Courses
使用 LangGraph 构建多智能体系统
2小时45分钟
8.1K
Grok 4.6 是支撑 Grok Build 的最新 AI 模型，专为编码、代理式任务和复杂知识工作而设计。Grok Build 将这些能力直接带到您的终端中，它可以规划项目、创建与编辑文件、安装软件包、运行命令、测试代码，并在您批准后修复错误。
在本指南中，我将带您探索 Grok Build，演示其关键功能，并配置其跨会话记忆、项目指令、可复用技能和安全设置。
随后我们将使用它从零开始构建一个完整的端到端机器学习项目，从环境搭建与数据分析，到训练模型、评估结果，再到创建预测应用。
什么是 Grok Build？
Grok Build 是 SpaceXAI 的终端内运行的编码代理。
它与 Claude Code 和 OpenCode 属于同一类工具：您用自然语言描述想要构建的内容，代理便会与您电脑上的文件与工具协作完成任务。
它可以探索现有项目、创建与编辑文件、安装软件包、运行命令、测试代码、识别错误并修复问题。
Grok Build 的易用性也令人惊喜。您无需为每一步提供详尽的编码指令，它还能复用其他编码代理的配置，包括代理技能、MCP 配置和项目设置。
这些功能让安装与设置过程顺畅许多，尤其当您已在使用类似工具时更是如此。
主要的不足是使用额度限制。
虽然 Grok Build 可在免费套餐中使用，但在做完整项目时，免费额度可能很快就会用尽。
完整的 SuperGrok 套餐价格为每月 30 美元，与部分竞品相比略显昂贵。例如 Claude Pro 的费用为每月 20 美元，且包含对 Claude Code 的访问。
尽管价格如此，Grok Build 依然是一款功能强大且易上手的编码代理，尤其适合希望 AI 助手不只生成小段代码的用户。
Grok Build 关键功能
Grok Build 包含标准的编码代理功能，例如“规划模式（Plan Mode）”以及通过 AGENTS.md 文件提供项目指令。
不过，其记忆、媒体生成、后台自动化、代理管理和扩展系统，让它在大型项目中更为实用。
1. 跨会话记忆
Grok 能在不同会话间记住有用信息，包括项目命令、技术决策、文件夹结构和编码规范。
这意味着您每次回来时无需反复解释同一个项目。
2. 子代理
Grok 可以创建拥有各自上下文的独立子代理。
例如，一个代理可用于探索代码库，另一个负责制定计划、编写测试，或开发独立功能。
3. 会话分叉与回溯
您可以分叉一个会话，以测试不同方案而不丢失原始对话。
回溯功能也能在出现问题时让您回到更早的阶段。
4. Git worktree
Git worktree 允许 Grok 在仓库的隔离副本内工作。
这样在测试实验性功能或同时运行多个代理时，可以保护主项目不受影响。
5. 图像与视频生成
您可以在 Grok Build 内直接使用 /imagine 和 /imagine-video 命令生成图像与视频。
在需要视觉素材、模型图或演示内容的应用开发中，这会很有用。
6. 运行循环
/loop 命令允许 Grok 按设定间隔重复执行某个提示。例如，您可以让它每隔几分钟检查测试、监控部署或报告新错误。
7. Vim 模式
Grok Build 包含 Vim 模式，适合在终端界面中偏好使用 Vim 风格键盘操作的用户。可通过 /vim-mode 启用或关闭。
8. 人格（Personas）
人格配置让您为代理设定不同的行为风格、关注领域或工作规则。
您可以使用 /personas 管理，并将其应用到不同子代理。
9. 代理仪表盘
代理仪表盘实时总览您所有的会话。
您可以查看哪些代理在工作、等待输入、已完成或失败，并可直接从仪表盘打开任一会话。
10. 钩子（Hooks）
钩子允许 Grok 在特定事件之前或之后自动运行命令或调用 HTTP 端点。
您可以用它们来阻止危险命令、在编辑后格式化代码、记录工具使用情况，或在任务完成时发送通知。
11. 插件
插件可为 Grok Build 拓展额外的代理、钩子、MCP 服务器、语言服务器和其他功能。现有的 Claude Code 插件也可被自动发现，无需完全重新配置。
12. 插件市场
内置的市场允许您在 Grok Build 内从已配置的来源浏览并安装插件。可通过 /marketplace 命令打开。
如何设置 Grok Build
在构建机器学习项目之前，我们需要安装 Grok Build、连接 SpaceXAI 账户，并在专用项目文件夹内打开它。
1. 安装 Grok Build
打开终端，按您的操作系统运行相应命令。
适用于 macOS、Linux 或 WSL：
curl -fsSL https://x.ai/cli/install.sh | bash适用于 Windows PowerShell：
irm https://x.ai/cli/install.ps1 | iex安装程序会下载 Grok Build，并将 grok 命令添加到您的系统中。
2. 登录您的 SpaceXAI 账户
接着，运行以下命令登录：
grok login
Grok Build 会打开浏览器窗口，您可在其中登录 SpaceXAI 账户并批准访问。
通常只需完成一次该流程。
3. 创建项目文件夹
为机器学习项目创建单独的文件夹并切换进入：
mkdir machine-learning-project
cd machine-learning-project现在在该文件夹内启动 Grok Build：
grok
为项目配置 Grok Build
在开始构建之前，我们将配置 Grok Build，使其记住重要的项目信息、遵循更安全的权限规则，并在每个会话中应用一致的开发指令。
1. 启用跨会话记忆
跨会话记忆允许 Grok 在您关闭终端并稍后返回项目时，仍能记住有用信息。
以启用记忆的方式启动 Grok Build：
grok --experimental-memory在 Grok Build 内，您可以手动保存重要备注：
/remember This project uses uv for package management and pytest for testing.
