Tutorial Grok Build: Membangun Proyek Machine Learning

Grok 4.6 adalah model AI terbaru yang mendukung Grok Build, dirancang untuk pengodean, tugas agen, dan pekerjaan pengetahuan yang kompleks. Grok Build membawa kemampuan ini langsung ke terminal Anda, di mana ia dapat merencanakan proyek, membuat dan mengedit file, menginstal paket, menjalankan perintah, menguji kode, dan memperbaiki kesalahan dengan persetujuan Anda.

Dalam panduan ini, saya akan mengeksplorasi Grok Build, mendemonstrasikan fitur utamanya, dan mengonfigurasi memori lintas sesi, instruksi proyek, keterampilan yang dapat digunakan kembali, dan pengaturan keamanannya. 

Kita kemudian akan menggunakannya untuk membangun proyek machine learning end-to-end yang lengkap, mulai dari menyiapkan lingkungan dan menganalisis data hingga melatih model, mengevaluasi hasil, dan membuat aplikasi prediksi.

Apa itu Grok Build?

Grok Build adalah agen pengodean dari SpaceXAI yang berjalan langsung di dalam terminal Anda. 

Ini termasuk dalam kategori alat yang sama seperti Claude Code dan OpenCode: Anda menjelaskan apa yang ingin dibangun dengan bahasa sehari-hari, dan agen bekerja dengan file serta alat di komputer Anda untuk menyelesaikan tugas. 

Ia dapat menelusuri proyek yang sudah ada, membuat dan mengedit file, menginstal paket, menjalankan perintah, menguji kode, mengidentifikasi kesalahan, dan memperbaiki masalah.

Grok Build juga sangat ramah pengguna. Anda tidak perlu memberikan instruksi pengodean terperinci untuk setiap langkah, dan ia dapat menggunakan ulang konfigurasi dari agen pengodean lain, termasuk keterampilan agen, konfigurasi MCP, dan pengaturan proyek. 

Fitur-fitur ini membuat proses instalasi dan penyiapan terasa lebih mulus, terutama jika Anda sudah menggunakan alat serupa.

Kelemahan utamanya adalah batas penggunaan. 

Meskipun Grok Build tersedia di paket gratis, jatah gratisnya bisa cepat habis saat mengerjakan proyek lengkap. 

Paket SuperGrok penuh berharga $30 per bulan, yang terasa mahal dibandingkan beberapa alat pesaing. Misalnya, Claude Pro berharga $20 per bulan dan termasuk akses ke Claude Code.

Terlepas dari harganya, Grok Build adalah agen pengodean yang andal dan mudah didekati, terutama bagi pengguna yang menginginkan asisten AI yang bisa lebih dari sekadar menghasilkan potongan kode kecil.

Fitur Utama Grok Build

Grok Build mencakup fitur standar agen pengodean seperti Mode Rencana dan instruksi proyek melalui berkas AGENTS.md. 

Namun, memori, pembuatan media, automasi latar belakang, manajemen agen, dan sistem ekstensinya membuatnya lebih berguna untuk proyek yang lebih besar.

1. Memori lintas sesi

Grok dapat mengingat informasi berguna di berbagai sesi, termasuk perintah proyek, keputusan teknis, struktur folder, dan aturan pengodean. 

Artinya Anda tidak perlu menjelaskan proyek yang sama setiap kali kembali.

2. Subagen

Grok dapat membuat agen anak yang independen dengan konteksnya sendiri. 

Misalnya, satu agen dapat menelusuri codebase sementara yang lain membuat rencana, menulis pengujian, atau mengerjakan fitur terpisah.

3. Fork dan rewind sesi

Anda dapat melakukan fork pada sebuah sesi untuk menguji pendekatan berbeda tanpa kehilangan percakapan asli. 

Rewind juga memungkinkan Anda kembali ke tahap sebelumnya saat terjadi masalah.

4. Git worktree

Git worktree memungkinkan Grok bekerja di dalam salinan repositori yang terisolasi. 

Ini melindungi proyek utama saat Anda menguji fitur eksperimental atau menjalankan beberapa agen secara bersamaan.

5. Pembuatan gambar dan video

Anda dapat membuat gambar dan video langsung di dalam Grok Build menggunakan perintah /imagine dan /imagine-video. 

Ini berguna saat membangun aplikasi yang membutuhkan aset visual, mockup, atau konten demo.

6. Run loop

Perintah /loop memungkinkan Grok mengulangi sebuah prompt pada interval tertentu. Misalnya, Anda bisa memintanya memeriksa pengujian, memantau deployment, atau melaporkan kesalahan baru setiap beberapa menit.

7. Mode Vim

Grok Build menyertakan Mode Vim bagi pengguna yang menyukai kontrol keyboard bergaya Vim saat menavigasi antarmuka terminal. Anda dapat mengaktifkan atau menonaktifkannya menggunakan /vim-mode.

