Grok Bot 101：如何搭建一个专属 Bot以及真正派上用场的四个实战工作流
Grok Bot 是什么，如何用三个字段定义一个 Bot，怎样通过聊天、例程和其他 Bot 触发任务，以及如何管理共享电脑的权限风险。
把大模型当作网页对话框使用时，任务通常停留在“提问—回答—复制结果”的短会话里。需要跨应用操作、定时检查或在合上笔记本后继续运行的工作，往往还得另写脚本或拼接自动化工具。
Matt Palmer 写的《Grok Bot 101》是一份使用者视角的入门指南：先解释 Grok Bot 是什么，再介绍怎样定义一个 Bot、怎样触发任务、怎样设置权限和串联多个专长 Bot，最后拆解四套他实际在用的工作流。Grok Bot 的核心逻辑很直接：给软件智能体分配一台运行在云端的电脑。这台电脑拥有桌面、文件系统、终端和应用，能浏览网页、操作应用、编写并运行代码；你合上自己的电脑后，它仍可继续推进任务。
它不是聊天窗口，而是一台给 AI 用的持久化电脑
理解 Grok Bot 的关键，在于摆脱“聊天机器人”的思维定势。它本质上是一个常驻云端的虚拟工作站，配备了完整的桌面图形界面、文件系统、应用软件以及可执行命令的终端。
当你点击 Bot 的操作窗口时，体验就像打开了一台远程桌面。你在这台机器上拥有什么权限，Bot 就拥有完全相同的操作能力。
这种完整计算环境带来了两项关键改变：
第一，教会它的方式极其自然。 你既可以直接用文字描述工作流程，也可以在屏幕上录制一段自己的真实操作演示。例如，让它同时打开 Costco 和亚马逊，将指定商品加入购物车，随后比较两边的商品价格、运费和预计送达时间。
第二，它具备人机协作的交接机制。 当流程需要人工处理 CAPTCHA 或双重认证（2FA）时，Bot 可以像远程电脑一样把桌面交还给你；遇到需要账号密码或 API Key 的环节，它也可以发送安全表单让你填写。
因为这台电脑始终在线，你从手机或笔记本电脑接入看到的都是同一台设备。在一个 Bot 里登录过 Facebook 账号，后续让淘货 Bot 去搜索稀有的斑锦龟背竹（Monstera Albo）时，便无需重复登录，随时随地都能触发执行。
搭建一个专属 Bot，背后其实只有三个字段
在传统开发中，配置一个能够跑通业务逻辑的自动化 Agent 通常需要写很多胶水代码或配置文件。Matt Palmer 说，他喜欢从一段语音备忘录开始，并能在 10 到 15 分钟内搭好一个 Bot。
在其设置后台，核心字段只有三个：
- 名称（Name）：Bot 的调用标识（例如
Tech Demos）。 - 身份（Title）：该 Bot 的职能定位（例如
Daily X tech scout）。 - 描述（Description）：具体的工作流规则（例如：工作日浏览我的 X 书签，挑选一项值得做 Demo 的新技术，按我的风格起草一段 Prompt，等待我确认或拒绝，随后启动 Cursor 云端代理）。
原文给出的可直接复制示例如下：
Name: Tech Demos
Title: Daily X tech scout
Description: Look at my bookmarks each weekday, pick one technology worth demoing, draft a prompt in my style, wait for approve or deny, then kick a Cursor cloud agent.
