今日，我將與 Stack Overflow 的行政總裁 Prashanth Chandrasekar 進行訪談。我上次邀請 Prashanth 參加節目是在 2022 年，即 ChatGPT 推出前的一個月。雖然生成式 AI 的興起對各類公司產生了巨大影響，但它立即以一種生存危機的方式顛覆了 Stack Overflow 的方方面面。如果你對 Stack Overflow 不熟悉，它是開發人員編寫代碼的問答論壇。在 AI 爆炸之前，它是一個繁榮的社區，開發人員在這裡尋求並獲得有關複雜編程問題的幫助。但 AI 擅長的一件事就是幫助開發人員編寫代碼——不僅僅是編寫代碼，而是開發整個可運行的應用程式。除此之外，Stack Overflow 的論壇本身也被 AI 生成的答案淹沒，導致整個社區的質量下降。你會聽到 Prashanth 解釋，從一開始就很清楚 ChatGPT 將會帶來多大的影響，而他的回應完全是 Decoder 的誘餌。他召開了公司緊急會議，重新分配了大約 10% 的員工來尋找解決 ChatGPT 問題的方案，並就結構和組織做出了一些相當重大的決策，以應對這種變化。
— Verge 訂閱者們，別忘了無論你在哪裡獲取播客，你都可以在 Decoder 上獲得無廣告的獨家訪問權。點擊這裡。不是訂閱者？你可以點擊這裡註冊。— 三年後，Prashanth 表示，Stack Overflow 現在主要作為一家企業 SaaS 業務感到非常自在，它提供針對不同公司內部系統的 AI 解決方案。Stack Overflow 還經營著一項大型數據許可業務，將其社區中的數據賣回給所有這些 AI 公司，無論大小。這與被視為每個人都可以去尋求代碼幫助的地方相比，是一個相當大的轉變。所以我不得不問他：在 2025 年，當 ChatGPT 可以為你做所有事情時，Stack Overflow 是否還能吸引新用戶？Prashanth 說，當然可以。你會聽到他解釋，雖然 AI 可以處理簡單問題，但對於棘手、複雜的問題，你真的想與真人交談。這就是 Stack Overflow 仍然能夠將人們聚集在一起的地方。你會聽到我們特別回到一個數據：Prashanth 表示，超過 80% 的 Stack Overflow 用戶希望使用 AI 或已經在代碼相關主題上使用 AI，但只有 29% 的用戶真正信任 AI 來完成有用的工作。這是一個巨大的分歧，也是我在 AI 領域到處都能看到的現象。AI 無處不在，無所不在，然而大量的人說他們討厭它。我們在 Decoder 的收件箱中、在 The Verge 的評論中以及在 YouTube 上的影片中都看到了這一點。每個人都說他們討厭它——然而數字不會說謊，有數百萬人正在使用它，並且顯然獲得了某種好處。這是一個很大的矛盾，也很難解開。但 Prashanth 非常願意與我深入探討。我認為你會發現他的回答和他的洞察力非常有趣。好的：Prashanth Chandrasekar，Stack Overflow 的行政總裁。我們開始吧。這次訪談已經為了長度和清晰度進行了輕微的編輯。
Prashanth Chandrasekar，你是 Stack Overflow 的行政總裁。歡迎來到 Decoder。很高興再次見到你。已經過了一段時間。自上次我們交談以來已經三年了，所以很高興再次見到你。我應該說歡迎回到 Decoder。你上次參加節目是在 2022 年 10 月。一個月後，ChatGPT 推出了。[笑聲] 那是一次在世變之前的有趣時間安排的訪談。確實是在世變之前。軟件開發肯定是自 AI 模型出現以來改變最多的事情。在你的領域中有許多新的產品要討論，還有 Stack Overflow 在 AI 世界中所做的事情。所以我想談談所有這些。但首先，讓我回到那個時刻。我們在 2022 年進行了整個關於社區和審核的對話，你將如何建立一個學習編碼和學習使用 Stack Overflow 的人的漏斗。這是我們對話的一個重要部分。無論是他們學習編寫軟件還是成為軟件開發社區的一部分，工程師管道都非常讓你掛心。然後，由於 AI 工具的出現，所有軟件開發都發生了變化。為我描述一下那個時刻，因為我認為它為之後發生的一切提供了背景。這無疑是一個非常、非常令人驚訝的時刻。這在很多方面並不是一個出乎意料的時刻，因為這項技術顯然有些人知道，但並不是以一種捕捉所有人想像力的方式出現的，使用這個美麗的界面。我們當時正在結束我們的日曆年度，那個時候，我們正在考慮下一年的優先事項。我們需要專注於什麼變得非常清楚，因為這將是對人們消費技術方式的非常、非常大的改變。歡迎來到技術世界。
情況不斷變化，我認為這一波特別是前所未有的。我不認為有任何類比或先前的浪潮可以參考，包括雲端和互聯網。我不認為我們目前還完全理解這是什麼。所以，我們進入了公司內部的「紅色警戒」狀態。這是一個生死存亡的時刻，特別是對於我們的公共平台，因為首要任務，如果你願意的話，是確保人們得到他們問題的答案。現在，你有一個非常流暢的自然語言界面，讓你可以在瞬間做到這一點。我們必須整理我們的想法，而我最終決定撥出公司 10% 的資源，專門專注於應對這一點。我們設定了一個具體的日期，以有意義的方式回應，所以我們說是 2023 年夏天。我將在柏林舉行的 WeAreDevelopers 大會上發表演講，我實際上告訴公司，「我們有六個月的時間來製作我們的回應。」至少，這將是我們的初步回應，因為這將不斷迭代。這就是我們動員公司的方式。我們承認這是一個紅色警戒時刻，我們撥出了 10% 的團隊，所以大約 40 人左右，因為我們是一個中等規模的公司。然後，我們開始工作。那就是那一刻。帶我進入那個房間。很少有人有機會發送紅色警戒備忘錄，對吧？這不是大多數人會做的事情。也許你會想這樣做，但沒有人會讀你的備忘錄。所有人都必須讀你的備忘錄。你是 CEO。帶我進入那個房間，你說，「好吧，我已經確定了我們公司的一個生存威脅。人們向我們尋求軟件開發問題的答案。」