我们做了 Grok Bot,这是我们最好用的 14 个 Bot——Peng Zheng、Lauren Tan(xAI)

• 先交代利益相关：两位嘉宾都是 Grok Bot 团队的人——Peter 介绍时说他们是团队的「设计与技术成员」（节目方给的头衔是首席设计师与首席工程师），Peng 在片中说自己在 xAI 做设计；本期演示和夸奖的都是自家产品，下文「好用到什么程度」都是开发者本人的说法。主持人 Peter 的评价是：这是他见过的第一个「常驻型的个人电脑产品」，他自己每天都在用。→ 详细
• 先清点：标题说 14 个 bot，全文里可辨认、有具体分工的嘉宾 bot 是 13 个——Peng 7 个、Lauren 6 个，下文按出场顺序标成 Bot 1–13。另有几组没逐个讲用法的不单独计数：Lauren 的工程师 bot（她一会儿说三个、一会儿说「那四个」）和其余社交 bot、Peng 提到的工程师 bot、meow 群里口头没点名的第三个 bot；两人屏幕侧边栏里还能看到更多 bot（下文截图可见），片中没讲，也不计入；主持人 Peter 自己的盯机票 bot 同样不算。→ 详细
• Peng 的组织法：数字生活里几乎所有事都交给 Grok Bot，bot 按「工作 / 生活」两类分组，最常用的几个置顶。→ 详细
• Bot 1｜Chief of staff 幕僚长（Peng）：他的首选 bot，负责管理其他所有 bot——「如果我不知道某个任务该交给哪个 bot，就直接发给 chief of staff」。例子：前几天让它买 3D 打印耗材，它买完还顺手更新了他记录各色耗材库存的那个 Notion 数据库。→ 详细
• 真正的威力在「串任务」——在 Facebook Marketplace 卖掉一只 DJI Mic：他只发一张照片，用一条 prompt 委派一整串活：去官网查这个型号的最新价；查附近最低报价，看清自己在跟谁竞争；学他以前怎么写商品描述；把新商品挂上去；没人感兴趣就每周自动降价 5 美元。到了写描述那一步，它自己知道去「请教」他的写作 bot，问他过去怎么写 Marketplace 描述，再调研别人怎么卖，最后把商品挂出去。他的总结是：以前这五步都得自己手动做，现在「不光能把单个任务委派给它，还能让它帮你把这些任务串起来」。→ 详细
• 它还在替代邮箱和日历：问它「今天收件箱里有哪些待办」，他认定能交出去的就直接让它办（比如把吃饭的钱转给朋友）；它没权限时会弹出登录页，他在「它的电脑上」接管、登录，再由它办完。日历同理：约咖啡、改日程、订会议室，丢一张截图过去就行。→ 详细 → 详细

▲ 图注：Peng 用一条消息给 chief of staff 布置卖 DJI Mic 的 5 步任务；回复中夹着「Messaged Writer」——它自己去问写作 bot 他的文风，末尾一张卡片把电脑交给他登录 Facebook。左栏置顶 Chief of Staff、Designer、Writer，Work 分组下还有 Email Manager、Researcher、Calendar Manager、PM、Engineer 等。

• 他演示用的是一个演示账号，东西没那么全，但配置和他自己的账号一模一样；最常用的三个就是 chief of staff、设计师、写作。→ 详细
• Bot 2｜设计师 bot（Peng）：他每天泡在设计工具里，这是他的首选搭档——陪他头脑风暴、衍生不同设计方案，讨论完还能把想法落地执行（它怎么接 Figma 见第七节）。→ 详细
• Bot 3｜写作 bot（Peng）：他英语不是母语，邮件和 Slack 消息都先让它润色再发；Slack / 邮件有聊天小组件，草稿直接内嵌在对话里，审完、改完就能发。它也会被别的 bot 当顾问请教——上一节 chief of staff 写商品描述时就来问过它。→ 详细

