这一篇把我们接着讲，一口气把前段时间连续肝了两个通宵折腾 Grok Bot 的一些进阶用法给大家。
欢迎大家先收藏或者丢给自己的 Agent 阅读落地！！！
当你只是 Grok Bot 上把框架搭建，你会发现这其实才只是第一步。
把本地跑通的 Skill 交给云端的 AI 员工，分工和交接写清楚，需要做的事情就又回到我们这里了。
其实 Grok Bot 刚出来的时候我就下载过了，只是当时确实还没现在这么好用。
加上再忙着其他的事就很多工作还是在本地的 Claude 和 Codex 跑。
国庆期间闲着没事就把自己下载的 Grok Bot 重新折腾了起来。
搭建完了之后，再结合手机端的 Grok Bot 一起用，体感上非常爽！！！
Grok Bot 是真的可以解决跨境电商中一些需要实际的卡点，来补充一下即使接了一些付费的 MCP 和 CLI 接口也解决不了的事情。
我自己的进度是用 Grok Bot 搭了两套体系。一整套服务跨境电商，是 1 个船长 + 12 个业务岗位的亚马逊团队；另一套服务我自己的个人 IP做一些自媒体的事情。
这篇暂时不讲一些基础的订阅了，抛砖引玉一下分享几个我自己心里面觉得还算进阶的用法：
本地电脑怎么交给它，Skill 怎么从 Claude、Codex 搬过来，岗位怎么拆，外部 Agent、飞书和知识库怎么接。
前言
大家可能也是这段时间才听到 Grok Bot，第一次听的朋友可以把他理解一只电脑和网络都配好了的「大龙虾」，里面还能随意建机器人。
重点是"开箱即用"！！！
很多人还没开始接触的人可能不知道，Grok Bot 本身就能在云端长期运行。云电脑一直开着，浏览器能保持登录，任务到点自己跑。
笔记本合上了，云端也能照样在跑。手机和电脑看到的是同一台云电脑、同一套登录状态。
▲ 手机和电脑，看到的是同一台云电脑
不过需要提醒大家的是所有 Bot 共用这台云电脑。
马斯克虽然很富但是也没法血条厚到一个岗位配一台，当然也没有必要。
01/ 07
除了云电脑，本地电脑也可以交给它
入口在设置的「电脑」页，打开「在这台电脑上执行」。
我选的是「始终允许」，比较激进。大家自己看，要不要调得保守一点。
▲ 本地电脑交给它，Skill 复制、MCP 接入云电脑（示意）
我的习惯是，接管本地电脑前，先跟它讲好要复制哪些东西过来，所以这件事上我没踩过坑。
给了权限，本地跑通的 Skill 可以让它直接复制到云电脑上给 Bot 用，原来接好的 MCP 也能接进来。复制完让 Bot 实际调一次，看看能不能正常跑。
Skill 是所有 Bot 共用的，复制一次，其他岗位也能调。
但 Skill 放在哪，和哪个岗位来调它，要分开写，每个岗位的职责还得单独写清楚。
02/ 07
Skill 先在 Claude、Codex 打磨，再交给 AI 员工
更建议大家在 Claude 或者 Codex 里面写好 Skill，并实际打磨过之后，再给里面的 AI 员工使用。
相当于把 SOP 梳理好之后给新员工，入职就可以直接调用。如果让一个新员工面对空白直接干，效果反而不是很好。
▲ 本地打磨 Skill，跑顺了再交给 AI 员工
本地 Agent 的好处，一个是能指定模型，再一个是用 Plan 模式能磨得更细。还要反复改的留在本地，跑顺了、要一直跑的交给云端。
模型、流程、分工最好别一次全换，不然结果不对都不知道是哪出的问题。
光有 Skill 还不够，岗位背景也得给。我新建一个写作 Bot 的时候，说明是空的，它一上来就问我写给谁看、读者是谁，把自己当新人走了一遍入门问答。
我把说明补全以后，它才直接开始干活。
所以建 Bot 的时候，服务谁、负责哪一段、结果交给谁，一次说完整。
03/ 07
按功能拆岗位，名字给人看，边界单独限制
谁派活、谁收结果、谁拍板，都得写清楚。我更建议先理顺工作流和交接关系，再放 Skill。
岗位按功能拆，先看哪些工作值得单独有人负责，不用照搬我这 12 个岗位。
举个例子。一开始关于亚马逊的财务分析归在数据分析里，广告分析散在数据分析和流量策略里。
我自己觉得广告投放和财务测算这两块非常重要，10 月 10 日就把它们从数据分析里拆了出来，各交给一个机器人。
广告每周甚至每天都在做，能一直攒经验；利润是我最看重的，财务要干净，利润分析要严，运营动作得拿它做依据。
给机器人起名字，主要是方便我们自己认、方便派活。每个岗位还得单独写说明，讲清楚能做什么、能用哪些 Skill。
岗位说明要写清：负责到哪一步、交给谁、向谁汇报、什么时候停下来问人。尤其是分析完以后，能不能接着执行。
我们岗位说明里真实写着的几条边界：