再一次，你上次上節目的時候，你談到了軟件開發問題有客觀正確的答案，而社區可以提供這些答案並對其進行投票。現在，你有一個機器人可以做到這一點，並且可以隨時隨地做到這一點。像 Cursor AI 和 Cloud Code 這樣的工具可以為你運行並做到這一點。所以你有了所有這些，你說，「我需要佔用公司 10% 的資源。」我很好奇公司有多大。我知道有一些變化，但公司的 10% 是 40、50 人。你是如何確定並說，「這是我需要讓這些人進入房間的時刻。我正在做出這個決定，而正確的答案是 40、50 人將擱置他們的時間，在明年這個時候之前向我提交一個計劃。」這種直覺來自幾個不同的經歷。我之前的經歷是在 Rackspace 從事雲服務領域。我在 Rackspace 負責的業務實際上是應對 Amazon 網絡服務作為雲技術威脅。我在那個團隊中，最終從頭開始建立那個業務，而實際上是 Rackspace 人口的 10% 去了並創造了這個業務。所以，我有一些實踐經驗，看到並應對你所遇到的破壞性威脅。現在輪到我在 Stack 通過任命像我當年在 Rackspace 那樣的人來做同樣的事情。另一個數據點可以追溯到幾十年前，當我在商學院的時候。我的教授是 Clayton Christensen，他寫了《創新者的困境》這本書。我一直在技術的背景下思考這個問題。在技術領域，這是一個非常一致的話題，每隔一段時間，你就會遇到破壞性威脅，而你需要以非常具體的方式來應對。這在很大程度上是關於歷史如何建議你應該劃分出一個獨立的團隊，這個團隊有非常不同的激勵機制，並且能夠以與你業務的其他部分截然不同的方式來追求事物。並且記住，Stack Overflow 實際上是兩個部分。我們有我們的公共平台，這是一個大型網絡顛覆者，我們應該更廣泛地討論關於互聯網的問題。另一方面是企業業務，我們為大型公司提供私有的 Stack Overflow 版本。值得慶幸的是，人們繼續看到擁有非常準確的知識庫的價值。在過去的幾年中，這實際上變得更加有價值，因為你需要非常好的上下文來讓 AI 代理和助手工作。我有足夠的例子，所以我們可以談談這個。所以，這就是回應的來源。我之前在幾個不同的維度上經歷過這個問題。就我如何向團隊傳達資訊而言，備忘錄實際上是一系列的備忘錄。每週五，我都會發送一封公司電子郵件。我剛剛在上節目之前發了一封。
我非常透明：「這是我腦海中的想法，這是我們應該做的事情，這裡有一些很棒的事情發生了，這裡有一些人展示了核心價值。」我一直在堅持這樣做……我在公司已經六年了，每個星期五我都會這樣做。團隊基本上知道我在想什麼，所以這不是一個大備忘錄來啟動它。而是一系列電子郵件，直到這個時刻，說：「這是我們將要成為的，我們必須回應這個，我們現在正在考慮的是什麼」，等等。這一直持續到我可以插上旗杆並說：「嘿，在 WeAreDevelopers 大會上，我們必須在公共平台以及企業前端上提供有意義的回應，因為這是將 AI 整合到我們的 SaaS 應用程式中的一個很好的機會，這是一個不同的方向。」希望這能幫助到你。你實際上有輸入「紅色代碼」這個詞嗎？我想我肯定使用了「破壞性」這個詞。我使用了「生存時刻」。我使用了所有這些詞，但我不知道我是否使用了確切的詞「紅色代碼」。（笑）我只是想起那一刻，你會想：「好吧，我要按 C 和 O……我說這些話，這正在發生。」這是非常明確的。我們與公司有一個非常明確的溝通節奏，就像許多其他公司一樣。我們正在研究的內容的語調和嚴重性對人們來說非常明顯，尤其是當你分配資源並將人們從某些團隊中抽離時。人們會問：「哇，我的員工怎麼辦？」這裡有原因。所以，這變得非常明顯。你是如何做出這些決定來抽離人員的？你是如何決定哪些人，哪些團隊？這些都是權衡，對吧？是的，毫無疑問。我認為這是一個難題。你當然希望有才華的人，但我認為你需要的是願意打破常規或逆流而上，不受歷史規範束縛的人。我非常具體地選擇了一組合適的人。領導它的人都是較新的，並且來自公司外部，因為記住，我們正在經歷一場轉變。我在 2019 年加入了一家以工程為導向的公司，都是關於這個公共平台的，我們正在轉變為一個以產品為導向的組織。我們特別任命了一個較新的、來自公司外部的人，對於構建高度創新、快速迭代的產品感興趣，並且有這樣的 DNA 和動力去做到這一點。我個人也與之保持更緊密的聯繫。事實上，我在一段時間內親自負責產品，直接向那人報告。這是另一種保持非常非常接近實際情況的方式，直到實際發布。其餘的團隊是一群非常有才華的工程師、設計師，以及那些了解網站過去運作方式並能為我們提供所需的所有解鎖的人的人。我以兩個簡化的術語來思考 Stack Overflow。你有輸入，你有輸出。輸入是用戶回答問題。輸出是那些問題的答案，人們來搜尋。有整個社區使這個系統運行。軟件平台管理著這個社區以及活動主持人，但實際上就是輸入和輸出。有提問的人和回答問題的人。這兩邊都深受 AI 的影響。我認為我們已經來到了開放網絡對話的部分，輸入端被 AI 生成的垃圾淹沒了。在 2022 年，你必須在 Stack Overflow 上禁止 AI 生成的答案。然後，在輸出端，AI 工具提供答案的能力是壓倒性的。所以，讓我們把它分成兩部分。你是如何考慮輸入端的，那裡有一大群人說：「哦，我可以使用 ChatGPT 更快地回答這些問題，然後粘貼答案。也許這還不夠好，但我可以這樣做。」然後，你是如何考慮輸出端的？我們一出來就注意到了兩件事。一是 Stack 上被問及和回答的問題數量激增，因為人們開始使用，對你的觀點來說，ChatGPT 來回答這些問題。這促成了這個高峰，這有點違反直覺，但我認為人們只是覺得：「哇，我可以遊戲系統，所以讓我去做到這一點。」很快，我們必須非常精明，我們的社區成員非常擅長分辨什麼是真實的，什麼不是。他們能夠很快地指出這些帖文實際上是 ChatGPT 生成的。這在某種程度上是實施禁令的起因，我們完全支持並仍然支持，順便說一句。你仍然不能用 AI 生成的內容回答 Stack Overflow 上的任何問題。Nilay，這是因為我們的提議是成為技術領域值得信賴的重要來源。