你可以随时在对话中微调这些要求，也可以在右上角的设置面板中修改。
搭建时的原则是尽可能详细地描述你的实际操作步骤，把平时交代给真人的 SOP 完整写给它，并默认它具备操作复杂软件的能力。
以负责技术布道的“DevRel Bot”为例：每个工作日，它会扫描作者在 X 保存的书签，筛选值得演示的新技术，草拟一份用于构建产品原型的 Prompt 发送给作者。作者稍作调整并批准后，Bot 便通过 Cursor 连接启动 Cloud Agent，同时可以立即在 Cursor 中打开这次构建；任务完成后，它会发回截图或视频片段并创建 PR。
在生态扩展方面，Grok Bot 支持与 Cursor 相同的 MCP 服务器（Model Context Protocol）、插件和技能体系。
你可以为它挂载 Gmail、Google Calendar、Google Drive 等外部数据源，并且支持同一服务绑定多个账户。这意味着同一个智能体既能处理个人日程，也能兼顾企业内部的通讯和协作平台。
交互、例程与多智能体协作
Grok Bot 摆脱了“人问一句、AI 答一句”的单向被动响应模式，提供了三种维度的驱动方式：
直接对话（Chat）：像微信沟通一样随时给它下发临时指令。
例程与触发器（Routines and triggers）：Bot 可以自主设定运行周期，或者持续监听外部应用的动态事件。例如，它能长期挂在某个 Slack 讨论帖或 GitHub 的代码合并请求中，一旦监测到新动态便自主启动。
智能体间互相唤醒（Other bots）：不同的 Bot 之间可以直接收发消息、互相触发任务。
在实践中，更高效的用法是将每一个 Bot 当作垂直领域的专业人员，让它们分工合作。
例如，你可以将多个 Bot 拉进一个群聊，由一条例程规则驱动它们按顺序接力处理事务。Marketplace Bot 会在 Facebook Marketplace 和 Craigslist 上寻找浓缩咖啡机；遇到需要判断的问题时，它会询问 Chief of Staff Bot。
权限控制：当 AI 接管一台电脑，安全怎么保障？
赋予智能体操作真实电脑的权限，意味着巨大的便利，但也伴随着切实的风险。如果这台云电脑上已经登录了你的电商账号，从技术机制上讲，它完全具备像真人一样自主下单购买任何商品的系统能力。
针对这种风险，Grok Bot 采用了一套组合防御机制：通过自然语言规则定义边界，并引入独立的审查智能体（Review Agent）与黑白名单协同过滤。
与传统的代码硬编码或复杂 JSON 策略不同，这里的防线完全是用人类自然语言撰写的。具体入口位于 Settings > General > Agent，你可以在其中写明允许和禁止的行为，例如禁止未经确认的资金支付或重要文件删除。
整个安全控制链条包含几个关键事实：
- 动作实时拦截与复核：所有的操作提议都会经过一个独立的 Review Agent 审查，由它判定是直接放行、拦截阻断，还是挂起并升级推送给人工作最终确认。
- 依赖模型的规则理解：这套安全机制的基础，依然建立在“相信底层模型能够准确理解并服从自然语言规则”的前提之上。
- 工作发生在隔离环境中：官方只说明任务在隔离环境中执行，没有进一步披露底层隔离技术或企业多租户边界。
- 多 Bot 共享访问需注意：只要其中一个 Bot 登录了某家网站，其他 Bot 也能访问该站点。设定规则时，不能把每个 Bot 的登录状态视为彼此完全隔离。
真正派上用场的四个实战工作流
比起宏大的技术概念，自动化工具的价值最终要靠解决日常琐事的质量来检验。以下是四个作者实际在用的流程：
个人社交 CRM：用 15 分钟把社交关注列表变成人脉库
这个自动化任务是作者在手机上花了不到一刻钟配置完成的。核心需求非常明确：把作者在 X 平台上关注的八九百位行业同行转化为 Notion 里的私人人脉管理数据库，且全程只允许使用公开个人资料。
Bot 将这些账号的头像、个人简介以及公开主页链接整理到 Notion 看板中。每逢出差或旅行，作者可以用它重新联系已经认识的人，约一杯咖啡。
这个案例沉淀出一条非常实用的智能体外包评估准则：任何你在 LinkedIn 或社交平台上不得不机械重复的手动操作，都可以甩给 Bot；任何你觉得“让实习生去干都会产生内疚感”的繁琐杂活，都极其适合交给 Bot。
健身助手 Arnold：把臃肿的独立 App 降维成聊天 Bot
作者此前曾耗费数周时间，用 AI 辅助编码（Vibe-coding）手搓过一个力量训练 App。那款软件确实能用，但耗费了大量精力，且三天两头出现 Bug。后来作者尝试换了个思路：既然这套工具的本质就是输入、逻辑与存储，为什么非要维护一个笨重的 App，而不是把它做成一个 Bot？
他将原 App 拆解为 MCP 服务、技能和插件，并通过与 Grok 对话完成改造。更特别的是，这套基础设施本身正是 Grok Bot 在 Grok Bot 内部搭建的。最终诞生的力量与增肌训练教练 Arnold，核心功能与原本的独立软件相同，但形态更精简、维护负担更低、Bug 更少，逻辑调整的反馈链路也变短了——更新训练规则只需继续与 Bot 对话，使用界面同时成了修改行为的入口。
如果一个轻量软件可以清晰地拆解为输入数据、处理逻辑和数据存储三部分，将其重组成一个定制 Bot，往往比维护一整套代码工程要轻量得多。
写代码的“双环架构”：用 Grok Bot 给 Cursor 当外环
在现代 AI 辅助编程中，让同一个 Agent 既去各处翻阅资料、参与功能方案讨论，又在同一个会话上下文里直接修改代码，往往会导致模型视野被海量的冗余信息污染（Dirty Context），进而写出质量低下的代码。
