Tutorial de Grok Build: crea un proyecto de machine learning

Grok 4.6 es el último modelo de IA que impulsa Grok Build, pensado para programar, realizar tareas con agentes y trabajar con conocimiento complejo. Grok Build lleva estas capacidades directamente a tu terminal, donde puede planificar proyectos, crear y editar archivos, instalar paquetes, ejecutar comandos, probar código y corregir errores con tu aprobación.

En esta guía, voy a explorar Grok Build, mostrar sus funciones clave y configurar su memoria entre sesiones, instrucciones de proyecto, habilidades reutilizables y ajustes de seguridad. 

Después lo usaremos para crear un proyecto completo de machine learning de extremo a extremo: desde preparar el entorno y analizar los datos hasta entrenar modelos, evaluar resultados y crear una aplicación de predicción.

¿Qué es Grok Build?

Grok Build es el agente de código de SpaceXAI que se ejecuta directamente en tu terminal. 

Pertenece a la misma categoría de herramientas que Claude Code y OpenCode: describes en lenguaje natural lo que quieres construir y el agente trabaja con los archivos y herramientas de tu ordenador para completar la tarea. 

Puede explorar un proyecto existente, crear y editar archivos, instalar paquetes, ejecutar comandos, probar el código, detectar errores y solucionarlos.

Grok Build también es sorprendentemente fácil de usar. No tienes que dar instrucciones de código detalladas para cada paso, y puede reutilizar configuraciones de otros agentes, incluidas habilidades de agente, configuraciones MCP y ajustes de proyecto. 

Estas funciones hacen que la instalación y la puesta en marcha sean mucho más fluidas, sobre todo si ya usas herramientas similares.

La principal desventaja es el límite de uso. 

Aunque Grok Build está disponible en el plan gratuito, la cuota sin coste puede agotarse rápido cuando trabajas en un proyecto completo. 

El plan completo SuperGrok cuesta 30 $ al mes, y puede parecer caro frente a algunas alternativas. Claude Pro, por ejemplo, cuesta 20 $ al mes e incluye acceso a Claude Code.

Aun así, Grok Build es un agente de código capaz y accesible, especialmente para quien quiere un asistente de IA que vaya más allá de generar pequeños fragmentos de código.

Funciones clave de Grok Build

Grok Build incluye funciones estándar de agentes de código como el modo Plan y las instrucciones de proyecto mediante un archivo AGENTS.md. 

Sin embargo, su memoria, la generación de medios, la automatización en segundo plano, la gestión de agentes y el sistema de extensiones lo hacen más útil para proyectos de mayor envergadura.

1. Memoria entre sesiones

Grok puede recordar información útil entre distintas sesiones: comandos del proyecto, decisiones técnicas, estructuras de carpetas y normas de codificación. 

Así no tendrás que volver a explicar el mismo proyecto cada vez que regreses.

2. Subagentes

Grok puede crear agentes hijo independientes con su propio contexto. 

Por ejemplo, un agente puede explorar la base de código mientras otro crea un plan, escribe tests o trabaja en una funcionalidad distinta.

3. Duplicar y retroceder sesiones

Puedes bifurcar una sesión para probar otro enfoque sin perder la conversación original. 

Con Rewind también puedes volver a una fase anterior si algo sale mal.

4. Worktrees de Git

Los worktrees de Git permiten a Grok trabajar en una copia aislada del repositorio. 

Así proteges el proyecto principal mientras pruebas funciones experimentales o ejecutas varios agentes a la vez.

5. Generación de imágenes y vídeo

Puedes generar imágenes y vídeos directamente en Grok Build con los comandos /imagine y /imagine-video. 

Es útil cuando construyes aplicaciones que necesitan recursos visuales, maquetas o contenido de demostración.

6. Bucle de ejecución

El comando /loop permite a Grok repetir un prompt a intervalos definidos. Por ejemplo, puede comprobar tests, vigilar un despliegue o informar de nuevos errores cada pocos minutos.

7. Modo Vim

Grok Build incluye un modo Vim para quienes prefieren los atajos de teclado de Vim al navegar por la interfaz del terminal. Puedes activarlo o desactivarlo con /vim-mode.