這是我們對公司的願景。因此，對我們來說，重點是確保只有少數地方可以讓你不接觸到 AI 產生的低質量內容，在這些地方，一個由專家組成的社區實際上已經進行了投票和策展，這樣你就可以信任它們用於各種目的。在輸入方面，這樣做是有意義的，我們也繼續這樣做。快進到現在，我們已經在網站上創建了各種新的入口點，即使我們在 Stack Overflow 上提出問題的標準一直很高。我們在本週早些時候剛剛將我們的 AI Assist 功能推向全面可用，並且觀察用戶如何使用它非常令人興奮。它實際上是一個基於我們 9000 萬個問題和答案的 AI 對話界面。然後，人們可以提出主觀問題，這讓我們回想起三年前的討論。現在人們能夠提出開放式問題，因為有一個地方專門用於問答，這是問題的規範答案。還有一個地方用於討論和對話，因為變化實在太多了。並不是所有的答案都已經被找出來了，所以我們要確保人們有能力這樣做。這與我們「培養社區」的使命是一致的，這是我們使命的三個部分之一。其他兩個部分是「賦能學習」和「釋放增長」。因此，我們做了所有這些事情，確保我們在入口點和提問體驗上不會過於限制。在回答方面，我們意識到非常重要的是要出現在用戶花時間的地方。現在世界已經改變，人們實際上正在使用 Cursor AI 和 GitHub Copilot 來編寫他們的代碼，我們的目標是成為技術的重要來源。所以，讓我們出現在我們用戶所在的任何地方。我們實際上變得更加無頭。例如，我們最近為我們的公共平台和企業產品推出了 MCP 伺服器。人們現在使用我們的平台不僅僅是為了調用這些 MCP 伺服器——比如說，如果他們在 Cursor 中編寫代碼並且想知道版本一和版本二之間的區別——而且還能夠直接從 Cursor 寫回到我們的平台，如果他們想要參與並獲得更深入的答案，這在行業中是獨一無二的。所以，這就是我們的產品原則：只要去用戶所在的任何地方。但最終，我們只是想成為技術人員的值得信賴的重要來源，無論是在公司內部還是外部。
在這樣一個無頭的世界裡，你如何賺錢？你只是別人從 Cursor 查詢的另一個資料庫，這怎麼能賺錢呢？我們主要通過兩種方式賺錢。還有第三種方式，幸運的是，但第三種方式是我們公司最小的一部分，所以我從最大的開始。我們的企業業務，我們稱之為 Stack Internal，現在被全球 25,000 家公司使用。一些世界上最大的組織、銀行、科技公司和零售公司使用這個產品來內部分享知識。越來越多地，他們現在能夠使用這些可信賴的知識來驅動他們的 AI 助手和 AI 代理去執行各種任務。Uber 是一個很好的例子，它是 Stack Overflow Internal 的客戶，它有 Uber Genie。它在我們的平台上擁有了成千上萬個問題和答案。Uber Genie 通過我們的 API 接入這些內容，然後它能夠進入 Slack 頻道等地方自動回答問題並提高生產力，這樣你就不會打擾人們。這些內容植根於我們平台上的組織知識。因此，企業業務是我們的主要業務。
第二個業務是我們的數據許可業務，這是我們在過去幾年中才建立的。我們還注意到的一件事是，很多 AI 實驗室正在利用我們的數據進行 LLM 預訓練和後訓練需求，以及檢索增強生成（RAG）索引，因此我們設置了大量的反爬蟲。我們與第三方公司合作，很快我們就接到了他們中的許多人的電話，說：「我們需要訪問你的數據，讓我們合作正式獲得訪問權。」我們必須這樣做，現在我們已經與你能想到的每一個 AI 實驗室、每一個雲超大規模企業——像 Google、OpenAI 這樣的公司——甚至與 Databricks 和 Snowflake 達成了合作夥伴關係，儘管他們沒有進行 LLM 預訓練。這是我們最近第二個業務。
第三個業務，也是我們公司最小的一部分，是廣告。我認為大多數人認為 Stack Overflow 完全由廣告支持，但它只佔我們公司收入的 20% 左右。我們有一個非常專注的、非常重要的開發者受眾，他們在網站上花費時間，因此我們有大型廣告商想要在各種產品上吸引他們的注意力。
事實上，現在有很多競爭，所以他們越來越希望這樣做。這就是我們賺錢的方式。因此，在變成無頭（headless）的背景下，對我們來說，這關乎我們的企業產品。它基於訂閱和混合定價模式運作。這就是我們在那裡賺錢的方式。數據授權也是類似的，如果人們想要訪問，他們必須為此付費。然後，是的，廣告僅限於一些最大的公司，他們為此向我們付費。但總會有……我會說這是一個“和”而不是“或”。我們不會完全無頭。我認為我們只是想給用戶一個選擇成為無頭的機會。許多人仍然訪問網站，在這種情況下，我們能夠通過這些機制來平衡這一點。
你認為新用戶會來 Stack Overflow 嗎？Stack Overflow 是移動時代的產物。軟件開發出現了爆炸式增長。社區出現了爆炸式增長。有一種文化和價值觀是關於構建應用程式和服務的，而且還有新的工具。Stack Overflow 是那個時代社區的一個中心聚集點。如今的新開發者可能只是打開 Cloud Code、Cursor、GitHub 或其他什麼，然後就直接與之對話。他們可能永遠不會真正以類似的方式進入一個社區。
