Grok-Bot-Tutorial: Einen wöchentlichen KI-Recherche-Agenten bauen

Was ist Grok Bot?

Grok Bot ist die Agenten-App von SpaceXAI, verfügbar über Cursor, um benannte Bots zu erstellen, die ihre Rolle und Unterhaltung zwischen Aufgaben beibehalten. Sie ist getrennt von der Grok-Chat-App und Grok Build, der Coding-CLI.

Die Arbeitsweise von Grok Bot unterscheidet sich von den meisten anderen KI-Assistenten. Du gibst ein gewünschtes Ergebnis vor, der Bot arbeitet in den nötigen Apps und Websites, und er liefert entweder fertige Arbeit oder eine Frage, die dein Urteil braucht. Er behält stabile Präferenzen und Rollenkontext zwischen Gesprächen, doch alles, was sich wöchentlich ändert, gehört in eine Datei, die der Bot liest – nicht in sein Gedächtnis.

Für mehr Hintergrund empfehle ich unseren Grok-Bot-Guide.

So funktionieren Bots, Kompetenzen und Routinen in Grok Bot

Für dieses Grok-Bot-Tutorial brauchen wir vier Begriffe. SpaceXAI’s Leitfaden zu Bots und Cloud-Computern und Produktguides definieren sie so:

• Bot: Ein Agent mit Namen, Aufgabe, eigener Unterhaltung und gespeichertem Kontext.
• Cloud-Computer: Eine persistente Maschine, die sich alle Bots in deinem Konto teilen – mit eigenem Browser, Dateien und Terminal. Sie läuft weiter, wenn du den Laptop schließt.
• Kompetenz: Eine Anweisungssammlung für die Durchführung einer Aufgabe, die Ergebnisprüfung und den Punkt, an dem eine Freigabe nötig ist.
• Routine: Ein Auftrag, der einem Bot sagt, wann er eine Aufgabe ausführt – zeitgesteuert oder nach einem unterstützten Ereignis.

Diese Reihenfolge folgt dem offiziellen Leitfaden zu Kompetenzen und Routinen, der Tests vor die Planung stellt.

Teilen sich Grok Bots einen Cloud-Computer?

Ja. Die Grok-Bot-FAQ sagt, der Computer gehört deinem Konto, nicht einem einzelnen Bot. Jeder Bot sieht die Browser-Cookies, gespeicherten Logins und Dateien auf diesem Computer, auch wenn jeder Bot für seine Browsersitzung einen eigenen Bildschirm erhält.

Wir belassen den Scout-Workflow zunächst auf öffentlichen Seiten. Wenn wir uns später bei DataCamp, Notion oder einem anderen Dienst anmelden, kann jeder Bot diese Sitzung nutzen. Das Löschen von Scout garantiert nicht, dass gemeinsame Dateien oder Loginzustände entfernt werden. Melde dich daher ab und räume auf, was andere Bots nicht mehr sehen sollen.

Ein Konto, ein Computer, viele Bots. Bild: Autor.

Einen wöchentlichen DataCamp Learning Scout mit Grok Bot aufsetzen

Scout liest ein Lernendenprofil und ein Zeitbudget und liefert dann einen kurzen Plan. Unsere lernende Person beherrscht Python und grundlegende LLM-Konzepte, ist neu in der Agentenorchestrierung und hat diese Woche vier Stunden Zeit. Unser AI Agent Fundamentals Lernpfad umfasst sechs Stunden, daher passt der gesamte Pfad nicht.

Das Vier-Stunden-Limit setzt die Kappungsgrenze, das Ausgabeformat markiert das Ende des Plans.

Was soll der Scout Bot liefern?

Für jede Ressource soll Scout Folgendes von der Kursseite zurückgeben: 

• Titel und Link
• Typ (Kurs, Lernpfad, Projekt oder Tutorial)
• Niveau (Basic, Intermediate oder Advanced)
• Dauer (falls auf der Seite angegeben)
• Begründung der Auswahl
• Position in der Reihenfolge

Am Ende soll die Gesamtzeit und ein wöchentliches Lernziel stehen. Falls eine Seite keine Dauer angibt, lautet die Antwort „not listed“ – keine Schätzung.

