Grok Bot-handledning: Bygg en veckovis AI‑forskningsagent

Vad är Grok Bot?

Grok Bot är SpaceXAI:s agentapp, tillgänglig via Cursor, för att skapa namngivna Bots som behåller sin roll och konversation mellan uppgifter. Den är separat från chattappen Grok och Grok Build, CLI:t för kodning.

Grok Bots loop fungerar annorlunda än de flesta andra AI-assistenters. Du lämnar över ett önskat resultat, boten arbetar i de appar och på de webbplatser som uppgiften berör, och den återkommer antingen med ett färdigt resultat eller en fråga som kräver din bedömning. Den behåller stabila preferenser och rollkontext mellan konversationer, men allt som ändras vecka för vecka hör hemma i en fil som Boten läser snarare än i dess minne.

För mer bakgrund rekommenderar jag att du läser vår guide till Grok Bot.

Hur Bots, färdigheter och rutiner fungerar i Grok Bot

Vi behöver fyra termer för denna Grok Bot-handledning. SpaceXAI:s guide till Bots och molndatorer och produktguider definierar dem så här:

• Bot: En agent med ett namn, ett jobb, en egen konversation och sparad kontext.
• Molndator: En beständig maskin som delas av varje Bot på ditt konto, med egen webbläsare, filer och terminal. Den fortsätter köra efter att vi stängt laptopen.
• Färdighet: En uppsättning instruktioner för att utföra en uppgift, kontrollera resultatet och veta när godkännande krävs.
• Rutin: Ett uppdrag som talar om för en Bot när den ska köra en uppgift, antingen enligt schema eller efter en stödd händelse.

Den ordningen följer den officiella guiden för färdigheter och rutiner, som lägger testning före schemaläggning.

Delar Grok Bots på en och samma molndator?

Ja. Vanliga frågor om Grok Bot säger att datorn tillhör ditt konto, inte en enskild Bot. Varje Bot kan se dess webbläsarcookies, sparade inloggningar och filer på den datorn, även om varje Bot får en separat skärm för sin egen webbläsaruppgift.

Vi börjar med att hålla Scouts arbetsflöde på offentliga sidor. Om vi senare loggar in på DataCamp, Notion eller en annan tjänst kan varje Bot använda den sessionen. Att ta bort Scout garanterar inte att delade filer eller inloggningsstatus raderas, så vi behöver logga ut och städa bort sådant vi inte längre vill ska vara tillgängligt för andra Bots.

Ett konto, en dator, många Bots. Bild av författaren.

Bygga en veckovis DataCamp Learning Scout med Grok Bot

Scout läser en lärprofil och en tidsbudget och återkommer sedan med en kort plan. Vår lärande person kan Python och grundläggande LLM-koncept, är ny på agentorkestrering och har fyra timmar den här veckan. Vår AI Agent Fundamentals-track är sex timmar, så hela tracken ryms inte.

Fyra-timmarsgränsen sätter ett avbrott; utdataformatet anger när planen är färdig.

Vad ska Scout-Boten returnera?

För varje resurs ska Scout returnera följande detaljer från kurssidan: 

• Titel och länk
• Typ (kurs, track, projekt eller handledning)
• Nivå (basic, intermediate eller advanced)
• Varaktighet (om den visas på sidan)
• Urvalsskäl
• Plats i ordningen

Den ska avsluta med den totala tiden och ett veckomål. Om en sida utelämnar en varaktighet är svaret ”not listed”, inte en uppskattning.

För vår lärande person räcker tre kontrollerade resurser. Scout får returnera färre om tillgängligt material inte passar mål, nivå eller budget.

Varje skäl ska hänvisa till just den här lärande personen. ”Förutsätter den Python som läranden redan har, och bygger vidare på koncepten från grundkursen före” förklarar valet. ”Täcker AI-agenter” gör det inte. Även ordningen behöver ett skäl, till exempel att genomföra grundkursen före ett projekt som förutsätter samma idéer.

Varför sökutdrag inte räcker

Sökutdrag kan vara inaktuella eller utelämna nivå och varaktighet. Scout får använda dem för att hitta kandidater, men måste läsa DataCamp-sidan innan en resurs läggs till i planen.