你認為你能讓人們直接來 Stack Overflow，從其他人那裡尋求答案，還是他們只會與 AI 交談？我認為對於簡單的問題……順便說一下，當我們在 2023 年初看到問題數量下降時，我們意識到幾乎所有這些下降都是因為非常簡單的問題。複雜的問題仍然會在 Stack 上被提出，因為沒有其他地方。如果大型語言模型（LLMs）僅僅與數據一樣好，而這些數據通常是經過人工策劃的，我們是其中最好的一個地方，如果不是技術方面最好的話。它仍然是一個非常活躍的網站，有很多的參與度和月度活躍用戶。提出的問題相當高級，我會說。我們通過我們開啟的新機制也越來越看到……因為要回答你的問題，我們希望給人們除了得到答案之外的其他理由來訪問網站。因此，我們不得不擴大網站的目的，因此有了“培養社區、賦能學習、釋放成長”的使命。我們所做的就是開啟新的入口點，讓人們以新的方式參與。例如，我們開啟了人類之間相互聊天的能力，以獲得方向性指導。這是一個非常受歡迎的功能，人們與其他專家互動。例如，我們有人詢問 OpenAI API 問題，他們可以進入 OpenAI 聊天室，與有類似問題的人或 Python 專家互動。我們還開啟了人們通過挑戰來展示他們知識的能力，實際上就像黑客松一樣。我們已經開啟了一系列挑戰，這現在是非常受歡迎的功能。人們花時間去解決我們發布的這些挑戰，通過這種方式，他們可以展示他們對基礎知識的理解，這在未來世界發展中非常重要。如果人們只是使用基於模式的編碼工具和代碼生成工具，公司引進年輕人才需要知道他們依賴的是不僅僅是走捷徑的人，還要理解基礎知識。我們是少數幾個你能夠真正證明你已經學會了基礎知識的地方之一。所以，這是為什麼我們開啟這些新機制的另一個原因。然後，還有使命的第三部分，即釋放成長。由於所有這些因素，將會有很多工作崗位的變動。如果人們的工作將發生相當劇烈的變化，初級開發者將需要一個家，儘管我認為許多公司停止招聘他們是一個短視的舉動，考慮到你需要一個人才管道。他們將需要與其他人聯繫，以便能夠進步、學習和找到工作。工作是非常重要的一部分。去年我們與 Indeed 合作，合作開展技術工作。這只是為了擴大我們網站的範圍，以便除了提出問題之外，還有許多其他原因。他們仍然會這樣做，但我們也想給他們更多理由來訪問網站。這就引出了所有這些中的一個大矛盾。我看到它在各種不同的社區中都在上演。我在我們自己的評論中也以很多方式看到了這一點。你想建立一個幫助其他人變得更好的社區，而這一點在每個方面都被 AI 破壞了。圍繞人們建立的社區對 AI 的入侵相當抗拒。這絕對發生在 Stack Overflow 上。你的版主實際上已經對盡快刪除 AI 生成的答案的能力進行了反抗。
當你與 OpenAI 合作時，一大群用戶開始刪除內容，以防止它們被用於 OpenAI 的訓練，而你不得不禁止其中許多用戶。你是如何平衡這一點的？因為如果你圍繞人們建立社區，我會說，至少在目前，這些社區將會非常強烈地抵制 AI。我認為我們關注的最重要的事情之一（也是我過去幾年花時間思考的事情），是關於我們如何在網站環境中考慮 AI 的整個推拉過程。因為我們很清楚，如果我們不以利用 AI 作為切入點來使網站現代化，隨著時間的推移，它將變得越來越不相關。這不是一件好事。因此，我們採取了非常積極的立場，通過將 AI 融入公共平台，推出了 AI Assist，這是非常棒的。我將向你解釋我們為什麼這樣做的決定。然後，我們在企業端也做了同樣的事情。如果我考慮到 Stack Overflow 的用戶群，它就像一個大國，對吧？我們有 1 億人，而且肯定有處於光譜兩端的人。我們有一個稱為 1-9-90 規則的東西。1% 是核心用戶，他們花了很多時間、汗水和淚水來策劃知識，花時間在網站上並做出貢獻。9% 的人以中等方式這樣做，而 90% 的人則是消費和大多數時候潛水。我們詢問網站上的人他們是否使用 AI。我們自己的調查基本上表明，如果你看一下 Stack Overflow 2025 開發者調查，超過 80% 的社區成員正在使用 AI 或打算使用 AI。80%。但他們使用 AI 時的信任度僅約為 29%。只有 29% 的用戶群實際上信任 AI 產出的內容，這實際上是非常恰當的，因為我們應該對這項新技術持懷疑態度。因此，人們有嘗試它的熱情，但不願完全信任它。根據這個 1-9-90 規則，我認為我們擁有一群核心用戶，他們將永遠是公司最初使命的捍衛者，即創建這個完全準確的知識庫，而不做其他事情。然後，我們有非常多的新一代開發者，他們希望利用最新、最好的工具。根據調查和額外的研究，我們非常清楚，他們希望使用自然語言作為界面來做到這一點。這是計算機科學發展中最有意義的變化。如果你回顧幾十年前的面向對象編程，那實際上並不是一個巨大的突破。它實際上並沒有創造這種變化。但現在，我們處於這樣一個時刻，一切都已經解鎖了。這是一個巨大的變革努力，我們不得不決定尊重最初的使命，並將準確性置於其核心。我們不願意使用 AI 來回答問題，例如，因為它會產生垃圾。它會產生幻覺，因此信任度很低。但為什麼我們不結合自然語言界面，使其成為首選的參與方式呢？所以，我們最終在公共端和企業端都這樣做了。這被絕大多數用戶所接受，但總會有一小部分人對結合 AI 表示反對。除了網站之外，還有更廣泛的擔憂，即所有這些對工作有什麼影響，如果我們讓貓從袋子裡出來會發生什麼。所以，也有這種擔憂，這是可以理解的。讓我明確一點。我認為我以一種更清晰的方式理解這一點。如果我是你們 1% 中的一員，花了很多時間在 Stack Overflow 上幫助其他人。我之所以免費在您的平台上回答問題，而您以多種方式將其貨幣化，是因為我可以直接看到我的努力幫助其他人成長，並且我正在幫助其他人解決問題。這是一個非常自成一體的動態。上次你上節目時，我們整個談話都是關於這個動態，以及你是如何讓人們參與這個動態以及它的價值。然後，突然之間，對於擁有該資料庫的公司來說，有一個非常明確的經濟利益，因為它將我的努力賣給了 OpenAI，這是在整個行業中發生的。它將與所有這些 AI 提供商進行數據許可交易，他們將根據我辛苦輸入這個資料庫以幫助其他人的答案進行訓練，而現在新一代的軟件工程師將獲得基於我工作的自動完成，而我卻一無所獲。我從很多人那裡聽到過這個。我在我們自己的社區中聽到過這個，我想我已經感受到了各種媒體公司達成這些交易時的感受。你如何回應這個問題？
