Loading video...

Video Failed to Load

Go Home

今晚别刷Netflix了。 去看这个SpaceX AI工程师1小时的课程。 这是我见过最清晰、端到端讲透GrokBot到底该怎么真正用起来的课。 从单agent开始,一路到loop、graph、多智能体协作、verification和agent-friendly架构。 不管你是从没认真跑过agent,还是已经天天在用GrokBot,看完都会把很多“原来如此”的点一次打通。 真正核心就这几层: 1. 99%的人只用1个agent,没用loop和graph,只发挥了1%实力 2. 真正的新stack是Chief of Staff + PM + 20+ workers全自主团队 3. 怎么用高质量skills让agent像真工程师一样干活(pstack) 4. 怎么把代码和架构改成agent-friendly(Dune、contract、CI) 5. 怎么用verification让自己真正敢把活交给它们,而不是一直盯着 大多数人花好几个月才拼出的全景图,这节课直接给你画完。 把时间空出来,这可能是你这个月最值的一堂课。

248,359 views • 2 days ago •via X (Twitter)

28 Comments

WenWen's profile picture
WenWen2 days ago

敢把活交出去不用一直盯着,光这一点讲透了就省下大把时间

Hux's profile picture
Hux2 days ago

用好了非常高效。

离岸工具包🎒's profile picture
离岸工具包🎒2 days ago

这个课程不错,刚看完,收获颇丰。👍

Hux's profile picture
Hux2 days ago

有帮助就行。

离岸工具包🎒's profile picture
离岸工具包🎒2 days ago

好的,有疑问随时问~

WEEX AI Labs's profile picture
WEEX AI Labs2 days ago

👍

会输's profile picture
会输2 days ago

verify 那节最值钱,多数教程到 loop 就收工

Hux's profile picture
Hux2 days ago

Agent 跑的好不好、快不快,和自动化验证有非常紧密的关联。

Martin's profile picture
Martin2 days ago

从单agent一路讲到verification 最后这块恰恰是大多数教程直接跳过的

Hux's profile picture
Hux2 days ago

这个全都有,学起来吧。

Vipul Kumar Kewat's profile picture
Vipul Kumar Kewat2 days ago

Wow, that texture

Hux's profile picture
Hux2 days ago

Very high quality, practical content.

Yveslevent's profile picture
Yveslevent2 days ago

@grok what’s the YouTube link of the vidéo

Clark Kent's profile picture
Clark Kent2 days ago

已收藏 跟收藏夹里另外三百个教程一起吃灰

Hux's profile picture
Hux2 days ago

做个了断吧。

陈曦's profile picture
陈曦2 days ago

@grok 总结视频内容给我

AI信号局's profile picture
AI信号局2 days ago

听起来挺全的,但“只发挥了1%实力”这种说法有点劝退,真跑过 agent 的都知道 loop 和 graph 不是免费午餐。先看看课里 verification 那部分怎么落地再说。

Hux's profile picture
Hux2 days ago

看起来吧,验证那部分特别关键。

Claude Qin's profile picture
Claude Qin2 days ago

这条里我最认同 verification 那段。我们这边实测下来,多 agent 翻车的点几乎都不在推理:20 个并行任务 11 个失败,全是 token 过期、重复写入、retry 没做幂等,补上退避 + 幂等键才从 11/20 到 17/20。所以看这类课程我先找它怎么设计验证器,而不是怎么画 graph。你跑 GrokBot 时验证层是自己写还是用现成框架?

Hux's profile picture
Hux2 days ago

verification 那段是精华。

NoizerFN's profile picture
NoizerFN2 days ago

@ahmedy137 这课有点上头.

Sylver's profile picture
Sylver2 days ago

@bot 追踪研究一下

wukong's profile picture
wukong2 days ago

@grok 原视频在哪能找到,最好有中文翻译

小海's profile picture
小海2 days ago

@grok 总结视频内容,并提炼核心观点。

Jackal's profile picture
Jackal2 days ago

@grok 介绍一下视频中的工程师

Et2O's profile picture
Et2O2 days ago

土豆姐自己无限token普通人咋学

Hux's profile picture
Hux2 days ago

跟是不是无限 token 没关系。

NoizerFN's profile picture
NoizerFN2 days ago

@ahmedy137 敢不敢试一局?