8. Personas

Las personas te permiten dar a los agentes distintos estilos de comportamiento, áreas de enfoque o reglas de trabajo. 

Puedes gestionarlas con /personas y aplicarlas a diferentes subagentes.

9. Panel de agentes

El panel de agentes ofrece una vista en tiempo real de todas tus sesiones. 

Puedes ver qué agentes están trabajando, esperando entrada, han terminado o han fallado, y abrir cualquier sesión directamente desde el panel.

10. Hooks

Los hooks permiten que Grok ejecute comandos o llame a un endpoint HTTP antes o después de eventos específicos de forma automática. 

Puedes usarlos para bloquear comandos peligrosos, formatear código tras ediciones, registrar uso de herramientas o enviar una notificación al terminar una tarea.

11. Plugins

Los plugins amplían Grok Build con agentes adicionales, hooks, servidores MCP, lenguajes, y otras funciones. Los plugins existentes de Claude Code también pueden detectarse automáticamente sin necesitar una configuración nueva desde cero.

12. Marketplace de plugins

El marketplace integrado te permite explorar e instalar plugins desde fuentes configuradas directamente en Grok Build. Puedes abrirlo con el comando /marketplace.

Cómo configurar Grok Build

Antes de crear el proyecto de machine learning, debemos instalar Grok Build, conectar nuestra cuenta de SpaceXAI y abrirlo dentro de una carpeta de proyecto dedicada.

1. Instalar Grok Build

Abre tu terminal y ejecuta el comando para tu sistema operativo.

Para macOS, Linux o WSL:

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

Para Windows PowerShell:

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

El instalador descarga Grok Build y añade el comando grok a tu sistema.

2. Inicia sesión en tu cuenta de SpaceXAI

A continuación, inicia sesión ejecutando:

grok login

Grok Build abrirá una ventana del navegador para que inicies sesión en tu cuenta de SpaceXAI y apruebes el acceso. 

Normalmente solo tendrás que hacerlo una vez.

3. Crea la carpeta del proyecto

Crea una carpeta independiente para el proyecto de machine learning y entra en ella:

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

Ahora lanza Grok Build dentro de la carpeta:

grok

Configura Grok Build para el proyecto

Antes de construir nada, vamos a configurar Grok Build para que recuerde información importante del proyecto, siga reglas de permisos más seguras y aplique las mismas instrucciones de desarrollo en cada sesión.

1. Activa la memoria entre sesiones

La memoria entre sesiones permite que Grok recuerde información útil incluso tras cerrar el terminal y volver al proyecto más tarde.

Inicia Grok Build con la memoria activada:

grok --experimental-memory

Dentro de Grok Build, puedes guardar una nota importante manualmente:

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

También puedes usar /memory para ver y gestionar la información guardada. 

Utiliza la memoria para detalles estables como comandos importantes, decisiones tecnológicas, estructuras de carpetas y convenciones de código. 

Las instrucciones temporales deberían quedarse en la sesión actual. 

2. Añade reglas de permisos seguras

Grok Build usa por defecto el modo Ask, lo que significa que pide aprobación antes de ejecutar herramientas que no se hayan permitido ya.

Añadiremos reglas de permisos a nivel de proyecto para que el desarrollo normal sea más fluido y, a la vez, bloquear acciones de riesgo de forma explícita. 

Pídele a Grok que prepare la configuración:

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. Crea instrucciones permanentes del proyecto

A continuación, crea un archivo AGENTS.md con las reglas que Grok debe seguir a lo largo del proyecto. 

Grok carga este archivo automáticamente siempre que trabaja dentro del repositorio, así que no tendrás que repetir las mismas instrucciones en cada sesión. 

Usa este 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.

Mantén las instrucciones breves y concretas; Grok es más propenso a seguir reglas enfocadas de forma consistente. 

4. Verifica la configuración

Por último, comprueba que Grok ha detectado las reglas del proyecto, ajustes, habilidades, plugins y servidores MCP:

grok inspect

Cuando todo se vea correcto, podemos empezar a construir el proyecto de machine learning.

Demo de Grok Build: crea un proyecto de machine learning de extremo a extremo

Ahora que Grok Build está instalado y configurado, podemos usarlo para crear el proyecto completo desde cero.