作者采用了一种外环（Outer Loop）与内环（Inner Loop）解耦的架构：
- 外环执行者（Grok Bot）：充当上下文收集器。它熟悉 Cursor 的代码库、文档和市场相关仓库（marketing repositories），并会使用作者的 Cursor skills，其中包括 Lauren 的
pstack插件；它穿梭于 Slack、Notion、GitHub 与文档之间收集背景，针对具体需求打磨出一份极度精准、纯净的 Prompt。 - 内环执行者（Cursor Cloud Agent）：拿到外环给出的干净指令后，专注于实际构建软件，并在完成后交付 PR。
Grok Bot 在这里扮演的并不是直接敲代码的程序员，而是经验丰富的架构师或资深同事——它负责帮下游执行者扫清前置认知噪音，生成高质量的工程任务书。
跨平台聚合搜索：终结企业内部信息碎片化
在同时使用 Notion、Slack、GitHub 和内部 Wiki 的企业中，找资料往往极其折磨人，回封邮件可能要在好几个平台来回切换翻找。
作者把这个 Bot 用作 Cursor Product Expert。当遇到产品或公司运作相关的疑问时，它会读取代码库、查看 Slack 讨论并扫描 Notion 中的设计文档，再据此回答问题。
把这种琐碎的检索与求证交给 Bot，不仅能快速拿到答案，也能减少对其他同事工作节奏的频繁打扰，在团队内部有效缓解“通讯工具疲劳”。
从写胶水脚本，到学会给 AI 一台电脑
回顾个人自动化的演进路径，很多人最初依靠临时手写脚本，后来尝试用 AI 编写小型工具，或者用第三方低代码平台强行拼凑工作流。
Grok Bot 展现的变化在于将自动化环境放进一台云端电脑里。用户不必让自己的笔记本持续开机。通过自然语言或屏幕录制教它做事，遇到安全关卡随时接管，任务复杂时串联专长 Bot 接力，编程开发时用外环为内环过滤噪音。
当智能体真正拥有了可持久运行的电脑，个人自动化的边界便不再取决于工具本身的功能列表，而取决于你是否善于把日常工作流拆解并托付出去。作者认为 Grok Bot 与许多个人 Agent 的主要区别是 zero setup，越来越多工作流只需直接告诉 Grok Bot 就能复现。
官方资源与延伸渠道
Grok Bot 101：给软件智能体一台持久化云端电脑
把大模型当作网页对话框使用时，任务通常停留在“提问—回答—复制结果”的短会话里。Matt Palmer 在《Grok Bot 101》中指出，突破该瓶颈的核心逻辑很直接：给软件智能体分配一台运行在云端的电脑。这台电脑拥有桌面、文件系统、终端和常用应用；即使合上你的笔记本，它仍在独立推进任务。
- 仅限文本输入与单次响应，生命周期随页面关闭终结
- 无法直接操作本地文件、桌面应用与终端脚本
- 跨服务操作依赖人工复制粘贴或脆弱的外部胶水接口
- 常驻云端虚拟机，全天候独立运行，支持跨设备无缝接入
- 拥有完整桌面 GUI、终端执行权、应用与本地文件系统
- 支持自然语言授意与屏幕录屏演示，人机协作可随时接管
在传统自动化流程中，开发者往往需要手写大量胶水代码或微调复杂配置。而搭建一个专属 Grok Bot，在其设置后台，核心字段只有三个：
Tech Demos）。Daily X tech scout）。搭建时的核心原则是尽可能详细地描述你的实际操作步骤，把平时交代给真人的 SOP 完整写给它，并默认它具备操作复杂软件的能力。配合与 Cursor 同源的 MCP 协议及插件体系，同一个智能体可轻松挂载 Google Drive、Gmail、Calendar 等多账户数据源。
Grok Bot 不再只是单向被动应答，形成了直接对话、例程/事件监听、以及智能体间互相唤醒的三维驱动网络。在实践中，更高效的用法是将每一个 Bot 当作垂直领域的专业人员，让它们分工合作。
当 AI 接管一台登录有真实电商与企业账户的电脑，系统层面上具备了直接下单与变更数据的能力。为此，Grok Bot 构建了严密的防御网：通过自然语言规则定义边界，并引入独立的审查智能体（Review Agent）与黑白名单协同过滤。
在工程化实践中，特别是在 AI 辅助编程领域，同一个模型若既跨应用查阅资料又在会话里修改代码，极易因海量冗余信息引发“脏上下文”（Dirty Context）。作者为此采用了一种外环（Outer Loop）与内环（Inner Loop）解耦的架构：
Grok Bot 101 · Grok Bot
Grok Bot is an agent with a computer. Learn how to stand one up, chain specialists, and run the workflows I actually use.
Grok Bot is an agent with a computer.
Using it feels like texting a colleague, except that colleague has a real, persistent desktop. It can do what you can: use apps, browse the web, write and run code.