因為你感覺就像你在提供一個你必須以某種方式貨幣化的資料庫，但人們的互動才是價值所在，而現在有一種新的經濟價值可能正在掩蓋、重新定義或重新構建人們的互動。這裡有幾個要點。首先是關於這家公司的原始 DNA 以及人們為什麼聚集在一起做這件事。當我加入公司時，我問了一個問題，比如「人們的動機是什麼，為什麼他們願意花時間做這個？」我特別問了創始人之一 Joel Spolsky。他的觀點是，軟件開發社區非常無私。人們只是想互相幫助，因為人們明白遇到困難時有多麼令人沮喪……我很多年前寫過代碼。最近我通過一些代碼生成工具重新開始，這很有趣，可以比較和對比。我只記得如果你在某件事情上卡住了，那是多麼令人沮喪。Stack 在創建時是一個巨大的福音，它解鎖了這一點。它確實是出於這個原因。即使在 ChatGPT 之前，我們也問過這個問題，「我們是否應該通過付錢來激勵用戶？我們是否應該給他們經濟利益？」這不是用戶群體的高要求。我們去研究了人們。人們並不為錢而來。此外，這會使事情變得複雜，因為你如何判斷某個 JavaScript 問題相對於某個 Python 問題的報酬呢？這會讓人陷入困境，這是不可行的。所以這是一個。人們聚集在一起的最初原因是關於使命的。其次，關於為什麼我們必須這樣做，以及這是否不公平。我們必須走許可授權路線的主要原因是互聯網的模式已經被徹底顛覆了。我知道你談論過這個，Nilay，關於「DoorDash 問題」。人們依賴於互聯網的模式，人們去搜尋引擎和網站，然後你通過廣告來賺錢。我真的很同情那些嚴重依賴廣告的內容網站，因為我認為大多數內容網站的流量下降了 30% 或 40%，類似這樣的情況。這裡有一個巨大的轉變，支持這些平台的企業必須……我們最終是一個企業。所以，我們必須做什麼？我們必須做必要的事情，採用新的商業模式來生存、發展和做所有的事情。值得慶幸的是，我們有一個企業業務，這與所有這些無關。值得慶幸的是，我們仍然有廣告業務，大型廣告商仍然關心我們的社區。因此，數據授權只是在確保我們能夠有效地利用這一時刻並能夠投資回饋我們的社區，以便那些為正確理由而來的人看到了好處。我們已經投資了所有這些我剛才提到的新功能。無論是這些新的內容類型、挑戰、聊天、AI Assist，還是任何這些東西，它們都需要資源去構建。所以，我們必須利用我們收到的資金來做這些事情。現在在未來，我們可能會考慮其他方式。例如，我們是否應該付錢給我們的用戶，讓他們分享一部分數據授權收入？也許吧。我們總是問這個問題。總是有方法讓我們繼續前進，但這是目前我們的現狀。這是在平衡很多事情。你提到，為了達成數據授權協議，你必須設置一堆反抓取工具。你必須進入堆棧的二級和三級層次，才能從 Databricks 和其他類型的提供商那裡獲得交易。AI 公司之前只是在抓取你的網站。他們可能仍然在這樣做。無論他們是否付錢給你，他們可能仍然只是通過前門進來，因為他們似乎都在這樣做。你是否必須說「我們阻止你」，然後去達成交易？還是說「嘿，我們知道你們在這樣做，但你們必須付錢給我們，否則我們將開始訴訟？」這是介於兩者之間。我們很快就設置了反抓取工具。我們甚至改變了人們接收我們數據轉儲的方式。再次強調，這是一種平衡，因為我們從不想阻止我們的社區用戶為了他們的合法需求而獲取我們的數據，比如他們的學校項目或博士論文。所以，我們繼續對我們的社區成員開放我們的數據，但他們必須是社區成員，而且不能有公司試圖商業化利用這些數據。我們對政策條款非常明確。我們設置了技術來阻止人們抓取，這樣我們就能準確地知道誰在抓取，誰沒有抓取。我們聯繫了一些這樣的人，並說，「看，停下來，因為你們這樣做給我們的伺服器帶來了很大的壓力，所以請在這裡放鬆一些。」但我認為我對這些公司的描述是，他們不在乎。
佢哋當中有人關心並希望成為良好嘅公民，亦有人完全唔在乎，寧願選擇煙霧。你可以將佢哋分類。Amazon 之所以起訴 Perplexity 係有原因嘅。佢哋要求 Perplexity 停止，但 Perplexity 唔肯。正如我哋今日講緊嘅，《紐約時報》亦喺起訴 Perplexity。然後，其他參與者以唔同方式行事，並達成各種唔同類型嘅交易。跟我講講其中一項交易。當你哋同 OpenAI 達成協議時，係咪「我哋要阻止你，如果你想再次開門，你必須付錢畀我哋？」定係「你知唔知呢樣嘢係錯嘅。我哋可以採取所有技術和法律措施，但我哋應該實際上係咪應該直接達成協議？」同我講講嗰次對話。我哋當時正將類似 OpenAI 嘅技術整合到我哋嘅產品中。記得當時嘅緊急情況，我哋即將宣布我哋嘅 AI 回應。所以，我哋實際上係使用嗰項技術嚟做我哋必須做嘅嘢，以將 AI 整合到公共平台同我哋嘅企業產品中。我哋同佢哋有合作關係，我哋亦講過，「睇吓，呢樣嘢唔會 work。呢個情況唔能夠持續，而呢個係新嘅工作方式。可能我哋需要一個新嘅商業安排畀你使用數據。讓我哋實際上進行一次對話。」而值得稱讚嘅係，佢哋喺嗰方面非常以合作夥伴為中心。我對 OpenAI 同類似 Google 嘅公司印象深刻，佢哋都非常樂意就呢個話題進行討論，並希望成為負責任嘅 AI 合作夥伴。佢哋即刻就明咗，甚至喺我哋提出要求之前。唔係咁樣，「讓我哋從頭開始進行呢次對話，並證明點解必須咁做。」我哋只係講，「睇吓，呢個就係需要發生嘅事，因為呢個係一個新嘅商業模式。」我哋好快就開始咗對話。「你哋究竟想搵啲咩？你哋想點樣刮取內容數據？你想要批量上傳？你想要 API 調用？你想要啲咩？」所以，我哋就進入咗嗰個混雜嘅局面。提醒你，Nilay，呢啲係經常性收入類型嘅交易。呢啲唔係一次性付款。如果你想要訪問權，並且你希望將來繼續訪問，你必須繼續付款，即使係歷史數據。所以，呢啲協議就係咁樣設置嘅。所以，係嘅，佢哋係非常合作嘅合作夥伴。但你啱嘅。有啲矛盾嘅參與者。佢哋講嘅嘢同佢哋嘅行為證明咗其他嘢，就係佢哋點樣參與。有啲人肯定係堅持唔同意見，唔係完全與自己嘅言論一致，呢個係不幸嘅。我認為每間像我哋呢類公司都必須決定點樣處理呢個問題。我哋正與人哋進行各種階段嘅對話，討論如何確保我哋明智咁令佢哋做正確嘅事。而家你必須要指出其中一間公司。你認為邊一間公司嘅公開立場與實際行動唔同？我寧願唔好具體指明，但所有你哋報道嘅慣常嫌疑人都係我哋遇到嘅慣常嫌疑人。呢個就係我嘅講法。讓我問你關於經常性收入嘅問題，然後我想進入 Decoder 問題，因為我認為經過呢次對話後，佢哋會有所啟發。