• 什么时候开群：Peter 注意到 Peng 有个叫 meow app 的频道，里面一群 bot 在互相聊。Peng 的解释是：碰到更大的任务、想让「担任不同角色的不同 bot 各自带着自己的视角来出力」时，就开群。→ 详细
• 演示过程：假设要做一个把猫叫翻译成英语的 App，他想从不同角度审这个想法——把 PM、设计等「总共三个独立的 bot」拉进同一个群，丢进一条 prompt，它们就开始围绕这件事讨论、构思，「看它们怎么思考这个想法、怎么互相辩论，挺有意思的」。其中 Bot 4｜PM bot（Peng）只在这个群聊例子里出场，没有单独展开；第三个 bot 他口头没点名（截图里是 Engineer）。→ 详细
• 群里的发言规则：想让某个 bot 回你就 @ 它，只有它会回；只是往群里发一条消息（像在群里跟朋友说话那样），每个 bot 会各自看完、自己决定要不要接话。→ 详细
• Peter 点出难点：这在别的 AI 应用里不容易做到——既要保持每个 bot 的上下文干净，又要让这些各有独立上下文的 bot 互相聊天。→ 详细

▲ 图注：Meow App 群聊——PM bot 先把问题改写成「听懂这只猫此刻需要什么」，V1 只做「录音 → 意图标签 → 对不对？→ 学习这只猫」一个闭环，并 @Designer、@Engineer 分派关注点；Designer 回应同意 PM：产品就是这一个闭环，不是翻译器。

• 两种组织工作的思路：有些人按一个个独立的会话、任务、项目来管活；Grok Bot 则把 bot 做成「更常驻、有名字的 agent，它们有自己的身份、记忆系统，也有自己的工具」。说白了就是把可复用的东西抽象成一个角色，再给它们建单聊、群聊，让它们一起干活。→ 详细
• 他们观察到的痛点：在 AI agent 产品里，聊天「非常短命，几乎是用完即弃的」——你只在乎手头正在做的三到五个，两周前的那些你再也不会回去看。→ 详细
• 他们的平衡法：凡是可复用的能力、记忆，抽象成不同的角色（bot）；有终点、有截止日期的单个项目，就开专门的会话，在里面跟 bot 一起干。比如同一个设计师 bot 同时参与好几个项目，每个项目跟它另开一个聊天。→ 详细
• 同一个 bot 就是同一个实体：Peter 追问——跟设计师 bot 聊 meow app、又聊 bark app，它两个都记得吗？Peng：记得；bot 在群聊里干活时，你在它自己的私聊里也能看到它的工作状态在变，「它是同一个实体，是同一个 bot 在处理你的任务」。→ 详细 → 详细

• Bot 5｜播客 bot（Peng）：Grok Bot 正在取代他的播客工具——读到一篇文章想在开车或洗澡时听，就把链接发给播客 bot，它把文章转成一集播客，随时能听。→ 详细
• 由此他发现 Grok Bot 变成了一个「终极翻译器」，在各种文件格式之间来回转换。→ 详细

• 来龙去脉：两周前他在旧金山唐人街等公交，拍了一家蔬果店，用 AI 做成 3D 黏土微缩景观，放到自己极简的个人网站上，配一行「最近出没于唐人街的 JBC market」（店名按字幕原样）。转念一想：个人网站别人看一次就不再回来，连他自己都不常去——不如做成「网上打卡应用」。→ 详细
• Bot 6｜网站打卡 bot（Peng，没说名字）：跟 Grok Bot 聊着聊着落地成一条流水线——发给它一张去过的地方的照片、说明跟谁在一起并附上对方的社交账号，它就去一个私有仓库拉取最新的 playbook（操作手册），照步骤生成日间、夜间两种模式的图、去掉背景，再发布到网站上。Peter 笑说「典型的设计师，日夜两种模式都想到了」。→ 详细 → 详细
• 换个角度看：他现在把 Grok Bot 当成发布内容的主入口，不用再搭门户网站或 CMS（内容管理后台）再手动上传；可以把 bot 当成「你想搭的东西里的一块积木」，而且它会一步步引导你走到目标。→ 详细 → 详细

▲ 图注：Peng 的个人网站——唐人街 JBC Market 的店面被做成 3D 黏土微缩模型，下方写着 Last seen at JBC Market，左下有 Dark 模式切换；网站简介写他是 SpaceXAI 的设计师，曾在 Zoom、IDEO、frog。

