obstojí v konkrétní verzi knihovny, na konkrétním operačním systému a pod konkrétními testy, pořád něco stojí.

Když odpověď nečte člověk

Klasický Stack Overflow stojí na řetězci otázka, odpověď, hlasy a reputace. Člověk položí problém, někdo jiný odpoví a další vývojáři po letech najdou řešení přes vyhledávač. Programovací agent ale potřebuje víc než text, který zní přesvědčivě: verzi knihovny, prostředí, předchozí neúspěšné pokusy, výsledek testu a podmínky, za kterých doporučený postup přestává platit.

About stránka projektu proto rozlišuje tři hlavní typy příspěvků. Questions zachycují nevyřešené problémy a slepé pokusy. TIL, tedy Today I Learned, popisuje konkrétní zjištění ze sezení. Blueprints mají být přenositelnější návrhové vzory pro celou třídu problémů, včetně trade-offů, rozhodovacích větví a hranic použitelnosti.

Při kontrole 22. června 2026 ukazovala domovská stránka bety necelých pět set registrovaných agentů a stovky příspěvků, odpovědí, ověření i hlasů. Rozsahem zatím připomíná spíš živý prototyp než velký technický korpus: zkouší, jestli se do sdílené paměti agentů mohou vracet nejen řešení, ale i důkaz, že je někdo vyzkoušel.

Zákaz AI obsahu nezmizel

Zvenku to vypadá jako obrat. Hlavní Stack Overflow ale dál říká, že generativní AI se nesmí používat k vytváření obsahu pro Stack Overflow. Výstup může vypadat věrohodně, přitom být špatný, zbytečně upovídaný nebo opřený o zdroje, které tvrzení nepodporují.

Nová služba tento zákaz neruší. AI obsah dostal oddělený prostor s jiným předpokladem, jiným rozhraním a jinou odpovědností. Na hlavním webu uživatel očekává odpověď napsanou a prověřenou člověkem. Na SOFA může znalost vzniknout během práce agenta, příspěvek je ale svázaný s registrovaným agentem a ten s účtem lidského operátora.

AI obsah tím nepřestává být rizikový. Vedle webu, kam vývojář chodí pro lidskou odpověď, vzniká veřejné místo pro nástroje, které budou číst přes API a převádět nalezené informace do dalších kroků.

Hlas nestačí, rozhoduje ověření

V agentní verzi nestačí převzít staré hodnocení podle hlasů a reputace. SOFA přikládá větší váhu tomu, co se stalo při skutečném použití návodu. Hlas říká, že si agent příspěvek přečetl a vyhodnotil ho jako užitečný. Ověření má zaznamenat, zda někdo postup opravdu použil a s jakým výsledkem.

U agentů na tom záleží víc než u lidského čtenáře. Agent, který řeší chybu v knihovně nebo konfiguraci CI, nepotřebuje jen nejoblíbenější odpověď. Potřebuje vědět, zda konkrétní postup prošel v podobném prostředí. Veřejné pokyny SOFA proto po otázkách požadují pozorovatelný problém, popis slepých pokusů, prostředí a pokud možno minimální reprodukovatelný příklad.

Ověření má jeden ze tří výsledků: worked_as_written, worked_with_changes nebo did_not_work. Povinná je i krátká zpětná vazba: co agent použil, co upravil nebo proč postup selhal. Tím se odděluje dojem „tohle asi funguje“ od doloženého výsledku „zkusil jsem to a dopadlo to takto“.

První slabina je auditovatelnost. Uživatelé u příspěvku vidí skóre důvěry, ale ne vždy plnou stopu, ze které vzniklo. Pro technické rozhodnutí je rozdíl mezi vysokým skóre a konkrétním seznamem: tři úspěšné běhy, jeden neúspěch, rozdílná verze závislosti, jiný operační systém.

Druhý problém je dohledatelnost zdrojů. Pokyny pro přispívání říkají, že SOFA přijímá odkazy jen z kurátorsky povolených domén, hlavně ze sítě Stack Exchange. Vendor dokumentace, odborný blog nebo GitHub issue se má raději citovat či parafrázovat a pojmenovat prostým textem. Důvod je bezpečnostní, cesta k primárnímu zdroji je ale méně přímá.

Paměť pomáhá jen s hranicemi

Sdílená paměť pro programovací agenty už má i výzkumné a nástrojové paralely. Podobný směr zkoumá Mozilla.ai v projektu cq. Andrew Ng a tým kolem Context Hubu řeší příbuzný problém aktuální dokumentace: agenti často sahají po zastaralých API a potřebují verzovaný kontext mimo váhy modelu.

Výzkum kolem agentních dovedností ukazuje, proč na hranicích platnosti záleží. Květnový preprint CODESKILL uvádí zlepšení průměrné úspěšnosti proti variantě bez dovedností. Březnový preprint SWE-Skills-Bench ale dopadl opatrněji: většina zkoumaných veřejných dovedností nepřinesla žádné zlepšení a několik výkon dokonce zhoršilo.

SOFA proto nemá končit u věty „toto fungovalo“. Užitečný příspěvek musí dodat, v jaké verzi, v jakém prostředí, s jakými úpravami, jakým testem a kde se doporučení rozpadá. Bez těchto hranic se z paměti stane další zdroj sebejistých omylů.

Kdo za agenta odpovídá

Podmínky používání SOFA jsou přímočařejší než produktové texty. AI agenti nemají samostatnou právní způsobilost a za jejich jednání i opomenutí odpovídá uživatel. Každý čin agenta se podle podmínek považuje za čin řízený uživatelem bez ohledu na míru dohledu, autonomii nebo původní záměr.

Pro vývojáře to má přímý technický dopad. Skóre důvěry může pomoct vybrat, co zkusit jako první. Odpovědnost za nasazení zůstává na týmu, který agenta provozuje. Agentův výstup nemůže nahradit lokální testy, review, bezpečnostní pravidla ani doménové rozhodnutí, jestli se poznatek do daného projektu hodí.

Přibývá i otázka uzamčení do platformy. Tým, který napojí agenty na podobnou službu, nepřebírá jen API. Přijímá i formát příspěvků, způsob výpočtu skóre, pravidla moderace, omezení odkazů, exportní možnosti a podmínky pro práci s obsahem i daty vzniklými používáním služby.

Nejdřív interní paměť

SOFA ukazuje, kam se posouvá infrastruktura kolem AI programování. O výsledku nerozhoduje jen samotný model. Ve vývoji začne záležet i na tom, jak nástroj uchovává předchozí zkušenost, jak ji ověřuje, kdo za ni odpovídá a podle čeho agent pozná, že cizí návod sedí i pro jeho prostředí.

Běžná vývojářská praxe kvůli tomu nemusí hned připojovat agenty k veřejné platformě ani jim povolit automatické publikování. Rozumnější první krok je interní: zaznamenávat, co agent zkoušel, které testy prošly, co selhalo, jaké verze závislostí používal a v jakém stavu byl repozitář.

Veřejné sdílení má přijít až po zobecnění a lidské kontrole. Příspěvek pro agenta má z deníku v terminálu vytáhnout jen to přenositelné: symptom, prostředí, slepé cesty, ověřený postup, výsledek testu a hranice platnosti.

SOFA důvěru v programovací agenty nevyřeší samo. Jako veřejný experiment ale přesně ukazuje problém: agent bez paměti bude znovu a znovu ztrácet čas na stejných chybách. Agent se špatnou pamětí může být horší. Nebude tápat, ale sebejistě zopakuje cizí omyl.