I work on DevRel at SpaceXSI. A lot of my day is writing code, making content, or typical knowledge work: relaying information, organizing, and planning. I used to write one-off scripts, build software with coding agents, or hack workflows together. Now I give that work to a bot. Standing one up takes 10 or 15 minutes. Then I can tweak it, reuse it, and let it run after I close the laptop.
I recorded a walkthrough if you want to see how I set these up.
What is Grok Bot?
Grok Bot is a personal assistant that can take any action on a computer.
The computer lives in the cloud. It has a desktop, a filesystem, a terminal, and apps. If I click the bot's window, I can use that machine like a remote desktop. The bot has the same access I do.
Grok Bot's cloud computer
Because it has a real computer, I can teach it a workflow by recording a task or by writing a prompt. I asked it to look at Costco and Amazon, add things to my cart, then compare prices, delivery charges, and times.
When a flow needs me, the bot can hand the desktop back the same way a remote computer would. I fill in a CAPTCHA or a 2FA login. It can also send me a secure form for a password or an API key.
It also runs in the cloud, so I get the same computer from my phone and my desktop. My Marketplace bot can search Facebook for a variegated Monstera Albo because Facebook is already logged in.
Anatomy of a bot
I like to start from a voice note. A bot is a set of instructions, so you can define it however you think.
Behind the scenes, settings are three fields:
text
You can set these in chat or in Settings, top right.
Be as specific as you can. Describe a workflow exactly as you would do it, or record a demo on your screen. Then assume the bot can do hard things AI usually can't.
Anatomy of a bot, Grocery
I call Tech Demos my DevRel bot.
Each weekday it scouts my X bookmarks for new technology, drafts a prompt for a prototype, and asks me to approve it.
I tweak the prompt, approve it, and the bot starts a Cloud Agent through the Cursor connection. I can open the build in Cursor immediately.
When it's done, the bot sends screenshots or a clip and opens a PR.
Bot settings
Grok Bot supports the same MCP servers, plugins, and skills as Cursor. I have Gmail, Google Calendar, Google Drive, and others. You can connect multiple accounts per service, so I can look through personal and work email, or check more than one Slack.
If you are wondering whether you can do something, ask.
Using Grok Bot
There are three ways to talk to a bot.