• 工具不设限：Peter 问他还在不在 Figma 里画框。Peng 说在 xAI 做设计「需要什么工具就用什么」——Figma、基于画布的工具、他们自己的原型环境，有时设计师也会自己提 PR（代码合并请求）。→ 详细
• 怎么接上 Figma：设计师 bot 除了陪他碰撞想法，也负责快速改稿——它通过 connector（连接器）接了 Figma MCP（MCP 是一种让 AI 直接调用外部软件的标准接口），所以能直接改 frame（画板）、更新设计、使用 design token（设计系统里给颜色、字号、间距起的统一变量名）。→ 详细 → 详细
• 规范写进 skill，而不是每次口头交代：他给设计师 bot 配了一个 skill，里面写清楚他的 Figma 文件怎么组织、他的设计系统是什么、出设计时什么时候该用哪个颜色、字体排版和间距——bot 按这套规矩出稿，不是自由发挥。→ 详细
• 分工比例倒过来了：Peter 猜「它先做前 80%、你再手动微调」。Peng 说有时候他的工作流已经变成「我只做前 5%」——先把系统搭好、亲手做出一张关键帧，再让 bot 把它扩展成整个流程、做成端到端的一整套界面。→ 详细 → 详细
• Peter 建议他把设计 skill 也开源，「就像 Lauren 开源她的 P-Stack 那样」；Peng 说他们确实有以名字命名的 skill——Lauren 有个「Lauren mode」，他也有个「Peng mode」。→ 详细 → 详细

• 场景：Lauren 分享的偏工程用例。她最近在给 Omarchy 做更好的支持——一个 DHH（Ruby on Rails 的作者）和几位开源开发者在做的 Linux 发行版（字幕拼作 Omachi，名字是译者按「DHH 在做的发行版」推断的）；她用的是一个能跑在 Mac 虚拟机里的特别构建版，「还在非常早期的 alpha 阶段，不过跑得挺好」。→ 详细 → 详细
• 做法：让 agent 直接写脚本控制这台虚拟机——「要给这个 Linux 发行版做适配，还有什么办法比让 Grok Bot 直接在我电脑上把它打开、交互式地装一遍更好呢？」演示时它正在虚拟机里自己把 Grok Bot 装上。→ 详细
• 架构一句话：Grok Bot 有它自己的电脑（云端，你随时能去看它在做什么），同时在你的电脑上跑一个本地执行守护进程（daemon，常驻后台的小程序）；能动你电脑上的什么，取决于你给它开了哪些权限。→ 详细
• Bot 7｜Crumb（Lauren）：她硬盘老是不够用，就跟这个 agent 说「把我的硬盘过一遍，看看空间都被什么占掉了」，它自己去找出来、删掉。→ 详细
• 她反复强调的原则：「让 agent 能够验证它自己的工作，这件事非常重要」——虚拟机就是一个例子：agent 在你的电脑上亲手验证它改的东西真能跑，而不是只交一段代码了事。→ 详细

• P-Stack 是什么：Lauren 自己的一套个人插件合集（她开源了，Peter 在前面提过），她在这套插件上的所有工作基本都在 Grok Bot 里完成。→ 详细
• 怎么保证改 skill 真的是改进：她会启动 Cursor 的 cloud agent（云端 agent）替她跑 eval（评测）。P-Stack 里有一份 eval playbook（评测操作手册），教 agent 具体怎么做：拉起几个用不同模型的子 agent，把 prompt 实际跑一遍，确认「我们当初想达成的意图和目标确实达成了」——只有真的达成了，它才会把那个 PR 合入。目的就一句话：让她对「这套 skill 的改动会带来更好表现」这件事可以信任，而不是凭感觉。→ 详细
• 她说这就是她工程工作里相当大的一部分。→ 详细

▲ 图注：Lauren 的工程 bot dango（负责 pstack）交回的报告——PR 经独立验证 PASS 后 squash 合入 main；新提的一条 lauren-mode 原则附了小样本对照组 eval 结论和一节「Caveats (honest)」，最后问她要不要由它盯着合入。左栏还能看到 gyoza、benny、matcha、kinako、poppy 等 bot。

