Grok Bot实战：AI队友自动完成研究与购物

AI助手正在从“你问我答”的聊天窗口，变成能自己打开浏览器、点击网页、整理文件的数字同事。YouTube创作者在最新视频中完整演示了Grok Bot的搭建流程：三个AI机器人各自承担研究、采购和频道运营任务，全程无需人工插手，只在涉及花钱或发布的关键节点停下来请求确认。

从聊天机器人到AI队友：区别在哪

视频作者用一句话概括了产品逻辑：聊天机器人是你问它答，活儿还得自己干；Grok Bot则是接下一个目标，在自己的云电脑上干活，最后带回来完成的工作，或者一个需要你判断的问题。

每个Bot都有独立的聊天记录、记忆，以及一台带浏览器、文件和终端的云电脑。所有Bot共享同一台持久化云电脑，各自拥有独立屏幕，但文件与登录状态互通。更关键的是，笔记本合上之后，这些Bot仍在云端持续运行。

这一定位把AI从“辅助工具”推向“执行单元”。用户不再是操作者，而更像审批者。

云电脑（Cloud PC）在这里指的是一种运行在数据中心的持久化虚拟桌面环境，用户通过流式传输看到它的画面并下达指令。它与传统虚拟机最大的区别在于“持久化”：关机后磁盘状态、已登录的账号、浏览器标签和下载的文件都会保留，下次连接时仍处于原来的状态。对AI Agent而言，这一点至关重要，因为Agent往往需要跨多轮任务累积上下文，例如保持电商网站登录、保存中间文件、维持定时任务的运行环境。云电脑也让Agent脱离本地设备的开关机与网络限制，笔记本合上后任务仍在云端继续跑，代价是算力与存储按订阅额度计费。

搭建Scout：四分钟完成一周AI新闻研究

第一个Bot叫Scout，标签设为AI research，创建过程几乎是即时的——起个名字，没有复杂配置。作者给它的任务是：找出过去一周最重要的五条AI新闻，逐条对照官方来源核实，按视频潜力排序，并保存成简报文件。

一个小技巧是要求它在Chrome里执行检查，这样用户能实时看到操作过程。Scout依次打开OpenAI、Mistral、Anthropic、Google的官方公告页面，核对日期与声明。整轮运行约四分钟。

返回结果是五条已排序的新闻，每条附带切入角度和来源链接，并保存为AI briefing.md。作者特别强调，Scout标记出三条经官方页面核实后站不住脚的说法，而不是照单全收地复述。这正是“可信研究”与“简单摘要”的分界线。

Shopper：自主比价加购，结账前必须请示

第二个Bot叫Shopper，同样只需一个名字和一个标签。它的任务是：找一款150美元以内、用于配音的USB-C麦克风，比较前三名，把最佳选择加入Best Buy购物车，然后在结账前停下。

Shopper在Chrome中先查阅Tom's Guide、Wirecutter，再进入Best Buy搜索型号、核对价格与库存。遇到页面加载失败，它会自行跳过继续。整个过程约十分钟，没有触碰任何购买按钮。

返回的是一张干净的对比表，包含价格、提货情况、位深以及评测者的实际评价。它的选择是Rode NT-USB Mini，商品已放入购物车，随后停下来询问是否购买。

这里体现了产品的审批模型：发送、购买、删除、发布这类动作，都卡在用户的“同意”之后。作者还提到一个规则冲突细节——当“先询问”规则与“允许”规则碰撞时，先询问规则优先。

审批模型（Human-in-the-loop Approval）是Agent产品中常见的安全设计：把动作按风险分级，低风险动作（读取网页、整理文件）自动执行，高风险动作（付款、发送消息、删除数据、公开发布）则挂起等待人类显式确认。实现上通常有两种方式，一是基于规则的策略引擎，为不同工具调用配置 allow / ask / deny 三档；二是基于意图的拦截，在调用支付或发布接口前强制暂停。当多条规则冲突时，需要定义优先级，本文提到的“先询问优先于允许”就是一种保守策略——宁可多问一次，也不让Agent自作主张。这种设计让Agent可以长时间无人值守运行，同时把不可逆操作的最终决定权留在人手里。

