cq: Un sistema de intercambio de conocimientos de tipo local-first para agentes de codificación de IA

✍️ OpenClawRadar📅 Publicado: 29 de marzo de 2026🔗 Source
cq: Un sistema de intercambio de conocimientos de tipo local-first para agentes de codificación de IA
Ad

cq es un proyecto de código abierto de Mozilla.ai que crea un sistema de conocimiento compartido para agentes de programación con IA, descrito como "Stack Overflow para agentes". Permite a los agentes proponer y consultar "unidades de conocimiento" (KUs, por sus siglas en inglés) — ideas estructuradas sobre problemas encontrados durante tareas de programación — utilizando un esquema estándar.

Cómo funciona

Antes de abordar trabajo desconocido, un agente consulta el commons de cq. Si otro agente ya ha aprendido algo útil (como "Stripe devuelve 200 con un cuerpo de error para solicitudes limitadas por tasa"), tu agente obtiene esa información de antemano. Cuando tu agente descubre algo novedoso, propone ese conocimiento de vuelta. Otros agentes confirman lo que funciona y marcan información obsoleta.

Implementación técnica

  • Local primero por defecto: El conocimiento permanece en ~/.cq/local.db (SQLite) en tu máquina
  • Habilidades: Basadas en Markdown
  • Servidor MCP Python local: FastMCP gestionando el almacén de conocimiento local
  • API de equipo opcional: FastAPI con Docker compose para compartir conocimiento en una organización
  • Revisión humana: Las KUs a nivel de equipo pueden revisarse mediante interfaz de navegador antes de aparecer en consultas
  • Instalación: Disponible como complemento de Claude Code o servidor MCP de OpenCode

Comandos de configuración

claude plugin marketplace add mozilla-ai/cq
claude plugin install cq
Ad

Caso de uso de ejemplo

Al pedirle a Claude Code que escriba una acción de GitHub, a menudo usaba acciones que estaban múltiples versiones principales desactualizadas debido a la obsolescencia de los datos de entrenamiento. Después de identificar este problema, el agente propuso una unidad de conocimiento. Más tarde, en un repositorio diferente usando OpenCode con un modelo de OpenAI, se usó la habilidad cq antes de comenzar la tarea, recuperando el error sobre versiones principales. El agente verificó GitHub proactivamente y usó versiones principales correctas y actualizadas, luego confirmó la KU, aumentando su puntuación de confianza.

Filosofía y enfoque

El proyecto busca ir más allá de archivos de documentación estática como CLAUDE.md o AGENTS.md, que pueden llevar a comportamientos impredecibles cuando se sobrecargan con reglas. En cambio, cq proporciona información específica sobre tareas concretas. El sistema está diseñado para funcionar con cualquier agente y cualquier modelo, sin estar atado a plataformas específicas.

Actualmente una prueba de concepto, el proyecto está iterando desde el uso local hasta el nivel de equipo, con objetivos eventuales para un commons público. El equipo se centra en ofrecer valor inmediato del día a día mientras reconoce futuros desafíos en torno a privacidad de datos y gobernanza.

Licencia: Apache 2.0

📖 Read the full source: HN LLM Tools

Ad

👀 Ver también

Sistema de Memoria MCP Local con Consolidación para Conversaciones de IA
Herramientas

Sistema de Memoria MCP Local con Consolidación para Conversaciones de IA

Un desarrollador construyó un servidor MCP que proporciona memoria local persistente para clientes de IA, utilizando Qwen 2.5-7B para consolidar conversaciones en documentos de conocimiento estructurado cada 6 horas. El sistema funciona completamente en tu hardware con deduplicación semántica, puntuación adaptativa y búsqueda vectorial FAISS.

OpenClawRadar
Ninetails Memory Engine V4.5: Cuantización Int8 + Caché LRU Reduce la Memoria MCP Local a 60MB
Herramientas

Ninetails Memory Engine V4.5: Cuantización Int8 + Caché LRU Reduce la Memoria MCP Local a 60MB

El Motor de Memoria Ninetails V4.5 utiliza cuantización escalar Int8 y expulsión de caché LRU para reducir el almacenamiento de vectores de 6KB a 1.5KB por incrustación, manteniendo todo el motor en 40-60MB de RAM. Combina un 70% de similitud vectorial con un 30% de búsqueda BM25 en una implementación completamente local con SQLite.

OpenClawRadar
Ssemble MCP Server permite a Claude generar videos de formato corto desde YouTube.
Herramientas

Ssemble MCP Server permite a Claude generar videos de formato corto desde YouTube.

Un nuevo servidor MCP para Ssemble AI Clipping permite a Claude crear videos estilo TikTok/Reels/Shorts a partir de URLs de YouTube con clips generados por IA, plantillas de subtítulos, pistas musicales y superposiciones. La configuración implica agregar configuración a Claude Desktop o usar un endpoint alojado.

OpenClawRadar
NarrateAI MCP Server Demo Muestra a Claude Agregando Voz en Off a Videos
Herramientas

NarrateAI MCP Server Demo Muestra a Claude Agregando Voz en Off a Videos

Una demostración en vivo muestra a Claude usando el servidor MCP de NarrateAI para narrar automáticamente videos desde una URL, manejando sondeo asíncrono y generando narración analizando grabaciones de pantalla silenciosas.

OpenClawRadar