• Peter 注意到 Lauren 的 bot 名字比 Peng 的「更有个性」。→ 详细
• Bot 8｜Dr. Eggbot（Lauren）：她在社交媒体上分享过的 bot，本质上是「设计 bot 的 bot」——专门替她设计新 bot，而且「带着我对自己所用的 bot 所要求的全部严谨，工程上的严谨」。它还负责给 bot 起食物主题的名字，比如 Daifuku、Gyoza（大福、煎饺）——她笑说「大概是亚洲人的特点吧，我们就是太爱吃了」。→ 详细
• Bot 9｜Chief of staff 幕僚长（Lauren）：跟 Peng 一样她也有一个，帮她处理各种杂七杂八的事；她大部分时候只跟它说话，由它去对接工程负责人 Matcha（工程队见第十四节）。→ 详细 → 详细
• Bot 10｜Tsuki 私人助理（Lauren）：管午饭、航班、订酒店；「有时候我没理她，她就会有点闹小脾气」。她说自己还没搭一整队私人助理 bot，「我大概也没那么忙」，目前 Tsuki 一个就干得非常好。→ 详细 → 详细
• 侧边栏还有两组：一堆工程师 bot（见第十四节），以及几个打理她社交媒体的社交 bot（其中有名字、展开讲了的是 Poteto，见第十七节）。→ 详细
• 她的工作流主干：大部分活经过这两三个 agent——要么跟 chief of staff 聊、由它去跟工程负责人协作，要么交给 Tsuki（比如订机票）。→ 详细

• 拆 bot 的触发条件：每当她意识到「我开始拿一个 agent 干很多事了」，就意味着往那个 agent 里塞了大量五花八门、差别很大的上下文，「这可能会让它有点混乱」——这时 Dr. Eggbot 就会给她造一个新 bot 把活分出去。→ 详细 → 详细
• 巡检怎么跑：Dr. Eggbot 会替你设好一个 routine（按计划定时自动运行的例行任务）：把你所有的 bot、以及你跟它们的全部聊天记录过一遍，指出类似「这个 bot 老是在做某件不太好的事」的问题，再给出改进建议——可能是改一个 skill、新建一个 bot，或者调整 routine。→ 详细 → 详细
• 连 routine 本身的成本也管：它还会检查你现有的 routine 够不够高效——routine 跑得太勤会很耗用量，因为每跑一次都要「唤醒」一次 agent，「比如你设成每 10 分钟一次，那唤醒次数就非常多了」。她说 Dr. Eggbot 在这方面「确实帮了大忙」。→ 详细 → 详细

▲ 图注：Dr. Eggbot 的「routine fleet checkup」列出 7 条整改建议、注明「还没改，你挑」——例如把 matcha 每 30 分钟一次的追踪循环降成每小时兜底、删掉重复或从没跑过的 routine；末尾列出运转正常的几项，包括 tsuki 的每日午饭提醒和 crumb 每周查硬盘。

• Peter 的问题：你真的敢靠它订机票、买大件吗？给过它的最大自主权到什么程度？→ 详细
• 案例：她很快要去伦敦和阿姆斯特丹演讲（compile on the road 大会的一站），整趟行程都是 Tsuki 订的——不是简单的往返，而是橙县 → 丹佛 → 伦敦 → 阿姆斯特丹 → 回家的多段航程。走的是公司差旅平台 Navan，但所有活都是 Tsuki 干的：挑最好的航段、在公司规定允许范围内能订到的最好舱位、最合适的时间，还把离会场很近的酒店全找好了。→ 详细 → 详细
• 她只做了两件事：丢给它一条 Slack 消息的链接（里面有大会细节），加一句「帮我订酒店和机票，点预订之前先跟我确认」；Tsuki 拿出几套方案，她点了「是」，它就全订好了——「这大概是我通过 Grok Bot 做过的最大一笔消费」。→ 详细 → 详细
• 为什么还要自己点头：Peter 追问是不是还得先过目。Lauren 说还没到完全放手的程度——她不想被订上离谱的红眼航班、或者被塞到飞机最后几排，所以要先批准。→ 详细
• 主持人也有一个类似的（这段发言按语气推断是 Peter）：一个盯机票的 bot，他最近在订去日本的度假行程——Google Flights 也能设价格提醒，但这个 bot 更聪明，能找到他没设置过的其他航线，最近真帮他省了一大笔钱。它是主持人的 bot，不算进嘉宾的清单。→ 详细

▲ 图注：Tsuki 的对话——顶部一条说明伦敦、阿姆斯特丹的航班和酒店都已订好，接着按时催午饭；Lauren 说自己正在上 Peter Yang 的播客，Tsuki 向观众自我介绍是 Lauren 的生活杂务 bot，会催她吃午饭、订酒店，偶尔被晾着。

