X 笔记
AIX 文章·

Grok Bot 实测:xAI 把 Agent 做成了一台长期在线的云电脑

Grok Bot 是 xAI 最近推出的 AI Agent。每个 Bot 背后都有一套云端电脑环境,里面有浏览器、文件管理器和终端,也可以继续安装软件、接入 Skill 和 MCP。

用户可以直接把完整任务交给它,比如下载模型、搭 WebUI、处理视频、整理字幕、写 Notion 文章、做 PPT、跑 Blender、导出 3D 文件。整个过程都在云端完成,不需要一直占用自己的电脑。

这类产品和普通聊天 AI 的使用方式差别很大。以前 AI 更多负责给答案、写内容、提供步骤,真正打开软件、安装环境、处理文件的人还是用户自己。Grok Bot 已经开始直接接手这些操作。

一、云端电脑可以长期保留

Grok Bot 的基础是一套长期存在的云端电脑环境。

浏览器、终端、文件系统都在里面运行。下载过的文件、安装过的软件、已经打开的工作环境可以继续保留,任务中途退出以后也能接着做。

公开测试里,有用户拿到的环境为 16GB 内存、100GB 以上磁盘,网络速度达到数千 Mbps。这个配置足够处理模型下载、文件转换、视频转录、轻量开发和部分 3D 软件任务。

这些硬件数据目前主要来自测试环境,xAI 暂时没有把它们公布成所有用户统一固定的配置。

耗时任务可以直接留在云端跑。下载几 GB 文件、转录长视频、安装开发环境、批量处理素材,都不需要一直占用本地电脑。

二、浏览器、终端和文件管理可以一起用

Grok Bot 可以直接操作浏览器,需要登录网站时进入网页,需要下载文件时保存到云端,碰到安装和运行程序的任务,再打开终端继续执行。

给它一个 Hugging Face 模型地址,可以让它下载模型、安装依赖、启动服务,再搭一个可以直接测试的 WebUI。

普通聊天模型通常会把安装步骤和命令交给用户。Grok Bot 可以继续把这些步骤自己执行完,遇到报错再处理。

没有 API、没有 MCP 的网站,也可以尝试通过浏览器操作。已经提供正式接口的服务,则可以继续通过 Connector、Skill 或 MCP 接进去。

目前 Grok 已经支持部分外部连接能力,xAI 也在持续扩充 Skills。接入的软件和服务越多,能完成的任务范围也会继续扩大。

三、视频、文章和文件处理

上传一段长视频,可以让它完成语音转录、生成 SRT 字幕、调整字幕位置和换行、重新编码,再输出横屏、竖屏或者多个短视频。

过去这类流程经常需要多个工具配合。视频下载、Whisper 转录、字幕编辑、FFmpeg 压制、格式转换,每一步都要自己切软件。

现在可以直接把最后想要的成品告诉 Bot,让它在云端连续处理。

一段几十分钟的发布会视频,也可以直接交代下载、转录、提取重点、补充背景资料、生成文章和配图,最后保存到 Notion。

做自媒体、研究整理、课程笔记、访谈内容时,这种方式可以省掉大量复制、粘贴、下载、上传和格式处理。

四、Skill、MCP 和软件扩展

如果当前环境没有 PPT 能力,可以先安装对应 Skill,再继续生成演示文稿。海报、文档、表格、代码开发也可以接入相应工具。

xAI 已经推出 Grok Skills,可以把固定工作方法保存下来,后面重复调用。

例如经常做 YouTube 视频整理,可以把下载、转录、提炼重点、生成文章、配图、保存到 Notion 这一整套流程做成 Skill。下次处理同类型内容,不需要重新解释全部要求。

公开测试里还有人让 Grok Bot 安装 OpenSCAD 和 Blender,再根据图片尝试生成 3D 模型。需要用于 3D 打印时,可以继续导出 3MF 文件,再交给切片软件检查。

当前 3D 模型质量仍然比较依赖底层模型水平,复杂结构很难保证准确。不过安装软件、调用工具、导出文件、继续验证这一整套流程已经可以跑起来。

五、多 Bot 协作

Grok Bot 支持同时创建多个 Bot。

可以让一个负责搜资料,一个负责写文章,一个负责图片,一个负责开发。任务比较复杂时,再创建一个 Leader Bot 负责汇总结果和继续分配工作。

xAI 公布的信息里也提到,Bot 之间可以互相发送消息、共享工作相关的上下文,还能放进同一个群聊里协调任务。

多个 Bot 使用同一套云端工作环境后,文件和部分工作状态也能继续复用。研究 Bot 下载了一份资料,写作 Bot 可以接着读取;开发 Bot 做完程序,另一个 Bot 可以继续测试。

复杂项目可以拆成几部分同时进行,不必等一个 Agent 从头做到尾以后再开始下一步。

六、记忆和持续工作

Grok Bot 的云端环境会持续存在。下载的文件、安装的软件和之前的工作状态可以保留下来。

它也有跨任务记忆,可以逐渐记录以前做过什么、用过哪些工具以及用户平时的工作方式。

经常使用固定路径、固定软件和固定流程时,不需要每次从零搭环境,也不用重复解释大量背景。

这种持续性对长期项目比较有价值。今天没做完的工作,第二天还能在原来的环境继续。

七、目前的限制

Grok Bot 现在仍然处于 Beta 阶段,稳定性还有提升空间。

复杂网页操作可能失败,验证码、二次验证、登录确认经常需要人工介入。网页结构一旦变化,自动操作也可能卡住。

PPT、海报、3D 建模这些任务能做,最终质量还不算稳定。尤其需要审美和专业结构判断的工作,通常仍要继续修改。

过程展示也比较有限。Bot 在云端执行任务时,中间步骤不会一直完整展示,有时需要主动要求它截图,才能确认当前做到哪里。

涉及重要账号和不可逆操作时,发邮件、删除文件、发布内容、付款这类动作,最好继续保留人工确认。

网上还有测试提到 Grok Bot 暂时不能直接完成部分视频或语音生成任务。Grok 本身已经具备语音和视频相关能力,具体能否直接放进 Bot 的云端工作流,目前还要看 Beta 阶段的开放范围。

八、适合哪些人

经常处理视频、文章和图片的人,可以把多个步骤放到同一个 Agent 里完成。

做研究的人,可以让它收集资料、整理文件、生成报告并保存到指定位置。

做开发的人,可以让它安装环境、下载项目、运行命令、处理耗时任务。

平时经常折腾本地 Agent、服务器和自动化工具的人,也可以把一部分环境直接搬到云端。

如果日常只是问问题、改文案、偶尔查资料,用普通聊天模型已经足够。需要 AI 真正操作软件、处理文件、长时间跑任务时,Grok Bot 的优势才会明显。

现在的 Grok Bot 还不能完全无人看管,但已经能承担不少过去需要自己坐在电脑前完成的操作。

在 X 上看原帖并评论1,011 次浏览 · 1 赞
0x小师妹
0x小师妹 @0xshimei

AI 工具实测与币圈观察,SANYUE.AI 创始人

在 X 上关注

相关笔记