Vi behöver lägga in den regeln i instruktionerna. En webbplats kan ändå blockera Boten, kräva inloggning eller visa en CAPTCHA. Då ska Boten be oss ta över.

Hur du får åtkomst till Grok Bot

På grund av samarbetet mellan SpaceXAI och Cursor finns det två olika sätt att få tillgång till Grok Bot

Grok Bot-planer

Grok Bot har inget permanent gratislager. Cursor erbjuder för närvarande en begränsad provperiod som användningskredit. Betald åtkomst sker via en berättigad Cursor-plan eller SuperGrok-prenumeration. Oavsett vilket loggar du in via Cursor.

Det officiella Grok Bot-kontot säger nu att alla SuperGrok- och Cursor Pro-prenumeranter har tillgång, och att veckovisa användningsgränser har återställts för alla användare. Cursors hjälpsida återspeglade ännu inte varje del av det meddelandet när vi kontrollerade den, så bekräfta aktuell status på plansidan eller i appen när du läser detta.

För konton som länkar SuperGrok beskriver Cursor Help fortfarande länken som en permanent användningsrätt som inte ändrar Cursor-planen. Cursor räknar agentsteg och tokens, inte meddelanden, så kontrollera Användning och fakturering före researchkörningen och rutinens test.

Sekretessinställningar och plattformsstöd

Grok Bot kräver datalagring i molnet. Den startar inte om ditt Cursor-konto använder Legacy Privacy Mode. Ändra den inställningen i Cursors sekretesspanel.

Grok Bot stöder macOS på Apple silicon eller Intel, Windows på x64 eller Arm64, och iPhone på iOS 18 eller senare. Om du använder Linux, Android eller iPad, kontrollera den aktuella plattformslistan när du läser detta eftersom stödet kan ha ändrats.

Prenumerationer inkluderar veckovis användning, men Cursor publicerar inte ett enda tal som gäller alla planer. En provperiod ger användningskredit för ett 7-dagarsfönster, och en enda stor uppgift kan förbruka den.

Steg 1: Installera Grok Bot och skapa Bot

Vi behöver inga API-nycklar, lokal kodningsmiljö eller DataCamp-inloggning för själva researchen. Att starta kurserna är separat och kan kräva ett konto. Installationen tar bara några steg, medan Bot-beskrivningen behöver mer eftertanke än installatören.

Installera och logga in

Ladda ner skrivbordsappen från Grok Bots onboarding-sida, och välj sedan builden för din maskin. Logga in via webbläsaren med ditt Cursor-konto. Om din organisation använder single sign-on, följ dess vanliga inloggningsruta.

Den första starten slutar på en ”Träffa en framtida teamkamrat”-skärm medan molndatorn startar. Om det fastnar, avsluta Grok Bot helt och öppna den igen innan du provar något annat. Om problemet kvarstår, uppdatera skrivbordsappen, avsluta helt och öppna igen, öppna sedan Agent Computer och ge den tid att bli klar. Använd Recover härnäst och Reset endast som sista utväg, eftersom Reset kan kasta arbete som inte har synkats.

Grok Bot-skrivbordsapp efter inloggning. Bild av författaren.

Skriv en beskrivning som håller längre än den här veckan

Skapa Bot med New eller Cmd/Ctrl+N, välj Create new agent, och öppna sedan Bot actions → Edit Profile. Döp den till Scout och ge den titeln DataCamp Learning Scout.

Beskrivningen innehåller regler som gäller varje vecka. Den här veckans ämne hör hemma någon annanstans. Lägg till regler som dessa:

• Kuratsera DataCamps utbildningsinnehåll och matcha det mot angiven kunskapsnivå och tidsbudget.
• Behandla den här profilen som en stående kontext, inte som en uppgift. Vänta på ett separat meddelande innan du startar research.
• Använd endast ämnet och tidsbudgeten i den aktuella uppgiften. Återanvänd inte ett ämne från en tidigare konversation.
• Öppna varje kandidats egen DataCamp-sida innan du rekommenderar den.
• Citera nivå och varaktighet exakt som de står på sidan, och skriv ”not listed” när sidan utelämnar ett värde.
• Behåll källlänkar intakta och hitta aldrig på kursdetaljer.
• Föredra praktiskt material när två resurser täcker samma koncept.

