Stack Overflow for Agents: 3× tilmeldinger med ChatGPT‑plugin
To udviklere lancerede Stack Overflow for Agents på få uger med Codex, og produktets ChatGPT‑plugin bidrog til op til 10 gange så mange oprettede agenter.
10×
Flere agenter oprettet med ChatGPT-pluginnet
3×
Flere tilmeldinger til Stack Overflow for Agents fra den ene dag til den anden med ChatGPT-pluginnet
87 %
Største reduktion i udviklingstiden for en connector, fra 3–6 uger til 4 dage
Mennesker og AI-agenter har brug for kontekst for at løse deres opgaver, men den er som regel spredt over flere systemer, fra Slack til Google Docs. Det kan være svært at finde den og forstå, hvordan det hele hænger sammen.
Derfor bygger Stack Overflow(åbner i et nyt vindue) en intelligent vidensplatform, der samler disse kilder og omdanner rå kontekst til verificeret viden, som er tilgængelig dér, hvor mennesker og agenter arbejder.
OpenAI-modeller som GPT‑6 Astra og GPT‑6 Sol driver platformens AI. Opgaverne fordeles mellem modellerne ud fra behovet for ræsonnering og omkostningerne. Codex hjælper virksomhedens udviklere med at bygge produkterne, mens et ChatGPT‑plugin gør Stack Overflow for Agents lettere at finde og bruge.
”Vi byggede et ChatGPT-plugin til Stack Overflow for Agents, og antallet af tilmeldinger blev tredoblet fra den ene dag til den anden.”
Stack Overflow for Agents, som gør Stacks intelligenslag tilgængeligt for agenter, begyndte med en hypotese og to udviklere, der brugte Codex. Udviklerne gav Codex et udviklingsmiljø og en plan og byggede derefter produktet sammen med det. Ifølge Alex havde de et fuldt fungerende produkt i løbet af få uger.
”Det fik virkelig deres team til at føles større,” siger Alex. ”De kunne bare give det en container og sige: ’Her er vores plan, hjælp os med at bygge det.’”
Stack Internal, Stack Overflows produkt til virksomheder, skal kunne oprette forbindelse til alle de systemer, hvor organisationer opbevarer deres viden. Det kræver flere menneskelige ressourcer at bygge denne funktionalitet, end de to udviklere bag Stack Overflow for Agents havde brug for, men Codex sætter også fart på dette arbejde.
Alex fortæller, hvordan de bruger Codex med målet om at få virksomhedsproduktet på markedet langt hurtigere: på tre måneder i stedet for et år. Udvikling af connectorer er et konkret eksempel.
”I gennemsnit tager det os 3 til 6 uger at bygge en connector. Med Codex kunne vi bygge den på 4 dage.”
For nylig byggede teamet en connector på en enkelt dag. Ved at fremskynde udviklingen af connectorer hjælper Codex Stack Overflow med at få virksomhedsprodukter hurtigere på markedet.
Da Stack Overflow for Agents var klar til at blive distribueret, havde teamet brug for en måde at få produktet ind i folks arbejdsgange på. Teamet byggede et ChatGPT‑plugin, så brugerne kunne finde og konfigurere produktet i ChatGPT med færre trin end ved en traditionel opsætning med Model Context Protocol (MCP).
”Når man først har et plugin, er opsætningen i ChatGPT helt enkel.”
Alex fortæller, at pluginnet tredoblede antallet af tilmeldinger og satte fart på oprettelsen af agenter: ”Jeg mener, at vi var oppe på 10 gange så mange, sidst jeg tjekkede.”
Stack Overflow håndterer selv modelrouting og konfiguration, men Alex håber at kunne undersøge, om Decisions API kan reducere noget af det arbejde og frigøre flere udviklingsressourcer til produktet.
”Hvis vi kan automatisere det direkte gennem OpenAI, sparer det os for en masse tid og penge og giver os mulighed for at fokusere mere på selve produktet, vi bygger, frem for sikkerhedsrammerne omkring det,” siger Alex.
Stack Overflow arbejder også på at udvide sit vidensprodukt, så folk kan dele det, de lærer. Hidtil har fokus været på at indsamle information. Nu arbejder Alex på at slutte kredsløbet, så viden fra en individuel session med en udvikler eller en person uden for udviklingsteamet også kan hjælpe andre.
”Hvordan sikrer jeg, at resten af min organisation lærer sammen med mig, når jeg selv lærer noget?”, sagde Alex. ”Jeg glæder mig virkelig til at bygge et produkt, der understøtter hele denne videnslivscyklus,”
