Tutorial do Grok Build: crie um projeto de machine learning

Grok 4.6 é o modelo de IA mais recente por trás do Grok Build, feito para programação, tarefas agenticas e trabalho com conhecimento complexo. O Grok Build leva essas capacidades direto para o seu terminal, onde ele pode planejar projetos, criar e editar arquivos, instalar pacotes, executar comandos, testar código e corrigir erros com a sua aprovação.

Neste guia, vou explorar o Grok Build, mostrar seus principais recursos e configurar sua memória entre sessões, instruções do projeto, habilidades reutilizáveis e ajustes de segurança. 

Depois, vamos usá-lo para construir um projeto completo de machine learning, do setup do ambiente e análise dos dados ao treinamento de modelos, avaliação dos resultados e criação de um aplicativo de predição.

O que é o Grok Build?

O Grok Build é o agente de código da SpaceXAI que roda diretamente no seu terminal. 

Ele está na mesma categoria de ferramentas como Claude Code e OpenCode: você descreve em linguagem natural o que quer construir, e o agente trabalha com os arquivos e ferramentas do seu computador para concluir a tarefa. 

Ele pode explorar um projeto existente, criar e editar arquivos, instalar pacotes, executar comandos, testar o código, identificar erros e corrigir problemas.

O Grok Build também é surpreendentemente fácil de usar. Você não precisa fornecer instruções de código detalhadas para cada etapa, e ele consegue reaproveitar configurações de outros agentes de código, incluindo habilidades de agente, configurações MCP e ajustes do projeto. 

Esses recursos deixam a instalação e a configuração muito mais fluidas, especialmente se você já usa ferramentas semelhantes.

A principal desvantagem é o limite de uso. 

Embora o Grok Build esteja disponível no plano gratuito, a franquia pode acabar rápido ao trabalhar em um projeto completo. 

O plano SuperGrok completo custa US$ 30 por mês, o que parece caro em comparação com algumas ferramentas concorrentes. O Claude Pro, por exemplo, custa US$ 20 por mês e inclui acesso ao Claude Code.

Apesar do preço, o Grok Build é um agente de código competente e acessível, especialmente para quem quer um assistente de IA que faça mais do que apenas gerar pequenos trechos de código.

Principais recursos do Grok Build

O Grok Build inclui recursos padrão de agentes de código, como o Plan Mode e instruções de projeto por meio de um arquivo AGENTS.md. 

Mas sua memória, geração de mídia, automação em segundo plano, gerenciamento de agentes e sistema de extensões o tornam mais útil para projetos maiores.

1. Memória entre sessões

O Grok consegue lembrar informações úteis entre sessões, incluindo comandos do projeto, decisões técnicas, estrutura de pastas e regras de código. 

Isso significa que você não precisa explicar o mesmo projeto toda vez que voltar.

2. Subagentes

O Grok pode criar agentes filhos independentes com seu próprio contexto. 

Por exemplo, um agente pode explorar a base de código enquanto outro cria um plano, escreve testes ou trabalha em um recurso separado.

3. Bifurcar e voltar sessões

Você pode bifurcar uma sessão para testar uma abordagem diferente sem perder a conversa original. 

O rewind também permite voltar para um estágio anterior quando algo dá errado.

4. Git worktrees

As worktrees do Git permitem que o Grok trabalhe dentro de uma cópia isolada do repositório. 

Isso protege o projeto principal enquanto você testa recursos experimentais ou executa vários agentes ao mesmo tempo.

5. Geração de imagens e vídeos

Você pode gerar imagens e vídeos diretamente no Grok Build usando os comandos /imagine e /imagine-video. 

Isso é útil ao criar apps que precisam de assets visuais, mockups ou conteúdo de demonstração.

6. Loop de execução

O comando /loop permite que o Grok repita um prompt em um intervalo definido. Por exemplo, você pode pedir para checar seus testes, monitorar um deploy ou reportar novos erros a cada poucos minutos.

7. Modo Vim

O Grok Build inclui um modo Vim para quem prefere os atalhos de teclado do Vim ao navegar na interface do terminal. Você pode ativar ou desativar com /vim-mode.

8. Personas

Personas permitem dar aos agentes estilos comportamentais diferentes, áreas de foco ou regras de trabalho. 

Você pode gerenciá-las com /personas e aplicá-las a subagentes diferentes.

9. Painel de agentes

O Agent Dashboard mostra uma visão ao vivo de todas as suas sessões. 