8. Persona

Persona memungkinkan Anda memberi agen gaya perilaku, fokus, atau aturan kerja yang berbeda. 

Anda dapat mengelolanya menggunakan /personas dan menerapkannya ke subagen yang berbeda.

9. Dasbor Agen

Agent Dashboard memberikan ikhtisar langsung dari semua sesi Anda. 

Anda dapat melihat agen mana yang sedang bekerja, menunggu masukan, selesai, atau gagal, serta membuka sesi apa pun langsung dari dasbor.

10. Hook

Hook memungkinkan Grok menjalankan perintah atau memanggil endpoint HTTP secara otomatis sebelum atau sesudah peristiwa tertentu. 

Anda dapat menggunakannya untuk memblokir perintah berbahaya, memformat kode setelah pengeditan, mencatat penggunaan alat, atau mengirim notifikasi saat tugas selesai.

11. Plugin

Plugin memperluas Grok Build dengan agen tambahan, hook, server MCP, server bahasa, dan fungsionalitas lainnya. Plugin Claude Code yang sudah ada juga dapat ditemukan secara otomatis tanpa memerlukan penyiapan baru sepenuhnya.

12. Marketplace plugin

Marketplace bawaan memungkinkan Anda menelusuri dan memasang plugin dari sumber yang telah dikonfigurasi langsung di dalam Grok Build. Anda dapat membukanya menggunakan perintah /marketplace.

Cara Menyiapkan Grok Build

Sebelum membangun proyek machine learning, kita perlu menginstal Grok Build, menghubungkan akun SpaceXAI, dan membukanya di dalam folder proyek khusus.

1. Instal Grok Build

Buka terminal Anda dan jalankan perintah untuk sistem operasi Anda.

Untuk macOS, Linux, atau WSL:

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

Untuk Windows PowerShell:

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

Penginstal akan mengunduh Grok Build dan menambahkan perintah grok ke sistem Anda.

2. Masuk ke akun SpaceXAI Anda

Selanjutnya, masuk dengan menjalankan:

grok login

Grok Build akan membuka jendela peramban tempat Anda dapat masuk ke akun SpaceXAI dan menyetujui akses. 

Biasanya Anda hanya perlu menyelesaikan proses ini sekali.

3. Buat folder proyek

Buat folder terpisah untuk proyek machine learning dan masuk ke dalamnya:

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

Sekarang jalankan Grok Build di dalam folder:

grok

Konfigurasikan Grok Build untuk Proyek

Sebelum membangun apa pun, kita akan mengonfigurasi Grok Build untuk mengingat informasi penting proyek, mengikuti aturan izin yang lebih aman, dan menerapkan instruksi pengembangan yang sama di setiap sesi.

1. Aktifkan memori lintas sesi

Memori lintas sesi memungkinkan Grok mengingat informasi berguna setelah Anda menutup terminal dan kembali ke proyek nanti.

Mulai Grok Build dengan memori diaktifkan:

grok --experimental-memory

Di dalam Grok Build, Anda dapat menyimpan catatan penting secara manual:

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

Anda juga dapat menggunakan /memory untuk melihat dan mengelola informasi yang disimpan. 

Gunakan memori untuk detail yang stabil seperti perintah penting, pilihan teknologi, struktur folder, dan konvensi pengodean. 

Instruksi sementara sebaiknya tetap berada di dalam sesi saat ini. 

2. Tambahkan aturan izin yang aman

Grok Build menggunakan Ask mode secara default, yang berarti akan meminta persetujuan sebelum menjalankan alat yang belum diizinkan.

Kita akan menambahkan aturan izin tingkat proyek untuk membuat pengembangan normal lebih lancar sambil secara eksplisit memblokir tindakan berisiko. 

Minta Grok menyiapkan konfigurasinya:

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. Buat instruksi proyek permanen

Selanjutnya, buat berkas AGENTS.md yang berisi aturan yang harus diikuti Grok sepanjang proyek. 

Grok secara otomatis memuat berkas ini kapan pun ia bekerja di dalam repositori, jadi Anda tidak perlu mengulangi instruksi yang sama di setiap sesi. 

Gunakan prompt berikut:

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.

Jaga agar instruksi tetap singkat dan spesifik, karena Grok lebih konsisten mengikuti aturan proyek yang terfokus. 

4. Verifikasi konfigurasi

Terakhir, periksa bahwa Grok telah menemukan aturan proyek, pengaturan, keterampilan, plugin, dan server MCP:

grok inspect

Setelah semuanya terlihat benar, kita dapat mulai membangun proyek machine learning.

Demo Grok Build: Membangun Proyek Machine Learning End-to-End

Sekarang Grok Build telah terpasang dan dikonfigurasi, kita dapat menggunakannya untuk membuat proyek machine learning lengkap dari awal.