Für unsere lernende Person reichen drei geprüfte Ressourcen. Scout darf weniger zurückgeben, wenn das verfügbare Material nicht zum Ziel, Niveau oder Budget passt.

Jede Begründung soll sich auf diesen Lernenden beziehen. „Setzt das vorhandene Python-Wissen voraus und baut auf den Konzepten des vorherigen Basic-Kurses auf“ erklärt die Auswahl. „Behandelt KI-Agenten“ nicht. Auch die Reihenfolge braucht eine Begründung, etwa den Grundlagenkurs vor einem Projekt abzuschließen, das diese Konzepte voraussetzt.

Warum Suchschnipsel nicht ausreichen

Suchschnipsel können veraltet sein oder Niveau und Dauer auslassen. Scout darf sie zur Kandidatensuche nutzen, muss aber die DataCamp-Seite lesen, bevor eine Ressource in den Plan kommt.

Diese Regel gehört in die Anweisungen. Eine Website kann den Bot trotzdem blockieren, einen Login verlangen oder ein CAPTCHA zeigen. Dann soll der Bot uns um Übernahme bitten.

So erhältst du Zugriff auf Grok Bot

Aufgrund der Zusammenarbeit von SpaceXAI und Cursor gibt es zwei Wege, auf Grok Bot zuzugreifen.

Grok-Bot-Pläne

Grok Bot hat keine dauerhafte Gratisstufe. Cursor bietet derzeit eine begrenzte Testphase als Nutzungsguthaben. Bezahlter Zugang erfolgt über einen berechtigten Cursor-Plan oder ein SuperGrok-Abo. In beiden Fällen meldest du dich mit Cursor an.

Der offizielle Grok-Bot-Account sagt inzwischen, dass alle SuperGrok- und Cursor-Pro-Abonnentinnen und -Abonnenten Zugriff haben und die wöchentlichen Nutzungslimits für alle zurückgesetzt wurden. Als wir es prüften, spiegelte Cursors Hilfeseite noch nicht jeden Teil dieser Ankündigung wider. Prüfe daher den aktuellen Stand auf der Pläne-Seite oder in der App, wenn du das hier liest.

Für Konten, die SuperGrok verknüpfen, beschreibt Cursor Help die Verknüpfung weiterhin als dauerhafte Nutzungserlaubnis, die den Cursor-Plan nicht ändert. Cursor zählt Agentenschritte und Tokens, nicht Nachrichten. Prüfe Nutzung und Abrechnung vor dem Recherchelauf und dem Routine-Test.

Datenschutzeinstellungen und Plattformunterstützung

Grok Bot benötigt Cloud-Datenspeicherung. Er startet nicht, wenn dein Cursor-Konto den Legacy Privacy Mode verwendet. Ändere die Einstellung im Cursor-Datenschutz-Dashboard.

Grok Bot unterstützt macOS auf Apple Silicon oder Intel, Windows auf x64 oder Arm64 und iPhone auf iOS 18 oder neuer. Wenn du Linux, Android oder iPad nutzt, prüfe beim Lesen die aktuelle Plattformliste, da sich die Unterstützung geändert haben kann.

Abos enthalten wöchentliche Nutzung, aber Cursor veröffentlicht keine eine Zahl, die für alle Pläne gilt. Eine Testphase stellt Nutzungsguthaben für ein 7-Tage-Fenster bereit – eine große Aufgabe kann es verbrauchen.

Schritt 1: Grok Bot installieren und den Bot erstellen

Wir brauchen für die Recherche keine API-Schlüssel, keine lokale Entwicklungsumgebung und keinen DataCamp-Login. Das Starten der Kurse ist separat und kann ein Konto erfordern. Die Installation geht schnell, die Bot-Beschreibung braucht mehr Sorgfalt als der Installer.

Installieren und anmelden

Lade die Desktop-App von der Grok-Bot-Onboarding-Seite herunter und wähle den passenden Build für deine Maschine. Melde dich über den Browser mit deinem Cursor-Konto an. Wenn deine Organisation Single Sign-on nutzt, folge dem üblichen Login.

