Team Bots 最贵的不是 Bot,是那份两年的技能库

The Most Expensive Part of Team Bots Is Not the Bot — It Is the Two-Year Skill Library

xAI 的数据分析团队每天要接几十个一次性的分析请求——查一个数、核一个口径、拉一张表。按老办法,要么排队等分析师,要么申请数据仓库权限自己折腾。

他们做了一个 Data Bot,让全公司任何人都能直接拿答案。这个动作本身不稀奇,稀奇的是喂给它的东西:这个团队花了两年,攒出一套覆盖 4.5 万多张表的技能库,整个交给了 Bot。(数字为 xAI 发布材料口径,下同。)里面写的是什么?怎么找对数据、怎么分析欺诈功能的使用、图表要遵守什么规范、怎么安全地更新全公司的仪表盘。

9 月 28 日,xAI 发布 Team Bots:整个团队共享一个 Grok 智能体,Bot 是共享的,每个人和它的私聊保持私密。发布稿里最热闹的段落是「五人团队每天发 100 多个 PR」「保险公司 24 小时搭一个 Bot 挽回 12 万美元」。但我把这篇发布稿读了三遍,认定最值钱的细节是那个不起眼的两年和 4.5 万张表。

因为它暴露了这门生意真正的定价结构:xAI 卖的是容器,客户装进去的才是货。

The Most Expensive Part of Team Bots Is Not the Bot — It Is the Two-Year Skill Library

[Read More]

任务好搬,关系难搬:AI 产品留存的三任务结构

Task Migration Is Cheap, Relationship Migration Is Expensive: A Three-Task Retention Model

上一篇 两个对手,同一套打法 里,我写 Grok Bot 和 Claude Cowork 两个团队怎么做产品,里面藏了一个我没展开的细节:主持人 Lenny Rachitsky 说,他已经把自己的不少用例从 Cowork 和 Codex 迁到了 Grok Bot 上——迁得非常快。

文章发出去之后,这句话一直在我脑子里转。媒体叙事是「桌面 Agent 是新大陆,用户圈地之后就不会再动」;可生态里最重度的用户、播客主持人本人,一个周末就把家搬了。

那么问题来了:用户从 Cowork 迁到 Grok Bot,代价到底大不大?

我的答案分两半:任务搬家便宜,关系搬家贵。一个用户能迁走多少,取决于他在这个产品里存放了什么。这篇文章用我自己做样本来拆——我给自己的数字员工「涌现」搬一次家,看看什么带得走,什么带不走;拆完你会发现,「带不走的东西」正好回答了第二个问题:AI 产品满足用户的哪三个任务,才能把他变成长期付费用户。

Task Migration Is Cheap, Relationship Migration Is Expensive: A Three-Task Retention Model

[Read More]

两个对手,同一套打法:做成 AI 产品没有秘密

Two Rival PMs, One Playbook: How AI Products Really Get Built

9 月 8 日,Roman Ugarte 坐进 Lenny Rachitsky 的播客录音间,复盘他怎么在一个月里做出 Grok Bot。他是 Grok Bot 的产品负责人,之前是 Cursor 的增长负责人——加入时那家公司只有 15 人左右。

同一年的 4 月 23 日,Cat Wu 坐过同一个座位。她是 Anthropic 的 Claude Code 和 Cowork 产品负责人,工程师出身,中途还去风险投资行业待过一段时间。

这两个人是直接对手。Grok Bot 和 Cowork 抢的是同一批用户:想把知识工作整块交出去的人。Lenny 是 Grok Bot 的重度用户,也是他们 meetup 的合作方;他在节目里说,自己已经把不少用例从 Cowork 和 Codex 迁了过来——迁得非常快。

我把两场对谈的要点摊开逐条对了一遍,发现一件有意思的事:两个不同公司、做竞争产品、隔了四个多月开口的产品负责人,讲的是同一套打法。

不是相似,是逐条重合:原型优先于文档、亲手带早期用户上手、设计师直接提交代码、发布前大规模删功能。

两个对手独立收敛到同一套打法,说明这套打法不是某家公司的文化,也不是某个人的天才,而是结构性的东西。这篇文章把它拆出来。

[Read More]

AI 干完了 8 成的活,我才发现需求提错了

AI Did 80% of the Work — Then I Found Out My Spec Was Wrong

一个 Bot 用三个多小时给我交了 676 行代码,我花二十分钟合并上线。

当晚我用手机打开自己的博客,按下搜索——白屏,等了几秒才出结果。

跟改之前一模一样。

它没写错任何一行代码。测试清单五条,条条跑通。架构选择比我自己能想出来的更干净。但我想要的那个「快」,它一点没解决——因为我从来没说清,我要的是哪个「快」。

AI Did 80% of the Work, Then I Found Out My Spec Was Wrong

[Read More]

Grok Bot 能当队友,还当不了员工

From AI Teammate to Digital Employee: Why Onboarding Starts Now

xAI 的 Grok Bot 发布页上,留着一条来自运营岗用户 Emma 的感言(译):

「刚开始的时候,我每 15 分钟就要去查看一次 Bot,事无巨细地盯着它——直到它反过来问我,为什么我总是问这么多问题。现在我放手让它自己干,它反而越用越好。」

这可能是「数字员工」这个产品形态目前拿到的最好背书:不是一个等你提问的工具,而是一个你可以把工作交出去、然后转身去干别的事的队友。

但同一页往下翻,还有一行写给企业用户的小字:加入 waitlist。

喊得最响的「可以把真实工作交给它」,到了企业门口,只换来一句排队等候。这个反差值得认真对待:Grok Bot 上线 24 天,验证了什么?它又到底卡在哪?

先说结论: Grok Bot 验证了「持续角色」这个产品形态,但企业要的是「岗位」。从角色到岗位,差的最后一段不是模型能力,而是组织基础设施。 而这一段,恰恰是企业现在就应该开始在钉钉里上岗数字员工的原因。

From AI Teammate to Digital Employee: Why Onboarding Starts Now

[Read More]

Grok Bot 的跟班学习,会先干掉 RPA 市场

RPA Is Low-Code Programming, and Demonstration Is Its Final Compiler

今年 2 月,我写过一篇工程文章 通过桌面录屏实现自动化 RPA 的最佳实践:用录屏捕获屏幕画面和鼠标键盘事件,让多模态大模型理解操作序列,再自动复现。为了验证可行性,我自己写了实现——光录制模块和关键帧提取就是几百行代码,文末我还特意提醒:这条路离可用产品有距离。

六个月后,8 月 11 日,SpaceXAI 把这个机制直接做成了正式产品 Grok Bot。每个 Bot 拥有一台独立的云端 Linux 虚拟机,学会一个流程不需要任何配置:你像平常一样操作一遍,Bot 在旁边看着、记下来,下次它自己干。想用,先买 $200/月的 SuperGrok Heavy 订阅,或者 $120/人/月的团队版。

媒体标题都在喊「马斯克终极大招」「数字同事上岗」「硅谷炸锅」。但我想聊一个被忽略的部分:Grok Bot 最狠的不是「能干活」——能干活这件事,Claude Cowork 能做,OpenAI 也能做。真正狠的是 跟班学习 这四个字。它第一个会干掉的市场,不是聊天框,不是 Office,而是 RPA 行业。

RPA Is Low-Code Programming, and Demonstration Is Its Final Compiler

[Read More]