Grok Build Tutorial: Ein Machine-Learning-Projekt aufbauen

Grok 4.6 ist das neueste KI-Modell hinter Grok Build, entwickelt für Coding, agentische Aufgaben und anspruchsvolle Wissensarbeit. Grok Build bringt diese Funktionen direkt in dein Terminal: Es kann Projekte planen, Dateien erstellen und bearbeiten, Pakete installieren, Befehle ausführen, Code testen und Fehler mit deiner Freigabe beheben.

In diesem Guide zeige ich dir Grok Build in der Praxis, stelle die wichtigsten Features vor und konfiguriere Sitzungsübergreifenden Speicher, Projektinstruktionen, wiederverwendbare Skills und Sicherheitseinstellungen. 

Anschließend nutzen wir es, um ein komplettes End-to-End-Machine-Learning-Projekt zu bauen – von der Umgebungseinrichtung und Datenanalyse über das Training und die Evaluation bis hin zur Erstellung einer Vorhersageanwendung.

Was ist Grok Build?

Grok Build ist der Coding-Agent von SpaceXAI, der direkt in deinem Terminal läuft. 

Es gehört in dieselbe Tool-Kategorie wie Claude Code und OpenCode: Du beschreibst in normaler Sprache, was du bauen willst, und der Agent arbeitet mit den Dateien und Tools auf deinem Rechner, um die Aufgabe zu erledigen. 

Er kann ein bestehendes Projekt erkunden, Dateien erstellen und bearbeiten, Pakete installieren, Befehle ausführen, den Code testen, Fehler erkennen und Probleme beheben.

Grok Build ist außerdem überraschend benutzerfreundlich. Du musst nicht jeden Schritt mit detaillierten Coding-Anweisungen versehen, und es kann Konfigurationen anderer Coding-Agenten wiederverwenden – inklusive Agent-Skills, MCP-Konfigurationen und Projekteinstellungen. 

Diese Funktionen machen Installation und Setup spürbar reibungsloser, besonders wenn du bereits ähnliche Tools nutzt.

Der größte Nachteil ist das Nutzungslimit. 

Grok Build ist zwar im Free-Plan verfügbar, aber das Freikontingent ist bei einem vollständigen Projekt schnell aufgebraucht. 

Der volle SuperGrok-Plan kostet 30 $ pro Monat und wirkt im Vergleich zu manchen Alternativen teuer. Claude Pro kostet zum Beispiel 20 $ pro Monat und enthält Zugriff auf Claude Code.

Trotz des Preises ist Grok Build ein leistungsfähiger und zugänglicher Coding-Agent – besonders für alle, die mehr wollen, als nur kleine Code-Snippets generieren.

Die wichtigsten Features von Grok Build

Grok Build bietet Standardfunktionen von Coding-Agenten wie Plan Mode und Projektinstruktionen über eine AGENTS.md-Datei. 

Sein Speicher, die Mediengenerierung, die Hintergrundautomatisierung, das Agent-Management und das Erweiterungssystem machen es jedoch für größere Projekte besonders nützlich.

1. Sitzungsübergreifender Speicher

Grok kann nützliche Informationen über verschiedene Sitzungen hinweg behalten, etwa Projektbefehle, technische Entscheidungen, Ordnerstrukturen und Coding-Regeln. 

So musst du nicht jedes Mal dasselbe Projekt erneut erklären.

2. Subagenten

Grok kann eigenständige Child-Agents mit eigenem Kontext erstellen. 

Ein Agent könnte zum Beispiel den Code untersuchen, während ein anderer den Plan schreibt, Tests erstellt oder an einem separaten Feature arbeitet.

3. Session-Fork und -Rewind

Du kannst eine Session forken, um eine andere Herangehensweise zu testen, ohne die ursprüngliche Unterhaltung zu verlieren. 

Mit Rewind springst du bei Bedarf auf einen früheren Stand zurück.