Beim ersten Start siehst du „Meet a future teammate“, während der Cloud-Computer hochfährt. Wenn es hängen bleibt, beende Grok Bot vollständig und öffne es erneut, bevor du etwas anderes probierst. Bleibt das Problem, aktualisiere die Desktop-App, beende und öffne sie erneut, öffne dann Agent Computer und gib ihm Zeit, fertig zu werden. Nutze Recover zuerst und Reset nur im Notfall, da Reset ungesyncte Arbeit verwerfen kann.

Grok-Bot-Desktop-App nach dem Anmelden. Bild: Autor.

Schreibe eine Beschreibung, die länger hält als diese Woche

Erstelle den Bot über New oder Cmd/Ctrl+N, wähle Create new agent und öffne dann Bot actions → Edit Profile. Nenne ihn Scout und gib ihm den Titel DataCamp Learning Scout.

Die Beschreibung hält Regeln fest, die jede Woche gelten. Diese Woche’s Thema gehört woanders hin. Ergänze Regeln wie diese:

• Kuratiere DataCamp-Lerninhalte und gleiche sie mit einem benannten Kompetenzniveau und Zeitbudget ab.
• Behandle dieses Profil als dauerhaften Kontext, nicht als Aufgabe. Warte auf eine separate Nachricht, bevor du mit der Recherche beginnst.
• Nutze nur Thema und Zeitbudget der aktuellen Aufgabe. Übernimm kein Thema aus früheren Unterhaltungen.
• Öffne vor jeder Empfehlung die jeweilige DataCamp-Seite der Kandidatin.
• Zitiere Niveau und Dauer exakt so, wie sie auf der Seite stehen, und schreibe „not listed“, wenn ein Wert fehlt.
• Belasse Quelllinks unverändert und erfinde niemals Kursdetails.
• Bevorzuge praxisnahe Inhalte, wenn zwei Ressourcen dasselbe Konzept abdecken.

Beim ersten Setup behandelte Scout das Profil als Live-Aufgabe und startete einen unpassenden ETL-Plan. Ich stoppte ihn, erstellte einen neuen Scout und ergänzte diese beiden Warte-Regeln: 

• Stelle Rückfragen, wenn das Lernziel unklar ist, statt zu raten.
• Lege niemals Konten an, melde niemanden an und kaufe nichts.

Der neue Bot wartete dann auf eine separate Aufgabe, statt aus dem Profil heraus zu starten.

Ein dedizierter Scout hält zudem die wöchentliche Routine aus einem langen allgemeinen Chat heraus, sodass jeder Lauf nur den Kontext für Lernpläne trägt.

Es ist wichtig, Grenzen ins Profil zu schreiben, damit sie auch gelten, wenn eine Routine ohne Aufsicht läuft. Halte die Beschreibung außerdem so kurz, dass du sie bei Rollenänderungen prüfen kannst. Schritt 2 deckt Thema und Zeitlimit ab.

Das Scout-Profil hält dauerhafte Rechercheregeln fest. Video: Autor.

Schritt 2: Die erste Rechercheaufgabe für den Bot schreiben

Wir können Scout eine Aufgabe in natürlicher Sprache geben, brauchen aber trotzdem Details. Die Doku empfiehlt, Ergebnis, Quellen, Grenzen, Ausgabe und den Punkt zu benennen, an dem der Bot zur Prüfung stoppen muss.

Was gehört ins Profil und was in die Nachricht?

Profil und Nachricht beantworten unterschiedliche Fragen:

• Das Profil beschreibt, wie Scout arbeitet. 
• Die Nachricht sagt, was diese Woche zu tun ist. 

Danach speichert die Kompetenz die Schritte, während jeder Routinenlauf die neuesten Eingaben liest.

Das Profil deckt bereits Seitenprüfungen und Quelllinks ab. In der Nachricht gibst du Niveau und diese Wochenaufgabe an, bittest um wenige Ressourcen innerhalb von vier Stunden und stoppst den Bot zur Prüfung.

Wir haben die erste Aufgabe als eine Nachricht gesendet und während der Arbeit von Scout keine weiteren Einschränkungen hinzugefügt:

Build me a weekly DataCamp learning plan.

The learner is comfortable with Python, understands basic LLM concepts, is new to AI agent orchestration, and has 4 hours available this week. 
They prefer practical, hands-on material over theory.