Vid vårt första försök behandlade Scout profilen som en aktiv uppgift och började med en orelaterad ETL-plan. Jag stoppade den, skapade en ny Scout och lade till de två väntereglerna nedan: 

• Ställ en förtydligande fråga när lärandemålet är otydligt, istället för att gissa.
• Skapa aldrig konton, anmäl eller köp något.

Den nya Boten väntade sedan på en separat uppgift istället för att börja jobba utifrån sin profil.

En dedikerad Scout håller också den veckovisa rutinen utanför en lång allmän chatt, så varje körning bär endast den kontext som behövs för studieplaner.

Det är viktigt att ange begränsningar i profilen så att de även gäller när en rutin körs utan att vi övervakar. Håll också profilen tillräckligt kort för att kunna granskas när Scouts uppdrag ändras. Steg 2 hanterar ämnet och tidsgränsen.

Scouts profil innehåller beständiga forskningsregler. Video av författaren.

Steg 2: Skriv Botens första researchuppgift

Vi kan ge Scout en uppgift på vanlig prosa, men begäran behöver ändå detaljer. Dokumentationen föreslår att man namnger resultat, källor, begränsningar, utdata och punkten där Boten måste stanna för granskning.

Vad hör hemma i profilen och i meddelandet?

Profil och meddelande besvarar olika frågor:

• Profilen säger hur Scout arbetar. 
• Meddelandet säger vad den ska göra den här veckan. 

Därefter lagrar färdigheten stegen, medan varje rutinlöpning läser de senaste indata.

Profilen täcker redan sidkontroller och källlänkar. I meddelandet anger du lärandens nivå och veckans uppgift, begär några resurser inom fyra timmar och stoppar Boten för granskning.

Vi skickade den första uppgiften som ett meddelande och lade inte till några begränsningar medan Scout arbetade:

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 startade webbläsarsökningen och återkom med en plan för granskning. Det första svaret använde fel nivå för en kurs, vilket jag rättade i steg 4.

Skapa den veckovisa lärandefilen

Bot-minne är inte en pålitlig källa för föränderliga detaljer. Skapa /workspace/learner-profile.md på den delade datorn och använd den som sanningskälla för varje veckokörning.

# 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

Uppdatera den här filen när mål, budget eller färdigställda resurser ändras. Scout ska läsa den före varje plan och stoppa om den saknas eller är inaktuell.

Steg 3: Granska research i Grok Bots Agent Computer

Konversationen visar verktyg, filer, frågor och godkännanden. Agent Computer visar klick, skrivning, navigering och status. Att lämna någon vy stoppar inte arbetet.

Vad du ska titta efter i Agent Computer

Kontrollera att Scout öppnar varje kurssida istället för att förlita sig på ett sökutdrag. Notera också en resurs som den förkastar och skälet den anger.

Om den fastnar, kontrollera inloggning, CAPTCHA och godkännandefrågor som nämndes tidigare. Slutför endast det blockerade steget innan du lämnar tillbaka kontrollen. Klistra inte in lösenord i chatten; använd säker begäran om hemlighet.

Datorvyn visar att en sida besöktes, men den bevisar inte att slutsvaret är korrekt. Behåll konversationstranskriptet eftersom det visar vilka sidor Boten använde och om den bytte spår.

Detta webbläsar-först-upplägg passar vårt DataCamp-arbetsflöde eftersom sidan i sig är beviset. För tjänster med en stödd koppling, använd kopplingen för strukturerad data och öppna webbläsaren bara när sidan behöver en visuell kontroll.

I vår körning öppnade Agent Computer den kanoniska sidan Introduction to AI Agents. Dess rubrik visade Basic och 1 hr 30 min. Varaktigheten matchade Scouts svar, men nivån gjorde det inte.