Related Videos

以后的工作方式,不会是一个人指挥一堆 AI,而是几个人加几个 Agent 在同一个群里一起干活 Teamily AI 是我见过第一个把这件事做顺的 Humans + Agents 平台:项目做到一半突然改主意,人和 Agent 都能接着彼此的成果往下做,越做越像一支真正的团队 这次我就拿自己一直在用的美股研究站: Teamily 里做了个真实测试。 Product Agent 先分析现在网站的问题,UX Agent 接着重新设计首页,最后直接用 Website Builder 做出新版。 我还把一起合作的伙伴拉进了群,他看完第一版在群里说:“不要再像普通 AI SaaS 官网,我要用户打开就能直接研究股票,更像一个专业的 Research Terminal。”,Builder 把这条也一起做进了新版。 最后出来的新版,Ticker 搜索、热门股票、最近研究这些都被提到了前面,整体也从一个普通工具站变得更像真正的美股研究终端 我自己其实完全不懂网站设计,所以这次最有感觉的不是“AI 会写网页”,而是我真的可以像拉一个项目群一样,把 Product、UX、Builder 都放进去,各自负责一块 我只负责说我要什么、哪里不满意,中间临时改方向,它们自己继续往下接,最后直接在 Website Builder 里把东西做成。 这也是我觉得 Teamily AI Teamily AI 比较特别的地方:它不是让我去管理一堆独立的 AI,而是把人和 Agent 放进同一个工作空间里,聊天、任务、修改记录和最终交付物都在一起。 所以Teamily AI 是一个人和 Agent 协作的工作空间,特别适合小企业和小团队 像网站可以直接做到 Website Builder 里,研究、文档、Dashboard 这些也能从对话继续变成实际产物;一些反复要做的事情,还可以用 Loop 把整套人 + Agent 流程留下来,下次直接再跑。 对我这种一个人同时做产品、研究、内容的人来说,这个思路挺舒服的:我不用每个领域都变成专家,只要能把合适的事情交给合适的 Agent 新版研究终端在这: 产品:

梭哈.AI

14,669 views • 1 month ago

有一个超级暴论: 现阶段的 OpenClaw 根本不适合团队协作!! 折腾过的人,应该都有类似的感受! OpenClaw 本质上其实是一个很强的 Agent 底座! 你可以把它接入到自己的团队工作流里, 把 Agent 搭起来,把渠道接进去,把能力跑通, 每个人都能让Agent干事情, 但是再进一步就会发现真正的问题: 团队怎么一起用? 中间产出和最终结果都沉淀在哪? 前面做过的分析、写过的文档、跑过的方法,怎么变成团队可复用资产? 新的成员进来,怎么接着往下做,而不是从头再来一遍? 这些,落到实际的应用中,都是坑! 最近,Flowus团队开发了一个新产品: Kollab Kollab 似乎解决了上面这些问题,它的思路很直接: 把 Agent 直接变成工作流的一部分。 这是什么意思呢? OpenClaw 解决的是:我个人怎么拥有一个随叫随到、能力很强、自己可控的 AI。 而 Kollab 解决的是:怎么让 AI 参与真实的团队工作,让做过的事能留下来,方法能复用,团队能协作。 对于内容团队、研究团队、小型创业团队来说,一定知道这其中的区别!! 你可以很简单的建立不同的项目组,或者工作空间, 每个项目组里都有 Agent,项目推进的全过程中, 所有的工作流、产出和方法论,都会沉淀在这个空间里。 当下次遇到同类型的B项目时,就可以一键复用A项目沉淀下来“工作资产”。 我觉得,这才是团队协作里最有价值的部分, 尽可能减少重复劳动!! 不管是传统团队协作,还是AI时代的团队协作,都如此。 所以,AI 产品真正的分水岭, 不是谁更像人,也不是谁接了更多更强的模型。 而是,到底能不能提供一个能沉淀、能协作、能推进的工作空间。

沐阳

51,172 views • 6 months ago

Anthropic官方最新的演讲,直接给火了一年的Agent时代浇了一盆冷水。 他们说别再造Agents了,赶紧去造Skills。 这句话也不是啥小众观点,是Claude核心团队的工程师Barry Zhang 和Mahesh Murag站在台上对着全世界喊出来的。 最反直觉的地方在这里,大部分人都以为Agent的未来,是做出一个更聪明的大脑,让它自己思考,自己规划,自己解决所有问题。 但Anthropic说,这条路走不通, 通用Agent确实聪明,但它没有领域知识,一碰真实世界就碎。 难维护,不可靠,出了问题你都不知道为什么。 绝大多数你见过的Agent,都只能停留在演示视频里。 真正能落地的,是Skills。 不是什么复杂的新东西, 就是一个个文件夹,里面放着代码、脚本、提示词和流程知识。 用文件系统、bash、Python这些最朴素的东西做接口。 它没有Agent那么酷,但它可组合,可版本控制,可分享。 需要的时候才加载进上下文,永远不会爆token。 甚至连财务、HR、法务这些非程序员,都能自己造技能。 这其实是一次非常务实的倒退, 我们不再要求AI自己学会怎么干活,而是把人类已经验证过的干活方法,打包成一个个技能包,让AI去调用,去执行。 把AI从一个需要你手把手教的实习生,变成一个能熟练使用所有专业工具的得力助手。 现在终于明白,为什么Claude一直在死磕MCP,死磕文件系统,死磕终端集成,它根本就不想做一个聊天机器人,它想做的是所有技能的运行时。 未来的竞争,不看谁的Agent更聪明,主要看谁的技能库更丰富更专业更可靠。 最后两位老哥呼吁别再纠结怎么让AI自己思考了,先把你手里的工作打包成第一个技能。

AYi

108,732 views • 7 months ago