您还可以使用 /memory 查看与管理已保存的信息。
将记忆用于稳定的细节，例如重要命令、技术选型、文件夹结构和编码约定。
临时性指令应保留在当前会话内。
2. 添加安全权限规则
Grok Build 默认使用询问模式（Ask mode），即在运行尚未被允许的工具前会请求您的批准。
我们将添加项目级权限规则，以便在明确阻止高风险操作的同时，让常规开发更顺畅。
请让 Grok 准备配置：
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. 创建永久项目指令
接下来，创建一个 AGENTS.md 文件，写入 Grok 在整个项目中应遵循的规则。
Grok 在仓库内工作时会自动加载该文件，因此您无需在每个会话里重复相同指令。
使用以下提示：
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.保持指令简明且具体，Grok 更有可能持续遵循聚焦的项目规则。
4. 验证配置
最后，检查 Grok 是否已发现项目规则、设置、技能、插件和 MCP 服务器：
grok inspect
一切就绪后，我们即可开始构建机器学习项目。
Grok Build 演示：构建端到端机器学习项目
现在 Grok Build 已安装并配置完善，我们可以用它从头创建完整的机器学习项目。
1. 创建项目计划
先切换到规划模式（Plan Mode），这样 Grok 可以在修改任何文件之前先审视任务并说明其构建计划：
/plan然后输入以下提示：
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. 审阅并批准计划
计划就绪后请仔细阅读。您可以要求 Grok 补充缺失步骤、删除不必要工作，或更改其计划使用的工具与库。
确认无误后，批准该计划。随后 Grok 将开始创建项目、安装软件包、编写代码、运行测试，并向您展示其所做的更改。
3. 达到使用额度上限后的继续方式
在构建项目过程中，我们触及了免费使用额度上限。
大型编码任务比普通聊天请求消耗更多额度，因此当 Grok 在进行数据分析、训练模型、修复错误与运行测试时，额度可能很快用完。
SuperGrok 目前费用为每月 30 美元，可在 Grok 的各项功能中提供更高的使用额度。
虽然不算便宜，但当您在构建完整项目而非仅测试几个小提示时，额外额度会很有用。
升级后，回到同一会话，输入：
continue
Grok 会从中断处继续构建项目。
4. 查看最终项目摘要
工作完成后，Grok 会给出一份摘要，说明其创建的内容。摘要包括数据分析、可视化、模型对比结果、评估指标、测试、项目结构及运行预测应用的说明。
在我们的项目中，Grok 在 Palmer Penguins 数据集上训练了一个逻辑回归模型。
最佳模型取得了约98% 的准确率和97.6% 的 F1 分数，对于这个小型分类项目来说表现相当出色。
5. 查看生成的文件
您可以在 VS Code 中打开项目文件夹，逐一查看生成的文件。
这有助于理解 Grok 如何组织源代码、数据处理流水线、测试、报告和命令行应用。
即便是 Grok 为我们创建了项目，审阅代码并理解各部分的工作方式仍然很重要。
6. 测试预测应用
在项目文件夹内打开另一个终端，运行以下命令：
uv run penguins predict \
--bill-length 39.1 \
--bill-depth 18.7 \
--flipper 181 \
--body-mass 3750 \
--sex male \
--island Torgersen
该 CLI 应用使用与评估阶段相同的预处理流水线与训练模型处理输入值。在我们的测试中，它返回了预期的企鹅品种，验证了预测应用的正确性。
结语
总体而言，我认为 Grok Build 是一款非常出色且成熟度颇高的编码代理。
您既可以通过 SuperGrok 订阅使用它，也可以使用 API 密钥将其直接连接至 SpaceXAI API。
更重要的是，您并不局限于 Grok 模型。
Grok Build 通过兼容 OpenAI 与 Anthropic 的 API 支持自定义模型，这意味着您也可以连接本地运行的开源模型，或使用其他 API 提供商。
您可以按照官方的 自定义模型配置指南进行设置。
它还能顺畅地与插件、市场、可复用技能、代理、钩子和 MCP 服务器协同工作。
Grok 能自动发现现有的 Claude Code 技能、插件、MCP 配置和指令文件，无需您再次完整配置。
整体体验非常友好。
Grok Build 启动时会自动检查更新，您也可通过 grok update 命令手动安装最新版本。
从安装与配置到切换模型与添加工具，一切都显得简洁而设计良好。
与 OpenCode 相比，Grok Build 目前在我看来更为打磨充分、成熟度更高。
在功能与整体编码体验上，它已与 Claude Code 相当接近，我也期待其持续改进。
我主要的顾虑仍是成本与有限的免费额度，但抛开订阅因素，我对 Grok Build 抱有很高期待。