Agent Computer öppet på en DataCamp-sida. Bild av författaren.

Steg 4: Verifiera och korrigera Botens utdata

Här saktar vi ner. Vi lägger planen bredvid DataCamp-sidorna innan vi accepterar den.

Kontrollera länkar, nivåer, förkunskaper och tid

Läs planen rad för rad. En ren layout kan ändå dölja en felaktig nivå, en trasig länk eller en felaktig summa. Kontrollera följande:

• Löser länkarna till riktiga DataCamp-sidor med just de titlarna?
• Matchar angiven nivå det som står på sidan?
• Har den lärande personen uppfyllt alla angivna förkunskaper?
• Landar aritmetiken på eller under fyra timmar med de varaktigheter som visas på sidorna?
• Finns det en verklig progression, eller tre utbytbara nybörjarkurser?
• Kom något med enbart för att ett nyckelord matchade?

Vi bör summera sidornas varaktigheter istället för att lita på totalen i planen. Om resultatet överstiger 4 timmar ber vi Scout ta bort det minst relevanta och räkna om.

Scouts första plan innehöll Introduction to AI Agents, Building AI Agents with CrewAI och Building AI Agents with Google ADK. De utskrivna varaktigheterna blev 3 timmar 30 minuter, så planen höll budgeten och lämnade 30 minuter oanvända.

Problemet var den första kursens nivå. Scout skrev Beginner, medan den kanoniska sidan angav Basic. Vi skickade en korrigering:

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 öppnade alla tre sidorna igen, ändrade bara den första nivån och behöll totalen på 3 timmar och 30 minuter. Korrigeringen var liten, men den bekräftade att en giltig länk och en rimlig etikett inte räcker.

Första planen bredvid den korrigerade planen. Bild av författaren.

Hantera saknade varaktigheter

Vi bör inte omvandla XP, videor eller övningar till timmar. Om varaktighetsfält skiljer sig åt bevarar vi varje utskrivet värde, namnger dess fält och använder endast den högsta övre gränsen för budgetkontrollen.

Spara återkommande regler i Bot-profilen

Efter att ha korrigerat vår plan lade jag bara till den regel som ska gälla varje vecka i Bot-beskrivningen. Ett enstaka ämne eller en tidsgräns stannar i vår veckovisa indatafil.

Steg 5: Spara Botens arbetsflöde som en färdighet

Två bästa metoder för att spara arbetsflöden som färdigheter:

• Spara inte processen förrän den manuella versionen fungerar. Annars kommer färdigheten bara att upprepa samma problem.
• Håll färdigheten smal: en källa, ett utdataformat och en godkännandegräns. Om den måste gissa vilka system som ska användas eller vad som ska returneras kan den vandra iväg och förbruka mer användning.

Vad som hör hemma i färdigheten

Be Scout spara en färdighet kallad Weekly DataCamp Learning Plan. Den ska läsa /workspace/learner-profile.md, kontrollera varje förkunskap mot lärandens bakgrund och slutförda resurser, summera sidornas varaktigheter, returnera överenskomna fält och stoppa före varje åtgärd som kräver godkännande.

När den är sparad refererar du till den med / i redigeraren. Om den inte visas, slå på den under Settings → Plugins → Yours.

Sparad färdighet med indata och validering. Bild av författaren.

Testa färdigheten på ett annat mål

Jag ändrade den lärandes mål till LLM-utvärdering, minskade budgeten till 3 timmar och anropade den sparade färdigheten med en kort begäran: ”Bygg veckans plan med den aktuella lärprofilen.”

Scout använde Agent Computer och returnerade en kurs, LLM Application Evaluation with LangSmith, utan att ta med några rekommendationer från planen om AI-agenter. Den exkluderade också sidor utanför ämnet och handledningar utan utskriven varaktighet.

Den kanoniska kurssidan exponerade två varaktighetsformat: en 2 hr-uppskattning i sammanfattningen och en 1 hr - 3 hr-chip för varaktighet. Scout kopierade chipet men behandlade dess övre gräns som en fast tre-timmars totalsumma. Vi bad den namnge fältet den använde, bevara båda utskrivna värdena och endast använda övre gränsen för budgetkontrollen.