4. Git-Worktrees

Git-Worktrees ermöglichen Grok, in einer isolierten Kopie des Repos zu arbeiten. 

So bleibt das Hauptprojekt geschützt, während du experimentelle Features testest oder mehrere Agenten parallel laufen lässt.

5. Bild- und Videogenerierung

Du kannst Bilder und Videos direkt in Grok Build mit den Befehlen /imagine und /imagine-video generieren. 

Das ist hilfreich, wenn du Anwendungen mit visuellen Assets, Mockups oder Demo-Inhalten baust.

6. Run-Loop

Mit dem Befehl /loop wiederholt Grok einen Prompt in einem gewählten Intervall. So kann es etwa regelmäßig Tests prüfen, ein Deployment überwachen oder neue Fehler im Minutentakt melden.

7. Vim-Mode

Grok Build bietet einen Vim-Mode für alle, die Vim-ähnliche Tastatursteuerung in der Terminal-Oberfläche bevorzugen. Du kannst ihn mit /vim-mode aktivieren oder deaktivieren.

8. Personas

Mit Personas gibst du Agenten unterschiedliche Arbeitsstile, Schwerpunkte oder Regeln. 

Du verwaltest sie mit /personas und weist sie verschiedenen Subagenten zu.

9. Agent-Dashboard

Das Agent-Dashboard zeigt dir live alle deine Sessions. 

Du siehst, welche Agenten arbeiten, auf Input warten, fertig sind oder fehlgeschlagen sind und kannst jede Session direkt öffnen.

10. Hooks

Hooks lassen Grok automatisch Befehle ausführen oder einen HTTP-Endpunkt vor oder nach bestimmten Events aufrufen. 

Damit kannst du z. B. gefährliche Befehle blockieren, Code nach Edits formatieren, Tool-Nutzung protokollieren oder eine Benachrichtigung senden, wenn eine Aufgabe fertig ist.

11. Plugins

Plugins erweitern Grok Build um zusätzliche Agenten, Hooks, MCP-Server, Sprachserver und weitere Funktionen. Vorhandene Claude Code-Plugins können zudem automatisch erkannt werden, ohne dass ein komplett neues Setup nötig ist.

12. Plugin-Marktplatz

Im integrierten Marktplatz kannst du Plugins aus konfigurierten Quellen direkt in Grok Build durchsuchen und installieren. Du öffnest ihn mit dem Befehl /marketplace.

So richtest du Grok Build ein

Bevor wir das Machine-Learning-Projekt bauen, installieren wir Grok Build, verbinden unser SpaceXAI-Konto und öffnen es in einem eigenen Projektordner.

1. Grok Build installieren

Öffne dein Terminal und führe den passenden Befehl für dein Betriebssystem aus.

Für macOS, Linux oder WSL:

curl -fsSL https://x.ai/cli/install.sh | bash

Für Windows PowerShell:

irm https://x.ai/cli/install.ps1 | iex

Der Installer lädt Grok Build herunter und fügt den grok-Befehl zu deinem System hinzu.

2. Bei deinem SpaceXAI-Konto anmelden

Melde dich anschließend an mit:

grok login

Grok Build öffnet ein Browserfenster, in dem du dich bei deinem SpaceXAI-Konto anmeldest und den Zugriff bestätigst. 

Normalerweise musst du das nur einmal erledigen.

3. Projektordner anlegen

Erstelle einen separaten Ordner für das Machine-Learning-Projekt und wechsle hinein:

mkdir machine-learning-project
cd machine-learning-project

Starte Grok Build jetzt im Ordner:

grok

Grok Build fürs Projekt konfigurieren

Bevor wir loslegen, konfigurieren wir Grok Build so, dass es wichtige Projektinfos behält, sichere Berechtigungsregeln beachtet und in jeder Session dieselben Entwicklungsinstruktionen anwendet.

1. Sitzungsübergreifenden Speicher aktivieren

Mit Sitzungsübergreifendem Speicher merkt sich Grok nützliche Informationen, auch wenn du das Terminal schließt und später zum Projekt zurückkehrst.