有種感覺，我哋已經完成了所有預訓練，對吧？刮取互聯網唔係呢啲模型嘅未來，需要有其他嘅飛躍。Stack Overflow 現有嘅資訊庫係有價值嘅嘢。嗰度有好多資訊。嗰個資料庫有 20 年嘅資料。「你必須再次付錢畀我哋嚟訓練下一代 Gemini 或 GPT」同「有增量資訊被添加到現有資料庫」嘅價值係咩？因為對我嚟講，呢個似乎係一個明確嘅區分。我哋嘅想法係，每個接受訓練嘅模型都係喺某個資訊庫上進行訓練。你係從 GPT X 到 Y。如果你利用我哋嘅原始數據或之前模型中嘅某種衍生數據來訓練你嘅新模型，咁你就必須為此付費。呢個實際上係進行呢個操作嘅法律要求。所以，係一個累積嘅方面。讓我哋唔好忘記呢點。人哋必須為累積數據付費。唔單止係因為佢哋當年使用過。係嘅，相對於 20 年，一年嘅資訊會少啲，但咁就係點解你得到 20 加 1。呢個就係概念。所以，法律協議就係咁樣設置嘅。係按年計嘅嗎？係每年嘅數據都係一筆錢嗎？點解工作嘅？唔係，係累積嘅，好似成個資料庫：歷史數據以及未來一年嘅任何內容。所有呢啲都係一個累積嘅數據集，而實際上係作為一個整體收費。所以，今年嘅數據唔會被納入 Gemini 3 嘅數據集，Gemini 3 剛剛出咗，對吧？自 Gemini 3 出嚟以嚟，Stack Overflow 上嘅每一個新問題同答案都冇被納入 Gemini 3 嘅訓練中。對嘅。
所以你們有點像是賭他們只會訓練越來越大的模型。這是你腦海中的構思嗎？是的。一些公司要求廣泛的使用案例。有預訓練的使用案例。即使在這之上，你也可以以多種不同的方式利用數據來滿足 AI 和非 AI 的使用案例，比如搜尋使用案例。但沒錯，可能會有一些情況下會構建更大的模型，而我們的數據將對這些情況有用。但還會有 RAG 索引、訓練後需求，各種各樣的情況。看到一些前沿實驗室要求非常具體的數據切片，這非常有趣。記住，不僅僅是問題和答案。我們擁有評論歷史、元數據歷史、投票歷史、用戶 A 沿著這條路走的歷史。所以，這對於推理和模仿人腦來說是很多優秀的上下文。這幾乎就像是一個被記錄下來的人腦。這，我想，帶我到了 Decoder 的問題。你們重組了公司。有幾輪裁員。你們真正地重新聚焦於 SaaS 業務。我認為我們應該談談這個。但還有這樣一個想法，我們將訓練越來越大的模型，這將是業務增長的部分，與想要一些切片，與 RAG 實際上成為許多其他業務的未來。你會根據哪一個增長更快來做出不同的決定，我不認為有人知道。也許你知道。你可以告訴我你是否知道或你認識的人知道，但我們處於所有這些發展的非常初級的階段。你是如何構建公司來平衡所有這些風險並為人們未來實際需要數據做好準備的？也許你知道，我不認為我知道。很難明確預測。我們有一些非常聰明的頭腦，比如 Google 的 Demis Hassabis 和其他一些人，他們正在提出下一代的飛躍，無論是變壓器技術的等效物是什麼，以繼續朝著這個最終目標前進，那就是 AGI。所以，是的，你說得對。很難確切知道什麼時候會出現什麼。然而，我們公司的結構實際上是分為兩部分的。一部分是企業業務。我們有一個產品團隊、工程團隊和一個專注於此的市場團隊。企業產品業務非常明確。然後，另一邊是我們所說的「社區產品」。該團隊專注於公共平台，我們迄今為止討論的所有功能、AI Assist 和所有主觀的新問題，以及聊天。這是社區方面。數據許可業務位於該組中，因此它們與網站的參與度掛鉤。所以，這裡有一個良性循環。這就是我們的劃分方式。同樣，這包括產品資源、一個小型市場團隊、工程人員等。此外，我們的社區管理團隊花了很多時間與版主互動。所以，它是平分的，我們的其他職能支持這兩者。Stack Overflow 今天的規模有多大？我知道你們在 2023 年因為流量下降而裁掉了近四分之一的員工。你們建立了其他業務。你們今天有多大？我們大約有 300 人左右。是的，這是我們的規模。你認為你從數據許可或 SaaS 業務中獲得的收入會讓你們再次增長嗎？我們相信。我們是一家成長中的公司。我們是盈利的。所以，財務上，我們很幸運地處於一個非常好的位置。現在，這都是關於在最高增長機會上下賭注。我們相信，通過我們的 Stack Internal 產品在我們的企業內部創建這個知識智能層是一個巨大的增長機會，因為客戶正在朝著這個方向拉我們，這是非常好的現象。這是你們的目標。這是你們的一些公告。我想馬上談談這個，但我只是專注於未來是企業的 SaaS 業務。未來是數據許可。你們還在公共網站上看到下降嗎？我會說它已經穩定了幾個月。我認為網站上的參與度和活動實際上非常穩定。我之前提到的問題下降都是簡單的問題，似乎已經達到了一個地步，複雜的問題正在被提出。我們每天都有穩定數量的人在網站上。我們有一個叫做心跳的東西。實際上，任何人都可以去查看。如果你去 StackOverflow.com 並向下滾動，你會看到當前在線的用戶數量。所以你總會在那裡看到一個非常一致的數字。我認為很難預測未來，但肯定的是，我認為最糟糕的時期是在 2023 年，2024 年，當然是這樣的。我問每個人在 Decoder 上的問題，正如你所知，是如何做出決策。
你上次上節目時曾說，你想盡可能身處最前線，並希望從第一線的人員那裡獲取資訊。這三年來有沒有改變呢？你的決策過程是怎樣的？
其實沒有。我認為領導者，尤其是像行政總裁這樣的人，擁有完整的背景資訊是非常重要的，因為你不能只依賴被過濾的資訊。我花了很多時間與用戶和客戶相處，真正了解他們關心什麼。這就是我們決定推出像 AI Assist 這樣具有爭議性的功能的原因。如果你不親自到第一線去聽取意見，你是不會輕易決定「我們來開發這個功能吧」。因為如果你只聽頭條新聞的話，似乎人們並不希望將 AI 整合到 Stack Overflow 中。但事實是，很多很多用戶——我提到的 90%——他們希望有一個自然語言界面。這是他們現在習慣使用的，也是他們想要的。所以這就是我們決定這樣做的原因。