Você vê quais agentes estão trabalhando, aguardando input, concluídos ou com falha, e pode abrir qualquer sessão direto do painel.

10. Hooks

Hooks permitem que o Grok execute comandos automaticamente ou chame um endpoint HTTP antes ou depois de eventos específicos. 

Você pode usá-los para bloquear comandos perigosos, formatar código após edições, registrar uso de ferramentas ou enviar um alerta quando uma tarefa terminar.

11. Plugins

Plugins expandem o Grok Build com agentes adicionais, hooks, servidores MCP, language servers e outras funcionalidades. Plugins existentes do Claude Code também podem ser descobertos automaticamente sem exigir uma configuração totalmente nova.

12. Marketplace de plugins

O Marketplace integrado permite navegar e instalar plugins de fontes configuradas diretamente no Grok Build. Você pode abri-lo com o comando /marketplace.

Como configurar o Grok Build

Antes de construir o projeto de machine learning, precisamos instalar o Grok Build, conectar nossa conta SpaceXAI e abri-lo em uma pasta dedicada ao projeto.

1. Instale o Grok Build

Abra seu terminal e execute o comando para o seu sistema operacional.

Para macOS, Linux ou WSL:

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

Para Windows PowerShell:

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

O instalador baixa o Grok Build e adiciona o comando grok ao seu sistema.

2. Acesse sua conta SpaceXAI

Em seguida, faça login executando:

grok login

O Grok Build abrirá uma janela do navegador para você acessar sua conta SpaceXAI e aprovar o acesso. 

Normalmente, você só precisa concluir esse processo uma vez.

3. Crie a pasta do projeto

Crie uma pasta separada para o projeto de machine learning e entre nela:

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

Agora inicie o Grok Build dentro da pasta:

grok

Configure o Grok Build para o projeto

Antes de construir qualquer coisa, vamos configurar o Grok Build para lembrar informações importantes do projeto, seguir regras de permissão mais seguras e aplicar as mesmas instruções de desenvolvimento em todas as sessões.

1. Ative a memória entre sessões

A memória entre sessões permite que o Grok lembre informações úteis depois que você fecha o terminal e volta ao projeto mais tarde.

Inicie o Grok Build com a memória ativada:

grok --experimental-memory

Dentro do Grok Build, você pode salvar manualmente uma nota importante:

/remember Este projeto usa uv para gerenciamento de pacotes e pytest para testes.

Você também pode usar /memory para ver e gerenciar as informações salvas. 

Use a memória para detalhes estáveis, como comandos importantes, escolhas de tecnologia, estrutura de pastas e convenções de código. 

Instruções temporárias devem ficar apenas na sessão atual. 

2. Adicione regras de permissão seguras

O Grok Build usa o Ask mode por padrão, ou seja, ele pede aprovação antes de usar ferramentas que ainda não foram liberadas.

Vamos adicionar regras de permissão no nível do projeto para deixar o desenvolvimento normal mais fluido e, ao mesmo tempo, bloquear ações arriscadas de forma explícita. 

Peça ao Grok para preparar a configuração:

Crie uma configuração segura .grok/config.toml para este projeto. 
Permita edição normal de arquivos, inspeção do Git, testes e lint, 
mas negue acesso a arquivos secretos, comandos destrutivos no shell, pushes de Git, 
force pushes e alterações fora da pasta do projeto.

3. Crie instruções permanentes do projeto

Agora, crie um arquivo AGENTS.md com as regras que o Grok deve seguir ao longo do projeto. 

O Grok carrega esse arquivo automaticamente sempre que trabalha dentro do repositório, então você não precisa repetir as mesmas instruções em toda sessão. 

Use o seguinte prompt:

Crie um AGENTS.md curto para um projeto de machine learning de ponta a ponta. 
Proteja os dados brutos, evite vazamento de dados, use módulos Python reutilizáveis, 
administre pacotes com uv, adicione testes, faça commits de cada mudança importante e 
valide cada etapa antes de continuar.

Mantenha as instruções curtas e específicas — o Grok tende a seguir regras focadas com mais consistência. 

4. Verifique a configuração

Por fim, confira se o Grok identificou as regras do projeto, configurações, habilidades, plugins e servidores MCP:

grok inspect

Quando tudo aparecer corretamente, podemos começar a construir o projeto de machine learning.

Demo do Grok Build: construa um projeto de machine learning de ponta a ponta

Agora que o Grok Build está instalado e configurado, vamos usá-lo para criar o projeto completo de machine learning do zero.