• 补货：卫生纸快用完了，就说一句「把 Amazon 上买卫生纸那单再下一次」，它自己去办。→ 详细 → 详细
• 给 bot 一个手机号：Grok Bot 开发很早期，团队就讨论过「让 bot 能给你发短信」。她前阵子通过一个第三方服务给了 Tsuki 一个自己的手机号——她总忘了吃午饭，Mac 开着勿扰模式时看不到提醒，但短信会响一声；她还教会了 Tsuki 用 DoorDash，直接把午饭点上。Peter 笑说午饭是他一天的高光时刻、从不会忘，Lauren 说自己是「一进入状态就忘了吃饭」。→ 详细 → 详细 → 详细

• 汇报链：Peter 以为她有「一个负责人 + 两个工程师 bot」，Lauren 说「我有三个」。她主要只跟自己的 chief of staff 对话，chief of staff 再去找工程负责人。→ 详细 → 详细
• Bot 11｜Matcha 工程负责人（Lauren）：这些工程师 bot 都是用 Dr. Eggbot 搭起来的，她特意交代 Dr. Eggbot 的一件事是：负责人的职责就是把任务拆成更小的块、分派下去、监督其他 bot，而不是自己动手干活。它的描述里连其他 bot 的 ID 都写上了，明令「永远别自己干活，一律分派给那四个 bot」——它也基本照做。（她前面说有三个工程师 bot，这里又说「那四个」，照原话保留。）→ 详细 → 详细
• 工程师 bot 也不亲手写代码（Lauren，一组、没逐个点名）：她把每个工程师 bot 当「主管」看——它们自己也尽量不干活，而是替她拉起 cloud agent（云端 agent，可以在 Cursor 里或网页上打开来看）；bot 之间只负责传话，这让她「能编排规模非常庞大的 agent 集群」。→ 详细 → 详细
• 为什么要经过云端 agent 这一层：可以按任务类型换模型——直接的任务要快，就用快的；需要多规划、多推理的，就把推理等级调高，「给了我非常细粒度的控制」。→ 详细
• 大项目怎么走：跟 chief of staff 说「我有个超大的项目，帮我拆一下，要不先在 Notion 文档里做点规划」→ 它先想清楚这项工作分几个阶段 → 全部交给工程负责人 → 负责人再细拆、分给各个 bot 去做。→ 详细

▲ 图注：工程负责人 matcha 的设置面板——Label 是 eng lead，描述写明它唯一的工作是接 Lauren 的工程需求、拆成活、派给她的工程师 bot，下属 bot 的 ID 直接写在里面；左栏 engineers 分组有 daifuku、gyoza、benny、matcha。

• 自动合并的前提：Peter 问是不是每个 bot 交回 PR、由 bot 先评审。Lauren 说基本是，但更关键的是团队一直努力让 Grok Bot 的代码库「对 agent 非常友好」——架构和代码库都是，所以很多时候她直接让 PR 自动合并：「说出来有点吓人，但有时候我甚至要等 PR 都合入了才去看，然后心想：哦，好吧，看着没问题。」→ 详细 → 详细
• 换个比喻：Peter 问这是不是时髦的「软件工厂」。她更愿意叫它「米其林厨房」——一想到米其林星级厨房，想到的是品质和做出一道菜背后的手艺；但它照样要规模化，一家餐厅有 50 或 100 个座位，「你得能在规模化的同时产出品质」。而很多人一听「工厂」，就联想到批量生产、粗制滥造的 slop（AI 批量产出的垃圾内容）。→ 详细 → 详细
• 她的目标是两者兼得：「怎么做到规模化的同时保证品质」——她在 P-Stack 上做的很多工作、把 Grok Bot 和它结合起来用，都是冲着打造这间米其林厨房去的。两人顺势开玩笑：该做个礼宾 bot，递上「这份 PR 是我们从本地农场为您精选的」「一份匠心手作的 PR，请您评审」。→ 详细 → 详细