Search current DataCamp content on AI agents. 
Open each candidate's resource page before you consider it. 
Pick a small number of resources whose page-listed durations total 4 hours or less, and order them from foundations toward practical application.
For each resource, return the title, the content type, the level and duration exactly as printed on the page, the link, one sentence on why it fits this learner, and its position in the order. 
Then give me the total time and one learning objective for the week.

Do not use search snippets as evidence. 
If a page does not list a duration or a level, write "not listed" instead of estimating. 
If the goal is too broad to plan against, ask me before you continue.

Stop after the plan. 
Do not enroll me in anything.

Scout startete die Browsersuche und lieferte einen Plan zur Prüfung. Die erste Antwort hatte bei einem Kurs das falsche Niveau, das ich in Schritt 4 korrigierte.

Die wöchentliche Lernenden-Datei anlegen

Das Bot-Gedächtnis ist kein verlässlicher Speicher für veränderliche Details. Erstelle /workspace/learner-profile.md auf dem gemeinsamen Computer und nutze es als maßgebliche Quelle für jeden Wochenlauf.

# Learner profile

Current goal: AI agent orchestration
Weekly budget: 4 hours
Background: Comfortable with Python and basic LLM concepts
Preference: Practical, hands-on resources
Completed resources: None

Aktualisiere diese Datei, wenn sich Ziel, Budget oder die Liste der abgeschlossenen Inhalte ändert. Scout soll sie vor jedem Plan lesen und stoppen, wenn sie fehlt oder veraltet ist.

Schritt 3: Recherche im Agent Computer von Grok Bot prüfen

Die Unterhaltung zeigt Tools, Dateien, Fragen und Freigaben. Agent Computer zeigt Klicks, Tippen, Navigation und Status. Das Verlassen einer Ansicht stoppt die Arbeit nicht.

Worauf du im Agent Computer achten solltest

Prüfe, dass Scout jede Kursseite öffnet, statt sich auf einen Suchschnipsel zu verlassen. Notiere auch eine verworfene Ressource und den Grund dafür.

Wenn er hängen bleibt, prüfe Login-, CAPTCHA- und Freigabethemen von oben. Erledige nur den blockierten Schritt und übergib dann zurück. Füge keine Passwörter in den Chat ein; nutze die sichere Geheimnis-Anfrage.

Die Computeransicht zeigt, dass eine Seite besucht wurde, beweist aber nicht, dass die finale Antwort stimmt. Hebe das Gespräch auf, da es zeigt, welche Seiten der Bot nutzte und ob er den Kurs wechselte.

Dieser Browser-First-Ansatz passt zu unserem DataCamp-Workflow, weil die Seite selbst der Beleg ist. Für Dienste mit Connector nutze den Connector für strukturierte Daten und öffne den Browser nur zur visuellen Prüfung.

In unserem Lauf öffnete Agent Computer die kanonische Introduction to AI Agents-Seite. Ihr Header zeigte Basic und 1 hr 30 min. Die Dauer passte zu Scouts Antwort, das Niveau nicht.

Agent Computer geöffnet auf einer DataCamp-Seite. Bild: Autor.

Schritt 4: Ausgabe des Bots verifizieren und korrigieren

Jetzt wird es gründlich. Wir legen den Plan neben die DataCamp-Seiten, bevor wir ihn annehmen.

Links, Niveaus, Voraussetzungen und Zeit prüfen

Lies den Plan Zeile für Zeile. Ein sauberes Layout kann trotzdem ein falsches Niveau, einen toten Link oder eine falsche Summe verbergen. Prüfe Folgendes:

• Führen die Links zu echten DataCamp-Seiten mit genau diesen Titeln?
• Entspricht das genannte Niveau dem, was auf der Seite steht?
• Erfüllt die lernende Person alle aufgeführten Voraussetzungen?
• Ergibt die Addition der auf den Seiten genannten Dauern höchstens vier Stunden?
• Gibt es einen echten Lernfortschritt – oder drei austauschbare Einsteigerkurse?
• Kam etwas nur wegen eines Keyword-Treffers hinein?

Wir addieren die Seitendauern selbst statt der Gesamtsumme im Plan zu vertrauen. Überschreitet das Ergebnis vier Stunden, bitten wir Scout, das am wenigsten relevante Element zu entfernen und neu zu rechnen.