Starte Grok Build mit aktiviertem Speicher:

grok --experimental-memory

In Grok Build kannst du eine wichtige Notiz manuell speichern:

/remember This project uses uv for package management and pytest for testing.

Du kannst außerdem mit /memory gespeicherte Informationen ansehen und verwalten. 

Nutze den Speicher für stabile Details wie wichtige Befehle, Technologieauswahl, Ordnerstrukturen und Coding-Konventionen. 

Temporäre Anweisungen sollten in der aktuellen Session bleiben. 

2. Sichere Berechtigungsregeln hinzufügen

Grok Build nutzt standardmäßig den Ask-Mode und fragt also um Erlaubnis, bevor nicht bereits freigegebene Tools ausgeführt werden.

Wir ergänzen projektweite Berechtigungsregeln, um normale Entwicklung zu erleichtern und riskante Aktionen explizit zu blockieren. 

Bitte Grok, die Konfiguration vorzubereiten:

Create a safe .grok/config.toml configuration for this project. 
Allow normal file editing, Git inspection, testing, and linting, 
but deny access to secret files, destructive shell commands, Git pushes, 
force pushes, and changes outside the project folder.

3. Permanente Projektinstruktionen anlegen

Lege als Nächstes eine AGENTS.md-Datei mit den Regeln an, die Grok im gesamten Projekt befolgen soll. 

Grok lädt diese Datei automatisch, sobald es im Repo arbeitet. Du musst die gleichen Anweisungen also nicht in jeder Session wiederholen. 

Nutze folgenden Prompt:

Create a short AGENTS.md file for an end-to-end machine learning project. 
Protect the raw data, prevent data leakage, use reusable Python modules, 
manage packages with uv, add tests, commit every major change, and validate 
each stage before continuing.

Halte die Instruktionen kurz und präzise, denn auf fokussierte Projektregeln folgt Grok erfahrungsgemäß am zuverlässigsten. 

4. Konfiguration prüfen

Prüfe zum Schluss, ob Grok die Projektrichtlinien, Einstellungen, Skills, Plugins und MCP-Server erkannt hat:

grok inspect

Sobald alles korrekt erscheint, können wir mit dem Machine-Learning-Projekt loslegen.

Grok Build Demo: Ein End-to-End-Machine-Learning-Projekt bauen

Nachdem Grok Build installiert und konfiguriert ist, erstellen wir das komplette Machine-Learning-Projekt von Grund auf.

1. Projektplan erstellen

Wechsle zunächst in den Plan Mode, damit Grok die Aufgabe inspiziert und erklärt, wie es das Projekt umsetzen will – bevor Dateien geändert werden:

/plan

Gib dann folgenden Prompt ein:

Build an end-to-end machine learning project from scratch. 
Check whether Git and uv are installed, initialize the repository, 
create a uv environment, install the required packages, organize the project, 
download a toy dataset, analyze and clean the data, create visualizations, 
train and compare models, evaluate the best model, build a simple prediction 
CLI application, add tests, and document the results.

2. Plan prüfen und freigeben

Sobald der Plan bereit ist, lies ihn aufmerksam. Du kannst Grok bitten, fehlende Schritte zu ergänzen, unnötige Arbeit zu streichen oder geplante Tools und Bibliotheken zu ändern.

Wenn alles passt, gib den Plan frei. Grok beginnt dann damit, das Projekt zu erstellen, Pakete zu installieren, Code zu schreiben, Tests auszuführen und dir die Änderungen anzuzeigen.

3. Nach Erreichen des Nutzungslimits weitermachen

Während des Baus haben wir das kostenlose Nutzungslimit erreicht. 

Große Coding-Aufgaben verbrauchen deutlich mehr Kontingent als normale Chat-Anfragen. Das passiert schnell, wenn Grok Daten analysiert, Modelle trainiert, Fehler behebt und Tests ausführt.