合理烧钱的广告投手：绝不写广告后台，不改出价、不改预算、不加否词、不建广告活动，所有动作只进待批清单。
懂用户的文案高手：只出草稿，不上线任何正式内容。
上架前找机会的海盗：买家账号只看，不下单、不加购、不留评、不提问，避免被亚马逊的反爬机制抓到死掉这个买家号。
▲ 岗位按功能拆，边界单独写清
一个岗位可以用好几个 Skill，同一个 Skill 也能借给不同岗位用，没必要一个 Skill 建一个 Bot。
还要提醒一句：大家共用一台云电脑，岗位说明里写的边界只是约定，不等于技术上隔开了。要人最后把关的地方，写进交接关系里，别只写在总提示词里。
04/ 07
用 1+N 做单入口，少开机器人群聊
刚开始先按「单个／相似任务＝一个机器人」跑通，确认能从一个入口拿回完整结果。真有交接的需要了，再搭完整的组织架构。
基础框架分好以后，我推荐用「1+N」。你只跟一个统筹机器人对话，由它去调度其他分工明确的机器人，再把结果收回来。
要你补信息、做决定的事，也从这个入口回到你这里。
▲ 我只跟船长对话，船长汇总待批清单
比如我们的诊断链：出海船长派单，运营数据分析大佬做诊断，再按问题分给广告投手、财务或供应链，最后船长汇总待批清单，我逐条批。
Grok 本身的机制挺适合群聊，但我尽量不用群聊，Token 消耗太大。派活、交结果，都按 1+N 走。
比如出海船长某天的两条：早上它把每日前台巡检汇总给我；我回一句「先把广告冲突需要我看下 那个先重新发我一下」，它就把广告规则冲突待批清单发过来，5 处冲突每处都附了它的建议，让我在文档里批注或者直接回「照建议」。
▲ 出海船长汇总派单
05/ 07
让 Grok 调外部 Agent，模型按任务分层
我主推两条路。
第一条，你已经订阅了本地 Agent，额度也够，就直接让 Grok 调。
我自己用的是 Codex 200 美元订阅，在云电脑上装 Codex CLI，配好授权。说是「本地 Agent」，其实装在云电脑上也能跑。
Grok 自己能在云电脑上写代码、跑代码，但重活和要审的代码，我还是交给 Codex 或 Cursor。
第二条，直接调 Cursor 云端 Agent。
原本是推荐大家通过订阅 Cursor 再去调用 Grok Bot，但是订阅机制刚发生了比较大的变化，这里就先不额外展开了。
只是先提醒一下，过去已经订阅 Cursor 的朋友先不要随便升级或切换，原本老的订阅方式还是可以通过 Grok Bot 调用云端 Cursor，再指定去使用 Opus。
新朋友就先从能用 Grok Bot 的最便宜套餐试用起来。
Grok 会按任务自动用到 Opus 5.5，但不能手选。要指定模型的活，我建议交给外部 Agent 去做。
模型我也建议分层：
取数、清洗、写表、核对，用 Bot 默认模型。
分析、归因、策略判断，交给手上能用的顶级模型。
▲ 模型按任务分层，需要指定模型的活交给外部 Agent
Pi Agent、DeepSeek Harness 配国产模型，也可以当备选。但这两条我自己没跑过，就不展开了。
比如有一次给公众号文章配图：Grok 在云电脑上发给我一个 Codex 设备登录代码，我在 OpenAI Codex 设备登录页输完、说一声「已登录 Codex」。
它验证完登录、配好生图环境，就开始用我的 Codex 订阅生图，配图排版机器人接着干。
▲ 外接 Codex，登录后继续生图
06/ 07
接飞书 CLI，把交付落成云文档
接上飞书 CLI 以后，就可以让 Bot 把做出来的东西直接写成飞书云文档。
我看重三件事：能人工批注、实时反馈，有独立链接，文件尽量留在公司内部。
云文档的链接也可以直接发给本地 Agent，让它接着处理。谁能看，按公司的权限来配。
▲ 飞书云文档卡片
07/ 07
接知识库，让手机收来的资料进入工作流
我接的是 GBrain 这个开源项目（YC的Garry Tan做的一个项目，这里就暂时不展开了），换成其他能云端访问、自带 MCP 的知识库也行。
我建议按这个顺序接：手机收集 → 入库 → 按任务分给相关岗位。
比如在手机上看到卡兹克的一篇公众号文章，我直接把链接发给 GBrain 知识库机器人，说一句「学习一下然后沉淀到知识库」，它读完后存成一张待审页。
▲ 手机发文章，沉淀到云端的知识库
先想清楚谁要用、这次调哪些内容，别把所有文章塞给所有 Bot。
也不用重新建一套知识库，已有的资料能被云端访问、能被 Agent 调用，就先接现成的。
写在最后
抛砖引玉给一些刚折腾 Grok Bot 的朋友一些小技巧的分享。
如果你也在折腾 Grok Bot，也非常欢迎大家指来群里一起交流！！！