Scouts erster Plan enthielt Introduction to AI Agents, Building AI Agents with CrewAI und Building AI Agents with Google ADK. Die gedruckten Dauern ergaben 3 Stunden 30 Minuten – das passte ins Budget und ließ 30 Minuten übrig.

Das Problem war das Niveau des ersten Kurses. Scout schrieb Beginner, die kanonische Seite zeigte Basic. Wir sendeten eine Korrektur:

Please revise the plan using the exact level labels shown on each course page.

The Introduction to AI Agents page lists its level as Basic, not Beginner. Reopen all three pages and verify each title, level, duration, and canonical URL.

Return the same plan with only the verified corrections. Keep the total at or below 4 hours.

Scout öffnete alle drei Seiten erneut, änderte nur das erste Niveau und behielt die Gesamtdauer von 3 Stunden 30 Minuten. Die Korrektur war klein, bestätigte aber: Ein valider Link und ein plausibles Label reichen nicht.

Erster Plan neben dem korrigierten Plan. Bild: Autor.

Mit fehlenden Dauern umgehen

Wir sollten XP, Videos oder Übungen nicht in Stunden umrechnen. Wenn Felder zur Dauer widersprüchlich sind, behalten wir jeden gedruckten Wert bei, nennen sein Feld und nutzen nur die höchste Obergrenze für die Budgetprüfung.

Wiederkehrende Regeln im Bot-Profil speichern

Nach der Korrektur fügte ich nur die Regel zur Bot-Beschreibung hinzu, die jede Woche gelten soll. Ein einmaliges Thema oder Zeitlimit bleibt in unserer wöchentlichen Eingabedatei.

Schritt 5: Den Bot-Workflow als Kompetenz speichern

Zwei Best Practices zum Speichern von Workflows als Kompetenzen:

• Speichere den Prozess erst, wenn die manuelle Version funktioniert. Sonst wiederholt die Kompetenz denselben Fehler.
• Halte die Kompetenz schlank: eine Quellfamilie, ein Ausgabeformat, eine Freigabegrenze. Muss sie raten, welche Systeme zu nutzen sind oder was zurückzugeben ist, kann sie abschweifen und mehr Nutzung verbrauchen.

Was in die Kompetenz gehört

Bitte Scout, eine Kompetenz namens Weekly DataCamp Learning Plan zu speichern. Sie soll /workspace/learner-profile.md lesen, jede Voraussetzung mit Hintergrund und abgeschlossenen Ressourcen abgleichen, die Seitendauern addieren, die vereinbarten Felder zurückgeben und vor jeder Aktion mit Freigabepflicht stoppen.

Nach dem Speichern kannst du sie im Composer mit / referenzieren. Falls sie nicht erscheint, aktiviere sie unter Settings → Plugins → Yours.

Gespeicherte Kompetenz mit Eingaben und Validierung. Bild: Autor.

Kompetenz mit einem anderen Ziel testen

Ich änderte das Lernziel auf LLM-Evaluation, reduzierte das Budget auf 3 Stunden und rief die gespeicherte Kompetenz mit einer kurzen Bitte auf: „Erstelle den Plan dieser Woche anhand des aktuellen Lernendenprofils.“

Scout nutzte Agent Computer und lieferte einen Kurs, LLM Application Evaluation with LangSmith, ohne Empfehlungen aus dem Plan zu KI-Agenten zu übernehmen. Zudem schloss er Off-Topic-Seiten und Tutorials ohne gedruckte Dauer aus.

Die kanonische Kursseite zeigte zwei Dauerformate: eine 2 hr-Schätzung in der Zusammenfassung und ein 1 hr - 3 hr-Badge. Scout kopierte das Badge, behandelte dessen Obergrenze aber als feste Drei-Stunden-Summe. Wir baten ihn, das verwendete Feld zu benennen, beide gedruckten Werte zu bewahren und die Obergrenze nur für die Budgetprüfung zu nutzen.

Eine spätere Prüfung der Voraussetzungen deckte ein wichtigeres Problem auf: Der Kurs setzt LLM Application Fundamentals with LangChain voraus, den unsere lernende Person nicht absolviert hatte. Das Öffnen der kanonischen Seite war nötig, doch die Kompetenz musste außerdem Voraussetzungen mit dem Profil vergleichen, bevor sie einen Kurs empfiehlt.

