Grok Bot正式推出了它的网页版本,现在打开Grok的页面就可以直接使用Grok Bot了。


网页版相较于客户端更轻更方便,交互基本上保持了一致,同样内嵌供Agent操作的虚拟机。


与此同时 SpaceX AI还放出了一篇《Grok Bot 101》的官方教程,相比较市面上那种野鸡的赤橙红绿青蓝紫皮书,官方教程更侧重于实战。


以下就是官方文档的精要部分:


AI 真正有了一台属于自己的电脑。


Grok Bot 的本质一个拥有电脑的 Agent。


Grok Bot推出网页版!必看的Grok Bot 101 指南教程


这台电脑运行在云端,有桌面、文件系统、终端,也能安装和使用各种应用。


你可以直接打开它的桌面,就像远程控制一台电脑一样操作。


比如去几个网站搜索商品,把合适的商品加入购物车,对比价格、运费和送达时间,最后把结果整理给你。


这台电脑是持续存在的。


在电脑上登录过Gmail、Notion 或其他网站,明天从任何地方打开 Grok Bot,它依然可以继续使用原来的环境。


创建一个 Bot 很简单


Grok Bot 并没有要求你写一堆复杂的 Agent 配置。


Grok Bot推出网页版!必看的Grok Bot 101 指南教程


一个 Bot 最基础的东西只有名字、身份和工作说明。


Grok Bot 使用和定位。


官方的第一个例子就是创建一个负责技术 Demo 的 Bot,每个工作日检查 X 收藏里的新技术,从里面选择一个值得演示的项目,然后按照自己的写作习惯生成 Prompt,等待人工确认。


确认以后,它再通过 Cursor 启动 Cloud Agent。


代码完成之后,Bot 可以继续拿到结果,发送截图或者视频,并创建 PR。


从这个例子里,其实我们可以看到,用好Grok Bot的关键在于把它定位成工作流程的调度者。


实际干活并不需要它,写代码的可能还是 Cursor Agent,存资料的还是 Notion,沟通可能还是 Slack,代码仓库还是 GitHub。


Grok Bot 负责把这些东西连接起来。


Grok Bot的两种工作方式。


一种是定时任务和触发器。


比如每天上午检查一次资料,或者持续关注某个 Slack 讨论、GitHub PR,当事情发生变化时继续执行后面的流程。


另一种则是 Bot 调用 Bot。


你可以创建多个不同职责的 Bot。


一个负责找信息,一个负责判断,一个负责写代码,一个负责整理结果。


它们之间还可以互相发送消息。


这样一来,Agent 就开始从一个“万能助手”,慢慢变成一个小团队。


比如官方作者有一个 Marketplace Bot,专门盯 Facebook Marketplace 和 Craigslist 上的咖啡机。


Grok Bot推出网页版!必看的Grok Bot 101 指南教程


遇到需要判断的问题,它会把问题交给另一个 Chief of Staff Bot。


这其实已经很接近我们之前一直在讨论的多 Agent 工作流。只是以前我们需要自己搭框架、写代码、做消息队列、处理状态,现在很多东西开始直接变成产品能力。


官方文章里还给了几个实际案例。


第一个是个人 CRM。


作者关注了大约 800 到 900 个 X 用户,他直接让 Grok Bot 把这些公开信息整理进 Notion,包括头像、介绍和个人主页链接。


以后去某个城市的时候,就可以从里面找到认识的人约咖啡。


这种事情完全可以自己写脚本,当问题是写完脚本之后还要维护。


Bot 的思路是,你把目标告诉它,让它自己完成整个过程,不需要关注它里面的过程,只需要拿到最后的结果就可以。


Grok Bot推出网页版!必看的Grok Bot 101 指南教程


你可能根本不需要一个APP。


作者以前做过一个力量训练 App,开发花了几周,后来还要不停维护。


最后他把这个 App 拆成 MCP、Skills 和 Plugins,然后直接做成了一个健身 Bot。


原来的很多界面、后台逻辑和维护工作都消失了,以后想修改训练逻辑,直接和 Bot 聊天就可以。


很多以前必须做成 App 的东西,未来可能根本不需要 App。


如果一个软件能够拆成输入、逻辑和数据存储,那么其中一部分产品可能直接变成一个 Bot。


换Grok Bot来Human In Loop


Grok Bot 最精彩的案例就是用它来取代人类的Human In Loop。


不需要人来盯着整个 Agent的流程,它自带computer use 多模态的识别,直接取代人类的监控工作。


Grok Bot可以先去 Slack、Notion、GitHub 和各种文档里收集上下文,搞清楚需求,再整理成一个干净的 Prompt。


然后把这个 Prompt 交给 Cursor Cloud Agent。


它只负责理解问题和组织工作,Cursor 这样的Agent 负责真正修改代码。


以前我们研究 Agent,经常先考虑框架,用什么模型,怎么调用工具,怎么接 MCP,怎么做 Memory,怎么做定时任务,怎么做多 Agent 通信。


现在这些东西正在慢慢变得不再需要。


因为给 AI 一台电脑,创建一个 Bot 就够了。


文章来自于微信公众号 “字节笔记本”,作者 “字节笔记本”