抄这份 Grok Bot 配置:四个席位,成本降一半
Ling 公开了 Grok Bot Harness 配置,用一个文件夹当经理,四个席位按成本选模型,jev 负责分流和完成判定。构建者从不自评,验证者从零开始写凭证。一次运行五轮成本 $0.82,比全部交给 grok 4.7 省一半。附完整配置逻辑。
SpaceXAI 的 Lauren 把她整套智能体栈公开了:102 个 skills,几秒就能加进 Grok Bot。她的团队第一周跑了 10,000 次。很多人给 bot 一段提示词然后碰运气,她给每个任务一套打法,给每次改动一个审查者,给每个决定一条规则。这些 skills 分成入门、理解、构建、审查、写作、智能体等几类,还有 24 条原则和 23 套打法。
比这更值得抄的,是 Ling 公开的 Grok Bot Harness 配置。她用一套文件夹结构当“经理”,解决 Grok Bot 没有 manager 类型的问题。四个席位,每个席位选成本最合适的模型,用文件作为每次对话后都还在的记忆。
文件夹放在 /workspace/grok-harness。每个 bot 都从这里读、往这里写,通过它交接。结构:
- GROK.md:每个 bot 都要遵守的契约
- advisor.md、scout.md、builder.md、verifier.md:四个席位文件
- jev_seat.py:问 jev 下一步交给哪个席位
- jev_done.py:问 jev GOAL.md 是否达成
- GOAL.md:终点线,写成陌生人也能核对的检查
- receipts/:每项通过的检查留一份证明文件
四个席位对应四个模型:
- 顾问(advisor):grok 4.7,负责 GOAL.md 和计划,从不写代码
- 侦察员(scout):grok 4.3,长上下文,读代码库,从不修改
- 构建者(builder):grok build 0.1,一次只按一张任务卡写代码
- 验证者(verifier):grok 4.7,全新上下文,只看 GOAL.md、diff 和任务卡,从不看构建对话
为什么这么分?读代码主要耗输入,侦察员用长上下文的便宜模型。写代码主要耗输出,构建者用的模型输出价格只有 grok 4.7 的三分之一。验证者用最强模型、从零开始,这是故意的。看着活被做出来的检查者,等于在给自己的作业打分。
每张卡开工前,先过 jev_seat.py。jev 只返回三样东西:选择、置信度、每个选项的概率。置信度 ≥ 0.80 就交给对应席位,低于 0.80 交给顾问定。一次运行里 14 次分流调用,花费大约十分之一美分。同样的调用让 grok 4.7 写成文字,大约要 8 美分。
每一轮结束,jev_done.py 判断 GOAL.md 是否达成。done ≥ 0.92 停止,低于 0.92 顾问拿到最弱的那项检查进入下一轮。第 6 轮还没停,全部暂停,交给人。
凭证体系是这套配置的狠活。每项检查通过后,验证者写一个 receipt 文件,包含命令、输出、提交和时间。构建者从不写凭证。jev_done 读的是凭证列表,聊天里说“做完了”不算数,没有凭证就是没完成。
成本对比:一次运行一个功能、五轮,分席位 $0.82,全部交给 grok 4.7 要 $1.58。差距主要在构建者的输出:66,000 token 按每百万 $2 计费,换成 grok 4.7 就是 $6。侦察每次控制在 200,000 token 以内,因为到了 200K,整个请求按双倍计费。
搭建顺序:文件夹、GROK.md、GOAL.md、四个席位、jev_seat、jev_done,最后建群聊。群聊放六个 bot:advisor、scout、verifier、builder-1、builder-2、builder-3。每个 bot 的屏幕一次只能跑一个电脑操作任务,所以需要三个构建者 bot 并行,一个 bot 开三个标签页没用。bot 之间通过文件夹交接,不需要搬对话。
Ling 还给了 11 条提示词,从建文件夹到周五审计都有,可以直接复制。启动一次运行的提示词要求群聊里每一轮发一行:轮次、通过的检查 / 总数、P(done)。周五审计会统计运行次数、停止时的平均 P(done)、被转给顾问的卡、失败过两次的检查,以及任何越过席位干活的 bot。
这套配置的反常识点在于:用最便宜的模型做大量读和写,把最贵的模型留给独立验证。验证者从不看构建者的对话,只认凭证。省成本之外,它让质量有了可核对的证据。如果你也在跑 Grok Bot,可以试试今晚复制这个文件夹,明天写出第一份 GOAL.md。
发布时间: 2026-11-22 20:35