SuperGrok kostet derzeit 30 $ pro Monat und bietet höhere Nutzungslimits für die Grok-Funktionen. 

Günstig ist das nicht, aber das zusätzliche Kontingent ist hilfreich, wenn du ein komplettes Projekt baust statt nur ein paar kleine Prompts zu testen.

Nach dem Upgrade kehre in dieselbe Session zurück und tippe:

continue

Grok macht dort weiter, wo es gestoppt hat, und baut das Projekt fort.

4. Die finale Projektzusammenfassung prüfen

Wenn alles fertig ist, liefert Grok eine Zusammenfassung der Ergebnisse: Datenanalyse, Visualisierungen, Modellvergleich, Metriken zur Evaluation, Tests, Projektstruktur und Anweisungen zum Starten der Vorhersage-App.

In unserem Projekt hat Grok ein logistisches Regressionsmodell auf dem Palmer-Penguins-Datensatz trainiert. 

Das beste Modell erzielte rund 98 % Genauigkeit und einen F1-Score von 97,6 % – ein starkes Ergebnis für dieses kleine Klassifikationsprojekt.

5. Die generierten Dateien erkunden

Öffne den Projektordner in VS Code und schau dir die generierten Dateien der Reihe nach an. 

So verstehst du, wie Grok den Quellcode, die Datenpipeline, Tests, Reports und die Kommandozeilen-App strukturiert hat.

Auch wenn Grok das Projekt für uns erstellt hat, ist es wichtig, den Code zu überprüfen und zu verstehen, wie alles zusammenspielt.

6. Die Vorhersage-App testen

Öffne ein weiteres Terminal im Projektordner und führe folgenden Befehl aus:

uv run penguins predict \
  --bill-length 39.1 \
  --bill-depth 18.7 \
  --flipper 181 \
  --body-mass 3750 \
  --sex male \
  --island Torgersen

Die CLI-App verarbeitet die Werte mit derselben Vorverarbeitungspipeline und dem trainierten Modell aus der Evaluation. In unserem Test hat sie die erwartete Pinguinart zurückgegeben – die Vorhersageanwendung funktioniert also korrekt.

Fazit

Unterm Strich ist Grok Build ein sehr guter und überraschend ausgereifter Coding-Agent. 

Du kannst es über dein SuperGrok-Abo nutzen oder Grok Build direkt per SpaceXAI-API mit einem API-Schlüssel anbinden. 

Wichtig ist auch: Du bist nicht auf Grok-Modelle beschränkt. 

Grok Build unterstützt Custom-Modelle über OpenAI-kompatible und Anthropic-kompatible APIs. Damit kannst du auch ein Open-Source-Modell lokal anbinden oder einen anderen API-Provider nutzen. 

Folge der offiziellen Anleitung zur Konfiguration eigener Modelle, um das einzurichten. 

Außerdem harmoniert es gut mit Plugins, Marktplätzen, wiederverwendbaren Skills, Agenten, Hooks und MCP-Servern. 

Grok kann vorhandene Claude Code-Skills, Plugins, MCP-Konfigurationen und Instruktionsdateien automatisch erkennen, ohne dass du alles neu einrichten musst. 

Das Gesamterlebnis ist sehr benutzerfreundlich. 

Updates werden beim Start von Grok Build automatisch geprüft, und mit dem Befehl grok update installierst du manuell die neueste Version. 

Vom Setup über die Konfiguration bis zum Modellwechsel und dem Hinzufügen von Tools wirkt alles einfach und durchdacht. 

Im Vergleich zu OpenCode wirkt Grok Build derzeit auf mich wie das reifere, rundere Produkt. 

Bei Features und Coding-Erlebnis ist es bereits nah an Claude Code dran – und ich erwarte weitere Verbesserungen. 

Mein Hauptkritikpunkt bleibt der Preis und das begrenzte Freikontingent. Abgesehen davon habe ich große Erwartungen an Grok Build.