- Chat: Send it a message.
- Routines and triggers: A bot can set its own schedule or listen for events from other apps. It can watch a Slack thread or a GitHub PR.
- Other bots: Bots can message each other and trigger each other.
Routines and triggers
If you log into Amazon on a computer the agent can use, it can technically buy whatever it wants, the same way a human could.
Bots are kept in check by permissions, a reviewer, and allow/block lists. You write the rules in natural language in Settings > General > Agent. A separate review agent checks proposed actions and can allow, block, or escalate to you. Allow and block lists steer that reviewer. You are trusting the model to follow what you wrote. The work still happens in an isolated environment.
Most of us are used to defining agent rules in code or JSON. With Grok Bot, the rules are a prompt.
Allow and deny rules
One more thing: if you log into a site with one bot, every other bot can reach that site too.
Multi-bot chains
I treat bots as specialists. Because they can talk to each other, one specialist can ask another for help.
You can drop several into a group chat. A weekday routine can route a request through different bots until the job is done.
My Marketplace bot watches Facebook Marketplace and Craigslist for espresso machines.
When it needs a judgment call, it can ask my Chief of Staff bot.
Marketplace bot in a chain
Four bot workflows I’m loving
A personal CRM
I built this on my phone in 10 to 15 minutes.
The prompt: turn the people I already follow on X into a private personal CRM in Notion, using only public profile information.
I follow roughly 800 to 900 people. The board has profile images, descriptions, and a link back to each public profile.
When I travel, I can use it to reconnect with people I already know and ask if they want to grab a coffee.
I am the annoying coffee guy.
Anything I would do by hand on LinkedIn or X, I give to a bot. Anything I would feel bad about asking an intern to do, I give to a bot.
X followers in Notion
Arnold, my fitness bot
I already had a strength training app that I vibe-coded. It took weeks of work. It was useful, but time-consuming, and it still broke routinely. One day I asked, “what if this was a bot?”
I moved it into chat.
Arnold is my strength and hypertrophy programming coach. I broke the old app into MCP servers, skills, and plugins by chatting with Grok.
Grok Bot built the infrastructure from... inside Grok Bot.
The core functionality is the same, but the end state is much more minimal: less maintenance, fewer bugs, and zero headaches.
The feedback loop is also faster than the old app. Updates to the logic or behavior are now just chatting with a bot: the same interface as using the app itself.
If you can decompose an app into inputs, logic, and a datastore, you can probably turn it into a bot. You may find that a better solution than vibe-coded software.
Arnold, personal training software in chat
Writing code with Grok Bot
My outer loop agent gathers context from Slack, Notion, GitHub, and docs, then hands a clean prompt to a Cursor cloud agent for the inner loop that actually builds software.
If you ask one agent to read files, debate what to build, then immediately delegate the fix, that agent carries a bunch of dirty context.
Using an agent in the “outer loop” is one way to keep dirty context out of the “inner loop” executors that actually do the work.
Mine is an expert on the Cursor codebase, docs, and marketing repos. It writes prompts using my Cursor skills, including Lauren's pstack plugin.
An important distinction: Grok Bot is not writing the code. It is creating the same prompts I would, then sending them to a specialized coding harness that lives inside Cursor.
Outer loop into Cursor
Search across Slack, Notion, GitHub
If your company has Notion, Slack, and a wiki, finding things while you answer email is hard.
I use Cursor Product Expert for product questions and for how the company works.
I routinely ask Grok Bot how Grok Bot works. It reads the codebase, checks discussion on Slack, scans design docs in Notion, and gets me the answer.
I now ask more questions of Grok Bot than I do of my coworkers! That feels good, because I can respect their time and cut Slack fatigue.
Search across Slack, Notion, GitHub
What’s next
Grok Bot is an agent with a computer in the cloud. It can write and run code, run software, do workflows, and control the computer the same way I can.
The main difference from a lot of other personal agents is zero setup. More and more, I can replicate a workflow just by asking Grok Bot.
So what I create is limited not by what Grok Bot can do, but by what I can imagine giving it. Give it a shot. I’m excited to see what you’ll build.