Ich aktualisierte die Kompetenz, um jede Voraussetzung mit dem Lernendenprofil zu vergleichen und widersprüchliche Dauerfelder zu melden, bevor Ressourcen gewählt werden.

Schritt 6: Die Kompetenz als wöchentliche Grok-Bot-Routine planen

Weil der Cloud-Computer – wie beschrieben – weiterläuft, kann eine Routine auch bei geschlossenem Laptop laufen. Wir testen sie, bevor wir uns auf den Montagstermin verlassen.

Eine wöchentliche Taktung ist hier bewusst gewählt. Dieselbe Recherche alle paar Minuten würde Nutzung verbrauchen, auch wenn Lernenden-Details und DataCamp-Seiten unverändert sind.

Zeitplan, Zeitzone und Grenzen setzen

Wir setzen die Zeitzone unter Settings → General → Agent und erstellen dann die Routine mit fünf Punkten: 

• Der Zeitplan
• Wo Ziel und Budget gelesen werden
• Was zurückzugeben ist
• Was eine Freigabe braucht
• Was zu tun ist, wenn eine Quelle fehlt

Fehlt /workspace/learner-profile.md oder kommt Scout nicht weiter, soll die Routine das Problem melden und stoppen statt endlos zu wiederholen. Sie erbt Scouts gesperrte Aktionen, während Freigaben nur greifen, falls wir später eine externe Aktion hinzufügen. Routinen verwaltest du unter View conversation details → Routines.

Montagsroutine mit Termin und Zeitzone. Bild: Autor.

Jetzt ausführen statt bis Montag warten

Statt zu warten, startete ich einen Testlauf mit der aktualisierten Kompetenz und demselben LLM-Evaluationsprofil. Die Routine öffnete die Kandidatenseiten, meldete alle Dauerfelder von LangSmith und markierte die LangChain-Voraussetzung als not met.

Wenn sie nicht startet, prüfe, ob sie aktiviert ist, dann ihre Details (Zeitplan, Zeitzone, Bot, Lernquellenpfad, Browsersitzung) und zuletzt die verbleibende Nutzung. Fehlende Lernenden-Details oder eine abgelaufene Sitzung können den Lauf stoppen.

Die Routine ließ LangSmith aus, schloss die übrigen Kandidaten wegen Off-Topic, unerfüllter Voraussetzungen oder fehlender Kursdauer aus und lieferte Total: 0. Auffüllen hätte die Validierungsregeln gebrochen.

Der Lauf erschien in der Run history mit Haken, und das Ergebnis blieb in der Scout-Unterhaltung. Dieser letzte Test bestätigte, dass Zeitplan, gespeicherte Kompetenz, Dauer-Policy und Voraussetzungcheck zusammen funktionieren.

Routine-Test läuft durch und zeigt Historie. Video: Autor.

Fazit

In diesem Tutorial haben wir einen DataCamp Learning Scout rund um eine aktuelle Lernendenquelle, Quellprüfungen, eine wiederverwendbare Kompetenz und eine wöchentliche Routine aufgebaut. Das Profil hielt die Dauerregeln, die Kompetenz bewahrte die Forschungsmethodik, und die Routine lieferte den Montagstermin.

Der Weg zu einem wöchentlichen, geplanten Lauf, der genau das Richtige tut, erfordert etwas Trial-and-Error. Die Tests legten drei Punkte offen, die eine polierte Antwort verdecken könnte: Beginner statt Basic, eine Spannweite als feste Gesamtdauer interpretiert und eine unerfüllte Voraussetzung. Die ersten zwei wurden durch erneutes Öffnen der kanonischen Seiten korrigiert. Die dritte erforderte eine neue Voraussetzungregel und einen weiteren Kompetenztest, bevor die Routine verlässlich war.

Von hier aus können wir eine Abschluss-Historie ergänzen, um Wiederholungsempfehlungen zu vermeiden, oder einen Study Coach Bot erstellen, der Scouts Auswahl in einen Lernplan überführt. Wenn Teach a task in der App erscheint, können wir damit auch einen Browser-Workflow aufzeichnen und einen Kompetenzentwurf erstellen.