Desk：录一遍演示，教会Bot一项技能

第三个Bot叫Desk，负责一个周期性工作流：每周追踪频道最新视频的表现。作者没有写指令，而是用了“teach a skill”功能。

他打开Desk的电脑并开始录制，然后像平常一样操作一遍——打开频道视频标签页，确认按最新排序，浏览新上传内容，向下滚动视频列表。Desk实时观看并学习。停止录制后，Desk分析演示内容，几分钟后将其转化为可复用技能。

打开这个技能，可以看到它学到的输入、步骤和汇报方式，全部可编辑。作者注意到一个细节：Desk自行补充了一条他从未说出口的规则——数字必须原样复制，绝不估算。

之后用斜杠命令即可随时调用该技能。作者让它检查频道，把最新六个视频保存到表格，Desk在自己的电脑上跑完整个流程，返回包含标题、播放量、上传时长和链接的Excel追踪表，还能与上周数据对比。

更进一步，Desk主动建议自动化。作者要求每周一早上9点新增一次快照并报告播放量增长最多的视频，Desk直接在聊天中创建了routine，并展示完整面板，支持暂停、编辑和删除。测试运行时Desk还使用了副本，保证真实追踪表在周一之前保持干净。

teach a skill 属于“示范学习”（learning from demonstration）在Agent产品中的落地形式。传统做法是用户手写提示词或工作流编排，需要把步骤抽象成文字；而录制演示则让系统直接从屏幕操作中抽取动作序列、目标元素和判断条件，再泛化成可复用的技能。关键在于抽象层级：系统需要区分哪些是固定步骤（打开标签页、按最新排序），哪些是可变输入（频道名、时间范围），并推断出用户没有明说的隐含规则，例如“数字必须原样复制、不得估算”。技能一旦生成，通常以结构化文档形式保存，支持人工编辑修正，并可通过斜杠命令或定时routine调用。相比提示词，技能对界面变化更敏感，因此需要健壮的元素定位与失败重试机制。

多Bot协作：一个指令串起完整工作流

最后一块拼图是Bot之间的协作。作者创建了一个包含Scout和Desk的群聊，给出单一指令：让Scout从本周简报中挑出最佳选题，再交给Desk。Scout选出相关故事并写出工作标题和切入角度，Desk则将其加入追踪表作为下周计划视频。整个研究到排期的链路，没有一次复制粘贴。

一场演示下来，Scout完成了带核实的新闻研究，Shopper填好了购物车并等待批准，Desk从一次演示中学到了工作流并建立了每周自动运行的计划。

跨平台与订阅信息

Grok Bot支持Windows、macOS和Linux，也可在Android和iOS设备上使用。视频中还提到一则据称随统一X订阅推出的更新：将Grok、Cursor、X Premium打包进单一方案，共四档付费——Plus每月8美元、Premium每月30美元、Super每月100美元、Ultra每月200美元，另有免费档。官方说法是每档相比被替代的方案提供更多单位美元的AI模型用量。

作者还称Grok Bot将接入Anthropic的Claude模型（如Opus 5.5、Sonnet 5.5）、Midjourney和Suno模型，以增强能力。这部分属于视频中的单一来源说法，具体支持范围与定价仍需以官方发布为准。

这类产品改变了什么

Grok Bot演示的核心并非“AI能上网”这一早已不新鲜的能力，而是把执行、审批与学习串成闭环：Bot负责跑腿，人保留最终决定权，重复性操作则通过一次演示固化为技能并自动排期。

对内容创作者、运营和小型团队而言，这意味着把“找资料、比价格、盯数据”这类低判断密度的环节交出去，把精力留给需要判断的决策点。限制也很明显——审批模型决定了它更适合“可回退、可确认”的任务，涉及资金与公开发布的动作仍依赖人工把关。