我到處都看到這種分歧。你之前提到過 1-9-90 定律。我們在自己的 TheVerge 網站流量中也看到了這一點。我們深入報導 AI，人們告訴我們每個人都討厭它。我理解為什麼。我理解那些評論。我會這麼說。我明白了。然後，我看到了使用數據。我看到了我們關於 AI 工具報導的流量。我看到像你們這樣的公司說每個人都在使用它。這裡存在著一種巨大的分歧，這是我在過去 15 年報導技術的過程中從未遇到過的。每個人都說他們不喜歡它，然後他們卻非常頻繁地使用它。我想不出還有什麼其他技術能與之相比。唯一一個稍微接近的例子是，人們對 Adobe 的感受。每一個人都在使用這些工具，同時也對 Creative Cloud 的訂閱費用感到憤怒。這是我能想到的最接近的例子。這並不完全吻合，但已經是我能找到的最相似的例子了。你認為 AI 這種分歧的原因是什麼，人們不喜歡它，對不喜歡的態度非常明確，然後我們看到數據，結果每個人都在使用它？
我認為這歸結為我之前分享的那個數據點：我們的用戶群中超過 80% 的人希望使用 AI 或已經在與代碼相關的主題上使用 AI，但只有 29% 的用戶信任 AI。信任是一個非常深刻的詞語。為什麼你不信任某樣東西？你不信任它，是因為你不認為它能產生高完整性、準確的答案。你可能不信任它，是因為它可能有一天會取代你，你也不喜歡這樣。但與此同時，你會對這樣一個具有標誌性的力量感到好奇。所以，你想繼續嘗試和使用它，並且可能會變得更好，最終希望能利用它來為你帶來好處，這樣你作為一個獨立的開發者才能保持相關性，或者在未來能夠更快地發展。我認為這可能是原因，特別是對於開發者觀眾來說。我認為他們是一個非常挑剔的觀眾，可以說是分析型的觀眾，如果事情不像以前那樣確定，他們可能會變得挑剔。這是一種非常概率性的技術。這幾乎就像去賭場使用輪盤賭一樣。每次你得到的答案都會不同。這對於那些編寫非常具體的代碼並尋求非常具體結果的人來說，並不一定是令人安心的。我認為人們會隨著時間的推移而習慣它。這對於編寫軟件的人來說是一種思維轉變。這可能是人們對它感興趣的原因，因為作為一項技術，它確實非常強大。別誤會。在 Stack，我們到處都在使用 AI 編碼。我向你提到的所有功能，我們的設計師和產品經理首先用它來展示並獲取用戶反饋，然後我們才去構建它。我們內部已經接受了這些工具，以獲得這種好處。所以，將來會有讓你使用起來感到舒適的方式，但我認為這是核心原因。
我實際上想談談那種依賴性。你知道它不可信，但你卻用它來構建產品。你正在構建產品來實現它。本週的重大公告是 Stack Overflow AI Assist。你在整個談話中已經多次提到了它。你打賭這就是人們想要的，對嗎？你打賭在 Stack Overflow 上的一個 AI 驅動的工具將幫助更多的人。也許那個東西會瘋狂地產生幻覺，給人們錯誤的答案。也許它會，我不知道，在《紐約時報》的頭版告訴 Kevin Roose 它愛他。我只是喜歡開 Kevin 的玩笑。嗨，Kevin。當你知道用戶不信任它，但你仍然必須推出這些工具，因為這是行業發展的方向時，你是如何做出這個決策的？
我們相信我們實際上已經解鎖了信任問題的一個非常重要的方面並對其做出了回應。我們的 AI Assist 功能是一個 RAG 加 LLM 解決方案。
實際上，它提供了一個首先會在我們數千萬個問題和答案的語料庫中搜尋的答案。我們擁有 8000 萬到 9000 萬個問題和答案。這些首先被用來產生回應。如果這些不夠的話，還有一個備選方案，即它會利用我們的合作夥伴 OpenAI，例如，從網絡的其他部分獲取可信賴的知識。因此，它首先會在我們可信賴的、有出處的知識庫中搜尋。它會產生鏈接，讓人們可以沿著這個路徑深入了解更多資訊。出處對我們來說非常重要，對吧？這就是我們如何應對幻覺問題。我們不斷地測試它，它並不完美。總會有改進的空間。但我們也在觀察世界的發展方向，如果這些模型繼續變得更好，那麼我們應該從這些改進中受益。最終，我們應該擁有最佳的解決方案，因為你得到了基於現實的人類背景加上大語言模型的優勢。我最感興趣的是對模型將繼續變得更好的信念。我不完全確定這是真的。我不確定大語言模型技術作為核心技術是否真的能夠變得智能。正如你所說，人們非常被這些模型的自然語言組件以及正在發生的界面轉變所吸引。我們都將使用自然語言開發軟件，或者讓大語言模型進行推理，基本上是自我提示來得到答案。這裡面有些東西看起來很冒險。你今天是否感覺到了這種風險？你是否在考慮這個問題，還是說，“這是我們現在的處境，我們必須繼續下去，直到情況發生變化？” 我認為關於大語言模型改進的第一件事是，我同意你的看法。很難知道事情將如何改進。當你想想過去六個月，進展似乎停滯了，然後突然間，Gemini 3 出現了。再次，我們很自豪能成為 Google 的合作夥伴。這是一個種子轉變。它讓所有其他模型相形見絀。現在，其他公司、其他大語言模型競爭對手都處於緊急狀態。所以，這是——順便說一句，Sam Altman 確實輸入了“緊急狀態”這個詞。我想說的是，這非常好。也許這是我過去的方式。問題是，當事情看似停滯不前時，你能夠產生這樣的飛躍是令人驚訝的。我不知道。我無法預測，因為像 Demis 這樣的人對這個主題有著非常深入的了解。所以，這是真的，但還會有其他我們不知道的創新。就像我之前解釋的，transformers 顯然是這個領域的一個巨大發展。可能這些 AI 研究實驗室會提出一些我們甚至不知道的東西來推動事情發展。最終，我們知道複合效應是非常真實的。我們有無限的計算能力，極其強大的晶片和 GPU，現在它們的成本正在降低。本周我在 AWS re:Invent，他們談到了 Trainium 晶片，Trainium3 和 Trainium4 正在建設中。將會有大量的普及，然後你還有數據的訪問權，我們已經討論過這個問題。所以，當這些東西結合在一起並複合起來時，它將產生非常神奇的結果。這就是我的信念，也是為什麼我自己的假設根植於它將會整體改進的事實。