1. Crea el plan del proyecto

Empieza cambiando al modo Plan para que Grok pueda inspeccionar la tarea y explicar cómo piensa construir el proyecto antes de modificar ningún archivo:

/plan

Luego introduce el siguiente prompt:

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. Revisa y aprueba el plan

Cuando el plan esté listo, léelo con atención. Puedes pedir a Grok que añada pasos que falten, quite trabajo innecesario o cambie las herramientas y librerías que piensa usar.

Cuando todo esté correcto, aprueba el plan. Grok empezará a crear el proyecto, instalar paquetes, escribir código, ejecutar tests y mostrarte los cambios que realiza.

3. Continúa tras alcanzar el límite de uso

Mientras construíamos el proyecto, alcanzamos el límite de uso gratuito. 

Las tareas de programación grandes consumen más uso que las peticiones de chat normales, así que esto puede ocurrir rápido cuando Grok analiza datos, entrena modelos, corrige errores y ejecuta tests.

SuperGrok cuesta actualmente 30 $ al mes y ofrece límites de uso más altos en las funciones de Grok. 

No es barato, pero la cuota adicional puede ser útil cuando construyes un proyecto completo en lugar de probar unos pocos prompts pequeños.

Tras actualizar, vuelve a la misma sesión y escribe:

continue

Grok retomará desde donde se detuvo y seguirá construyendo el proyecto.

4. Revisa el resumen final del proyecto

Cuando termine el trabajo, Grok ofrece un resumen explicando lo que creó: análisis de datos, visualizaciones, resultados de comparación de modelos, métricas de evaluación, tests, estructura del proyecto e instrucciones para ejecutar la aplicación de predicción.

En nuestro proyecto, Grok entrenó un modelo de regresión logística con el conjunto de datos Palmer Penguins. 

El mejor modelo logró aproximadamente un 98% de accuracy y una puntuación F1 del 97,6%, un resultado excelente para este pequeño proyecto de clasificación.

5. Explora los archivos generados

Puedes abrir la carpeta del proyecto en VS Code y explorar los archivos generados uno a uno. 

Te ayudará a entender cómo Grok organizó el código fuente, la canalización de procesamiento de datos, los tests, los informes y la aplicación de línea de comandos.

Aunque Grok creó el proyecto por nosotros, sigue siendo importante revisar el código y entender cómo funciona cada parte.

6. Prueba la aplicación de predicción

Abre otra terminal dentro de la carpeta del proyecto y ejecuta este comando:

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

La app de CLI procesa los valores con la misma canalización de preprocesado y el modelo entrenado usados durante la evaluación. En nuestra prueba devolvió la especie de pingüino esperada, confirmando que la aplicación de predicción funciona correctamente.

Reflexiones finales

En general, creo que Grok Build es un agente de código muy bueno y sorprendentemente pulido. 

Puedes usarlo con tu suscripción a SuperGrok o conectarlo directamente a la API de SpaceXAI usando una clave de API. 

Y, lo más importante, no estás limitado a modelos Grok. 

Grok Build admite modelos personalizados mediante APIs compatibles con OpenAI y Anthropic, lo que significa que también puedes conectar un modelo de código abierto en local u otro proveedor de API. 

Puedes seguir la guía oficial de configuración de modelos personalizados para montarlo. 

También funciona de forma fluida con plugins, marketplaces, habilidades reutilizables, agentes, hooks y servidores MCP. 

Grok puede descubrir automáticamente habilidades, plugins, configuraciones MCP y archivos de instrucciones existentes de Claude Code sin que tengas que volver a configurarlo todo. 

La experiencia general es muy amigable. 

Las actualizaciones se comprueban automáticamente al arrancar Grok Build, y el comando grok update te permite instalar manualmente la última versión. 

Desde la instalación y configuración hasta el cambio de modelos y la incorporación de herramientas, todo se siente sencillo y bien diseñado. 

En comparación con OpenCode, Grok Build me parece hoy el producto más pulido y maduro. 

Ya está muy cerca de Claude Code en cuanto a funciones y experiencia de programación, y espero que siga mejorando. 

Mi principal preocupación sigue siendo el coste y el uso gratuito limitado, pero más allá de la suscripción, tengo muchas expectativas con Grok Build.