1. Crie o plano do projeto

Comece ativando o Plan Mode, para que o Grok analise a tarefa e explique como pretende construir o projeto antes de mudar qualquer arquivo:

/plan

Depois, insira o seguinte prompt:

Construa um projeto de machine learning de ponta a ponta do zero. 
Confira se Git e uv estão instalados, inicialize o repositório, 
crie um ambiente uv, instale os pacotes necessários, organize o projeto, 
baixe um dataset de exemplo, analise e limpe os dados, crie visualizações, 
treine e compare modelos, avalie o melhor modelo, construa um aplicativo 
CLI simples de predição, adicione testes e documente os resultados.

2. Revise e aprove o plano

Quando o plano estiver pronto, leia com atenção. Você pode pedir ao Grok para incluir etapas que faltam, remover trabalho desnecessário ou trocar as ferramentas e bibliotecas que ele pretende usar.

Quando tudo estiver certo, aprove o plano. O Grok então começará a criar o projeto, instalar pacotes, escrever código, rodar testes e mostrar as mudanças que fizer.

3. Continue após atingir o limite de uso

Durante a construção do projeto, atingimos o limite de uso gratuito. 

Tarefas grandes de código consomem mais uso do que conversas comuns, então isso pode acontecer rápido quando o Grok está analisando dados, treinando modelos, corrigindo erros e rodando testes.

Atualmente, o SuperGrok custa US$ 30 por mês e oferece limites maiores de uso em todos os recursos do Grok. 

Não é barato, mas a franquia extra pode ser útil quando você está construindo um projeto completo, e não só testando alguns prompts pequenos.

Depois do upgrade, volte para a mesma sessão e digite:

continue

O Grok vai retomar de onde parou e continuar construindo o projeto.

4. Revise o resumo final do projeto

Ao concluir, o Grok fornece um resumo explicando o que foi criado. Isso inclui a análise dos dados, visualizações, resultados da comparação de modelos, métricas de avaliação, testes, estrutura do projeto e instruções para rodar o aplicativo de predição.

No nosso projeto, o Grok treinou um modelo de regressão logística no dataset Palmer Penguins. 

O melhor modelo alcançou cerca de 98% de acurácia e um F1-score de 97,6%, um excelente resultado para este pequeno projeto de classificação.

5. Explore os arquivos gerados

Você pode abrir a pasta do projeto no VS Code e explorar os arquivos gerados, um a um. 

Isso ajuda a entender como o Grok organizou o código-fonte, o pipeline de processamento de dados, os testes, relatórios e o aplicativo de linha de comando.

Mesmo que o Grok tenha criado o projeto para a gente, ainda é importante revisar o código e entender como cada parte funciona.

6. Teste o aplicativo de predição

Abra outro terminal dentro da pasta do projeto e execute o comando a seguir:

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

O app de CLI processa os valores usando o mesmo pipeline de pré-processamento e o modelo treinado usados na avaliação. No nosso teste, ele retornou a espécie de pinguim esperada, confirmando que o aplicativo de predição funcionou corretamente.

Considerações finais

No geral, considero o Grok Build um agente de código muito bom e surpreendentemente refinado. 

Você pode usá-lo com sua assinatura SuperGrok ou conectá-lo diretamente à API da SpaceXAI usando uma chave de API. 

Mais importante: você não fica limitado aos modelos do Grok. 

O Grok Build suporta modelos personalizados por meio de APIs compatíveis com OpenAI e Anthropic, o que significa que você também pode conectar um modelo open source rodando localmente ou usar outro provedor de API. 

Você pode seguir o guia oficial de configuração de modelos personalizados para fazer isso. 

Ele também funciona muito bem com plugins, marketplaces, habilidades reutilizáveis, agentes, hooks e servidores MCP. 

O Grok consegue descobrir automaticamente habilidades do Claude Code, plugins, configurações MCP e arquivos de instrução existentes, sem você precisar configurar tudo de novo. 

A experiência geral é muito amigável. 

As atualizações são verificadas automaticamente quando o Grok Build inicia, e o comando grok update permite instalar manualmente a versão mais recente. 

Tudo — da instalação e configuração à troca de modelos e adição de ferramentas — parece simples e bem pensado. 

Comparado ao OpenCode, o Grok Build hoje me passa a impressão de ser o produto mais polido e maduro. 

Ele já está próximo do Claude Code em termos de recursos e experiência geral de programação, e a tendência é continuar evoluindo. 

Minha principal preocupação continua sendo o custo e o uso gratuito limitado, mas tirando a assinatura, tenho altas expectativas para o Grok Build.