1. Buat rencana proyek

Mulailah dengan beralih ke Mode Rencana, agar Grok dapat meninjau tugas dan menjelaskan bagaimana ia akan membangun proyek sebelum mengubah file apa pun:

/plan

Lalu, masukkan prompt berikut:

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. Tinjau dan setujui rencana

Setelah rencana siap, bacalah dengan saksama. Anda dapat meminta Grok menambahkan langkah yang hilang, menghapus pekerjaan yang tidak perlu, atau mengubah alat dan pustaka yang berencana digunakan.

Saat semuanya terlihat benar, setujui rencananya. Grok kemudian akan mulai membuat proyek, menginstal paket, menulis kode, menjalankan pengujian, dan menunjukkan perubahan yang dibuatnya.

3. Lanjutkan setelah mencapai batas penggunaan

Saat membangun proyek, kami mencapai batas penggunaan gratis. 

Tugas pengodean besar mengonsumsi lebih banyak penggunaan dibanding permintaan obrolan biasa, sehingga hal ini bisa terjadi dengan cepat saat Grok menganalisis data, melatih model, memperbaiki kesalahan, dan menjalankan pengujian.

SuperGrok saat ini berharga $30 per bulan dan menyediakan batas penggunaan yang lebih tinggi di seluruh fitur Grok. 

Ini bukan harga yang murah, tetapi jatah tambahan bisa berguna saat Anda membangun proyek lengkap alih-alih menguji beberapa prompt kecil.

Setelah meningkatkan paket, kembali ke sesi yang sama, ketik:

continue

Grok akan melanjutkan dari titik terakhir dan meneruskan pembuatan proyek.

4. Tinjau ringkasan proyek akhir

Setelah pekerjaan selesai, Grok memberikan ringkasan yang menjelaskan apa saja yang dibuat. Ini mencakup analisis data, visualisasi, hasil perbandingan model, metrik evaluasi, pengujian, struktur proyek, dan instruksi untuk menjalankan aplikasi prediksi.

Dalam proyek kami, Grok melatih model regresi logistik pada dataset Palmer Penguins. 

Model terbaik mencapai sekitar 98% akurasi dan skor F1 sebesar 97,6%, yang merupakan hasil sangat baik untuk proyek klasifikasi kecil ini.

5. Jelajahi file yang dihasilkan

Anda dapat membuka folder proyek di VS Code dan menelusuri file yang dihasilkan satu per satu. 

Ini berguna untuk memahami bagaimana Grok mengatur kode sumber, pipeline pemrosesan data, pengujian, laporan, dan aplikasi command-line.

Meskipun Grok membuat proyek untuk kita, tetap penting untuk meninjau kode dan memahami cara kerja setiap bagian.

6. Uji aplikasi prediksi

Buka terminal lain di dalam folder proyek dan jalankan perintah berikut:

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

Aplikasi CLI memproses nilai menggunakan pipeline prapemrosesan dan model terlatih yang sama seperti saat evaluasi. Dalam pengujian kami, aplikasi mengembalikan spesies penguin yang diharapkan, mengonfirmasi bahwa aplikasi prediksi berfungsi dengan benar.

Penutup

Secara keseluruhan, saya pikir Grok Build adalah agen pengodean yang sangat baik dan mengejutkan karena sudah matang. 

Anda dapat menggunakannya melalui langganan SuperGrok atau menghubungkannya langsung ke API SpaceXAI menggunakan kunci API. 

Yang lebih penting, Anda tidak terbatas pada model Grok saja. 

Grok Build mendukung model kustom melalui API yang kompatibel dengan OpenAI dan Anthropic, yang berarti Anda juga dapat menghubungkan model open-source yang berjalan secara lokal atau menggunakan penyedia API lain. 

Anda dapat mengikuti panduan konfigurasi model kustom resmi untuk menyiapkannya. 

Alat ini juga bekerja mulus dengan plugin, marketplace, keterampilan yang dapat digunakan kembali, agen, hook, dan server MCP. 

Grok dapat secara otomatis menemukan keterampilan Claude Code yang sudah ada, plugin, konfigurasi MCP, dan berkas instruksi tanpa mengharuskan Anda menyiapkan semuanya lagi. 

Pengalaman keseluruhannya sangat ramah pengguna. 

Pembaruan diperiksa secara otomatis saat Grok Build dimulai, sementara perintah grok update memungkinkan Anda memasang versi terbaru secara manual. 

Semua hal mulai dari instalasi dan konfigurasi hingga mengganti model dan menambahkan alat terasa sederhana dan dirancang dengan baik. 

Dibandingkan dengan OpenCode, saat ini Grok Build bagi saya terasa sebagai produk yang lebih rapi dan matang. 

Fitur dan pengalaman pengodeannya sudah mendekati Claude Code, dan saya berharap terus meningkat. 

Kekhawatiran utama saya masih pada biaya dan batas penggunaan gratis yang terbatas, tetapi selain langganan, saya sangat berharap pada Grok Build.