我之所以在這個背景下詢問這個問題，是因為你正在構建的工具，每個人都在使用它，但只有 29% 的人信任它，因為你必須大幅提高這個數字，才能達到每家投資 AI 的公司，包括你們公司，都在努力達到的回報。我不知道核心技術是否能做到這一點。我不知道你是否可以堆疊一堆技術來做到這一點。但我的確知道，軟件開發的未來版本之一是所有東西都在不斷地進行 vibe 編碼。軟件開發的未來版本的另一個樣子是，為模型編寫非常長的提示，這些提示本身就有好幾頁，這對我來說似乎很荒謬，但也許這就是未來。還有一個版本看起來像是，“我們回到了人類在軟件開發的最前沿，他們正在與 AI 模型共同開發，然後可能會詢問 Stack。” 這感覺像是一個更豐富、更有趣的未來，但我不清楚我們在這個光譜上的位置，或者這甚至是如何發展的。我認為我們不僅在公共社區的背景下有了一個鳥瞰圖，有了這個 29% 的數據點，而且我們的企業客戶也給了我們一個清晰的視角，讓我們了解他們的情況。投資回報率的問題在公司內部被非常重視，我認為 2026 年將是理性化的年份。如果 2025 年是代理的一年——每個工具都在這些公司內部被試用——對於首席技術官來說，有一個非常開放的環境去購買和測試各種工具。所以，我認為這對於一些構建這些工具的公司來說是一個巨大的時機。
但到了 2026 年，首席財務官（CFO）將會施壓，說：「好，生產力提升必須來自這些方面。我們在年度規劃時將會減少招聘人手。」系統將會面臨巨大的壓力，以證明真正的價值是什麼。我與所有高級管理層交談過的人都知道這是一個重大轉變，他們都在非常努力地推進這一轉變。他們都在等待改進。我相信大多數公司會說，他們在測試這些工具的小團隊中看到了改進，但這是一個自我選擇的群體，因為他們是熱衷者。他們將會看到巨大的生產力提升，這可能是真的，但當你考慮到在整個企業中採用這些工具時，生產力絕對會下降。可能出於同樣的原因，你告訴員工使用可能會讓他們失業的工具，那麼他們為什麼還想這樣做呢？或者更根本的是，如果這些工具不完美，它們會產生幻覺並且將被追究責任，這也不好。當然，還有流程變革、心態轉變，你必須完全改變你的工作流程，這涉及到所有的企業變革管理工作。這就是為什麼我們的解決方案 Stack Internal 正在構建這一層人類策展層，或者知識智能層。在頂部的 MCP 伺服器，中間的知識庫，以及我們從公司其他部分獲取知識的能力，我們可以創建這些極具幫助的原子級 Q&A，以將企業知識根植於這些 AI 代理中。這就是我們的解決方案。這就是為什麼我們非常努力地生產這個。我們已經從客戶那裡得到了非常強烈的反應。我們有一些世界上最大的公司正在與我們合作、測試和構建這個，比如 HP、Eli Lilly、Xerox，所有這些公司。看到他們被我們吸引是令人驚訝的，因為他們希望實現你所提到的投資回報率點。那麼，差距在哪裡？又是信任。因此，他們希望通過像 Stack 這樣的公司來建立這一層信任層，他們實際上可以將其插入到他們的數據和他們的 AI 工具之間。當你說理性化的時代，我聽到的意思是，你認為泡沫將在 2026 年破裂。我認為，僅僅嘗試各種工具和這些無限 AI 預算的狂熱最終將會平息。我不確定泡沫是否會破裂。肯定會有修正，這是毫無疑問的，如果你看看歷史的話。向這些公司銷售的供應商數量之多讓我感到非常驚訝。有四個具有類似功能的工具正在這些公司內部進行測試。所有這些公司可能已經達到了每年 1 億美元（約 HK$7.8 億）的經常性收入（ARR），但到了某個時候，當首席技術官（CTO）決定「你知道嗎，我只會使用一個，也許第二個作為備份」時，就會出現客戶流失。這與雲計算沒有什麼不同。如果你回想當初的多雲世界，人們一開始並沒有使用三個雲。現在你可能有一個主要的雲和一個次要的雲。這是不同的，但同時，你將會有四種不同的編碼工具，在我看來。當你考慮到 Stack Overflow 作為那個信任層時，這就是價值所在，這就是你可能會隨著時間的推移收取溢價的原因。你仍然依賴於一個只有 29% 的用戶信任的工具。而且我知道你談到了 RAG，你的其他系統也在做這個。你認為你能用 Stack Overflow 將這個數字提高到什麼程度？這對你來說可能嗎，還是生態系統必須為你做這個？我認為這通常是一個生態系統的問題，因為這更多地反映了人們在 Stack 之外還有什麼其他的選擇。我們可以專注的是成為技術人員最重要的來源。所以，對於我們來說，這是確保這些內容是優秀和高質量的，但同時也是一個讓人們培養社區、與彼此聯繫、在職業生涯中學習和成長的好地方。我認為我們可以做到這一點，是因為我們與所有這些大型 AI 實驗室合作的事實，以及我們那個經過艱苦的人工策展的可信知識將流入這些大型語言模型（LLM），最終產生可信的答案。我們在某種程度上是幕後的，但這就是我們的運作方式。我們在 LLM 的背景下運作於信任層或數據層。因此，這是我們對 29% 的間接貢獻。Prashanth，這是一次很棒的談話。下次你得在三年內回來。Stack Overflow 接下來會有什麼？人們應該期待什麼？我們最大的重點將是確保我們為公司構建這個企業知識智能層，以便真正以可信的方式使用 AI 代理。
我哋對我哋喺企業方面推出嘅 Stack Internal 產品感到非常非常興奮，呢個產品我哋喺幾個星期前喺 Microsoft Ignite 上發佈，同時亦幫助我哋嘅社群用戶互相聯繫，真正學習並喺公共平台上發展佢哋嘅事業，正如我一路以嚟所講。將會有好多途徑同新嘅切入點，例如我哋嘅 AI Assist、主觀內容、聊天以及其他大家希望喺周圍環境急速變化時覺得有用嘅嘢。佢哋可以成為呢個精彩社群嘅一部分，互相幫助。所以呢兩個重點就係企業同我哋嘅公共社群。
好啦。當明年泡沫爆破時，我哋會請你返嚟，我哋會話你預測到㗎。謝謝你，Nilay。我好感激。有關呢集嘅問題或意見？請電郵至 [email protected]。我哋真係會睇晒每一封電郵！Decoder with Nilay Patel 係 The Verge 製作嘅一個關於大想法同其他問題嘅 podcast。即刻訂閱！