En senare förkunskapskontroll hittade ett viktigare problem: kursen kräver LLM Application Fundamentals with LangChain, som vår lärande person inte hade slutfört. Att öppna den kanoniska sidan var nödvändigt, men färdigheten behövde också jämföra förkunskaper med lärprofilen innan en kurs rekommenderades.

Jag uppdaterade färdigheten så att den jämför varje förkunskap med lärprofilen och rapporterar varje motstridigt varaktighetsfält innan resurser väljs.

Steg 6: Schemalägg färdigheten som en veckovis Grok Bot-rutin

Eftersom molndatorn fortsätter att köra som tidigare beskrivet kan en rutin köras medan laptopen är stängd. Vi testar den innan vi förlitar oss på måndagsschemat.

Ett veckoschema är medvetet här. Att köra samma research var några minut skulle förbruka användning även när lärandedetaljer och DataCamp-sidor inte har ändrats.

Ställ in schema, tidszon och gränser

Vi ställer in vår tidszon under Settings → General → Agent, och skapar sedan Rutinen med fem detaljer: 

• Schemat
• Var målet och budgeten ska läsas
• Vad som ska returneras
• Vad som kräver godkännande
• Vad som ska göras om en källa saknas

Om /workspace/learner-profile.md saknas, eller Scout inte kan komma vidare, ska rutinen rapportera problemet och stoppa istället för att försöka igen i en loop. Den ärver Scouts blockerade åtgärder, medan godkännande bara gäller om vi senare lägger till en annan extern åtgärd. Hantera rutiner från View conversation details → Routines.

Måndagsrutin som visar schema och tidszon. Bild av författaren.

Kör den nu istället för att vänta till måndag

Istället för att vänta till måndag startade jag en testrunda med den uppdaterade färdigheten och samma profil för LLM-utvärdering. Rutinen öppnade kandidatsidorna, rapporterade alla LangSmiths varaktighetsfält och markerade dess LangChain-förkunskap som inte uppfylld.

Om den inte startar, kontrollera om den är påslagen, kontrollera sedan dess detaljer (schema, tidszon, Bot, källa för lärande, webbläsarsession) och slutligen återstående användning. Saknade lärandedetaljer eller en utgången session kan stoppa körningen.

Rutinen uteslöt LangSmith ur planen, exkluderade de andra kandidaterna eftersom de var utanför ämnet, hade ouppfyllda förkunskaper eller saknade angiven kursvaraktighet, och returnerade Total: 0. Att fylla ut veckan hade brutit mot valideringsreglerna.

Körningen dök upp i Run history med en slutförandekontroll, och resultatet fanns kvar i Scout-konversationen. Detta sista test bekräftade att schema, sparad färdighet, varaktighetspolicy och förkunskapskontroll fungerade tillsammans.

Rutinens test slutförs och visar historik. Video av författaren.

Avslutande tankar

I den här handledningen byggde vi en DataCamp Learning Scout kring en aktuell lärandekälla, källkontroller, en återanvändbar färdighet och en veckovis rutin. Profilen höll de stående reglerna, färdigheten behöll forskningsmetoden och rutinen stod för måndagsschemat.

Som du ser kräver vägen fram till en schemalagd veckokörning som gör precis det den ska en del trial and error. Tester avslöjade tre problem som ett putsat svar kunde dölja: Beginner istället för Basic, ett varaktighetsintervall behandlat som en fast totalsumma och en ouppfylld förkunskap. De två första korrigerades genom att öppna de kanoniska sidorna igen. Den tredje krävde en ny förkunskapsregel och ytterligare ett test av färdigheten innan rutinen kunde betros.

Härifrån kan vi lägga till en avklaringshistorik för att stoppa upprepade rekommendationer eller skapa en Study Coach-Bot som gör om Scouts utvalda resurser till ett studieschema. Om Teach a task dyker upp i appen kan vi också använda den för att spela in ett webbläsararbetsflöde och skapa en utkastfärdighet.