• 内部惯例：很多人都有以自己名字命名的 mode skill——Lauren 的开源版叫 poteto mode，内部叫 Lauren mode；Peng 有 Peng mode；「很多不同的工程师、设计师、PM 都有自己的 mode skill」。她的判断是，这让团队能在代码库里已经搭好的 skill 之上「真正做到复利式积累」。→ 详细
• 重构代码库的一大动机：让每个人都能在更高的层面上做贡献，而不只是工程师——他们在这上面花了很多心思。→ 详细
• 插件两边通用：大家在 Grok Bot 里、有时也在 Cursor 里启动 agent；Cursor 插件和 Grok Bot 插件能互通，比如 P-Stack 可以两边都装、复用同一套 skill。→ 详细
• bot 怎么调 skill：Peter 问能不能用斜杠触发（比如一个「模仿我文风」的 skill）。可以——输入 /poteto mode 就能用；插件市场里也能找。P-Stack 大概是少数纯 skill 的插件，但很多插件除了 MCP server（给 AI 提供工具的服务端）还自带 skill，她记得 X 插件就附带一个 skill；插件能装进很多功能模块，扩展你的 Grok Bot。→ 详细 → 详细 → 详细

• Peter 的问题：X 上满是 slop，你怎么从里面筛出信号？她的社交 bot 接了 X 和 LinkedIn（X 用得更多）。→ 详细 → 详细
• Bot 12｜Poteto（Lauren）：专门过一遍所有 @ 她的内容——她在 X 上有个梗，谁连说三遍 poteto 她就会收到通知，其实就是这个 bot 在干。它挂着一个 routine，她记得大约每 30 分钟查一次 X 上所有提到她的内容；她常常直接进去回复，或者由它汇总成「有五个用户报了同一个 bug，你也许该看一下」。→ 详细
• 外层循环 → 内层循环：她把社交媒体看成自己的 outer loop（外层循环：从外部世界收信号的那一圈）——大家在报什么 bug、遇到什么问题、哪个新功能让人看不懂，她都能随时掌握；再把它喂给 inner loop（内层循环：她的工程师 bot 们真正动手修东西的那一圈）。→ 详细 → 详细
• bot 之间直接交接上下文：因为「这些全都只是 bot」，她可以去找 Matcha 说「Poteto 说了巴拉巴拉」，上下文直接从那边抓过来——「我不用把从 X 上拿到的上下文再复述一遍，也不用复制粘贴任何东西。我只要说：去找 Poteto 聊聊，把情况搞清楚，然后拿一份怎么修这个问题的设计方案回来给我。」→ 详细
• 她眼里 Grok Bot 真正的威力：把各不相同的东西连到一起「协同增效」——上下文从很多地方抓来、汇到一处，「比我自己一个字一个字全敲出来要丰富得多」。Peter 的总结：这些 bot「全都住在同一栋房子里」，能互相传递上下文，「搞 AI 这些东西，上下文就是一切」。→ 详细 → 详细
• poteto 这个名字的来历：很多年前玩一款 MMO（大型多人在线游戏）时想不出名字，她又偏爱食物，就想「potato 有何不可」；正常拼法被占了，当时她正在学日语，就照日语片假名的读法拼成 poteto，一直用到现在。→ 详细 → 详细

• Peter 的问题：Grok Bot 界面很像 Slack——有私聊、有队友、能拉群；但网上一直有人说这类产品还是「单人模式」的 AI，一个人对着一堆 bot 说话，能不能让 Lauren 和 Peng 一起跟一堆 bot 对话？（这个问题 Peng 没有正面回答有没有在做，而是讲了设计出发点。）→ 详细
• 工作方式的三个层级：过去是我们亲手干——在 Figma 里画矩形、在 Notion 里敲字、在 Slack 里发消息；现在进入第二层，写 prompt 让 AI 替我们干；他相信接下来是第三层：人不再手动管理所有 bot，而是去设计系统、设计护栏（guardrail），想清楚怎么让 bot 带着能动性和智能，跟其他人、跟你一起自主协作。设计 Grok Bot 的出发点就是「让人从亲手管理任务这个阶段毕业」。→ 详细
• 为什么拟人化：很多 AI agent 产品「非常以模型为中心」——在模型外面搭 harness（包在模型外面、管提示词 / 工具调用 / 循环的那层程序），再在 harness 外面搭产品，界面也照着这层层结构来，一路造出一堆技术黑话和概念（他举了一个字幕听不清的 .md 概念文件），「像我妈就永远不会知道」。所以他们做了个实验：让系统模型去贴合用户的心智模型——结果发现有名有姓的拟人化 agent 效果很好，因为现实世界就是这么运转的：你不需要懂车险公司怎么运作，但知道出事该给谁打电话；有了医保就有诊所，不必懂整个医疗体系。「让那个对接人成为你主要的输入输出界面」，对他是一次范式转变。→ 详细 → 详细
• Bot 13｜收 bug 的 bot（Peng，没说名字）：团队内部的工作流已经变成——他发现一堆 bug，就截图、标注，一股脑丢给一个 bot；它整理好发到一个 Notion 页面，他的工程师 bot 再从那里接手。他说大家开始「很间接、很 agentic 地」用这个 App，但它能把点串起来，有机地长出新的工作流，而且能自主地长时间运行。→ 详细

• Peter 的怀疑：每次听人说「我去睡觉了，让 bot 把活全包了」「直接把设计做了、给我搭个 App」，醒来一看就完美——他总是有点怀疑；在他看来人其实还在循环里，在传上下文、给反馈。他问：除了用 Lauren 的 skill，还有什么窍门让 bot 跑得更久、不跑偏、真产出你想要的东西？→ 详细 → 详细
• 她的核心答案：不一定非用 P-Stack，但确实跟 skill 有关，而「归根结底还是信任：你愿意给你的 agent 或者 bot 多大的信任，让它能替你把一件事做成？」→ 详细
• 信任怎么建（报销单例子）：先花时间观察 bot 干活、随时纠偏；这段对话结束时，把它沉淀成一个可复用的 skill。比如让 bot「把我这个月所有开销过一遍、全部录进报销工具、从邮箱里找出收据」——在第一轮上反复迭代，直到 skill 好到你只敲一句「/expense report」它就能一次做好（one-shot）。→ 详细 → 详细
• 到这一步才撒手：有了一次做对的 skill，你才有底气设一个 routine——「每次有带收据的新邮件进来，就自动帮我把报销单提交了」——不用再时时盯着。→ 详细
• 为什么必须循序渐进：不管设计、工程还是生活杂务，都回到你对 bot 有多少信任；还不信任，就靠 skill、prompt 帮你建。对一个没用过 bot、没配过几个 skill 的人说「现在你可以撒手了」根本行不通——「他们还没见识过它能做到什么」；只有跟它一起做过一两次、确认它能重复做到，你才真能腾出手去做别的事。→ 详细 → 详细

• Peter 复述的路线：下载 Grok Bot 后，先针对自己的手动工作流建一批 bot、手动带它们走一遍；放心了就让它们把流程做成 skill；最后设 routine 让它们主动去做。Lauren：「这就是我的流程。」→ 详细 → 详细
• Peng：先试探极限：从简单任务开始；他到今天还在试探它的极限——「凡是我要动键盘鼠标去做的事，我都会试着交给它」，「你几乎得把它用到超出负荷，才能看清极限在哪」。→ 详细 → 详细
• Peng：这是在建一段关系：产品刻意这样设计——工具、connector、skill 这些能力所有 bot 共享，记忆和偏好则每个 bot 各自保存。路径是：简单任务 → 周期性任务 → 设 routine 让它自动跑 →（token 烧太多就收一收）→ 接上更多工具和 skill、做定制；它会慢慢成熟、越来越了解你，「你的助理也肯定跟我的助理不一样」，是一种双向的共同成长。→ 详细
• 带新员工的比喻：Peter 说这就像带新员工入职，时间久了越来越信任。Lauren 接着说，这就像「招聘虚拟员工」——先培训、再放手让他们自主干；搭好之后「你差不多就是那个 CEO」，可以把活委派出去、自己抽身去做更高层面的战略性工作。Peter 笑：「这下我们人人都能当产品的 CEO 了。」→ 详细 → 详细 → 详细

• Lauren Tan：X 账号 poteto（她特意拼了一遍：带 e 的 p-o-t-e-t-o）。→ 详细
• Peng Zheng：X 账号 pengzheng_（名字后面加一个下划线），他说自己在 X 上挺活跃。→ 详细
• 片中提到、可以去找的东西：Lauren 开源的个人插件合集 P-Stack（里面的 skill 开源版叫 poteto mode，Grok Bot 和 Cursor 两边都能装）；她在社交媒体上分享过的「造 bot 的 bot」Dr. Eggbot。→ 详细 → 详细