Grok Bot Galaxy 直播：第 1 天（第 31/44 段）

🧑‍🏫 這段是 Grok 直播第一天的產品介紹，講 Grockbot 背後的想法：AI 不該只是一問一答的聊天機器人，應該像一個能自己動手的同事。講者用產品經理的日常工作舉例，還示範了一整組分工好的 AI 團隊成員。如果你已經習慣用 AI，但覺得它只會丟一堆文字回來，這段能讓你看懂下一步的 AI 會怎麼工作。

• 358:05 （本段字幕多拼為 Grockbot）現有工具各自很強，但常常要靠同事或自己把它們串在一起
  ↳ 你手上的 AI 工具可能各有專長，但查資料、寫文件、做圖常分散在不同工具裡，最後還是要靠你或同事手動把結果接起來。影片字幕多拼成 Grockbot。
• 358:05 好同事的特質一：有長期累積的 context，會在工作中學習，不是做完一個任務就丟掉再換下一個
  ↳ 第一個特質是「記得住」。context 指做事需要的背景知識，例如公司怎麼運作、誰負責什麼。好同事會一路累積這些，不像一般 AI 每次聊天都從零開始。
• 358:35 好同事一開始可能沒什麼公司 context，你教他做事、給回饋（例如「那樣不太好」），他吸收回饋後越做越好
  ↳ 新人剛來不懂公司很正常。你告訴他「這樣寫客戶會看不懂」，下次他就會改。重點在回饋會被記住，他才會越做越上手。
• 358:35 團隊認為這個模式也適用在 agent：模型已進步到能自己建立記憶、判斷什麼重要、並吸收回饋
  ↳ agent 指能自己動手完成任務的 AI，不只是回答問題。團隊認為現在的模型已經能自己判斷該記什麼、把你的回饋存起來，所以可以像帶新人一樣帶它。
• 358:35 特質二（講者說這點很重要）：獨立性。好同事能自己執行、自己完成任務，而且有自己的存取權限
  ↳ 第二個特質是能自己把事做完。好同事不用你每一步都盯著，而且有自己的帳號和權限，能直接進系統做事，不必每次都借你的帳號。
• 359:05 偶爾同事會卡住來求助（例如卡在某個系統的存取權限），但能獨立作業是同事的關鍵特質之一
  ↳ 同事偶爾會說「我進不去那個系統，可以幫我開權限嗎？」，這很正常。重點是他大部分時間都能自己搞定，真的卡住才來找你。
• 359:05 這就是 Grockbot 要有「自己的電腦」的原因，而現在產品就是這樣運作
  ↳ 為了讓它能獨立做事，Grockbot 有一台自己的電腦，可以在上面開程式、跑工具，不只是在對話框回你文字。講者說產品現在就是這樣運作。
• 359:36 Grockbot 在自己的電腦上作業、產出你要的成果；它卡住時，你可以在那台電腦上幫它
  ↳ 它在自己的電腦上做事，做完把成品交給你。遇到登入或權限這類卡關，你可以直接到那台電腦上幫它處理，就像走到同事座位旁幫忙一樣。
• 359:36 特質三：傳訊息。聊天框這個核心前提仍然合理，但一問一答輪流等待的方式讓人覺得受限
  ↳ 第三個特質是溝通方式。用打字聊天交代事情還是合理，但現在多數 AI 都要你問一句、等它答完才能再問，這種輪流等待讓人綁手綁腳。
• 360:06 跟同事聊天時常是連發訊息、在不同 thread 間切換、多工處理（像在 Slack 上那樣）
  ↳ 跟真人同事傳訊息時，常常一次連發好幾則，在不同 thread（針對某個主題的討論串）之間切換，像在公司通訊軟體 Slack 上同時處理好幾件事。
• 360:06 團隊發現：不用等輪到自己，可以隨時插話、打斷、主導，這樣跟 agent 互動更有參與感
  ↳ 團隊發現，不用等它回完才能說話，隨時可以補充、叫它停、要它改方向，會讓人覺得自己真的在帶它做事，而不是被動等答案。
• 360:36 目標不只是任何同事，而是模擬你合作過「最好的同事」：懂組織 context、能在工作中學習、能獨立做決定、不會一直等你
  ↳ 目標是做出你合作過最好的那種同事：懂公司狀況、邊做邊學、該自己決定的事就自己決定，不會事事回頭問你、等你回覆才動。
• 360:36 一句話定義：Grockbot 是一個有電腦的 agent，用起來像在傳訊息給同事
  ↳ 一句話總結：Grockbot 是有自己電腦、能動手做事的 AI，而你跟它溝通，就像在聊天軟體上傳訊息給同事。
• 361:07 兩大重點：一、它是能交付真正工作的 AI 隊友，帶回的是「結果」，不是一堆文字或問題
  ↳ 第一個重點是交出成果。你請它做事，它帶回來的是做好的東西，例如整理好的報告或改好的程式，而不是一大段建議或一堆反問。
• 361:07 二、它會把工作做完，需要核准時才回來找你；團隊認為這種互動方式更有生產力
  ↳ 第二個重點是它會自己做到底，只有需要你同意時才回來找你，例如寄信或上線之前。團隊認為這比一直來回問答更有效率。
• 361:38 示範情境一：attention list（注意力清單）。PM 常被很多專案和 context 拉扯
  ↳ PM（產品經理）負責決定產品要做什麼，並協調各方。第一個情境是 attention list（注意力清單），因為 PM 常常同時被很多專案和資訊拉著跑。
• 362:08 attention list 會整理你這個早上、這週、這個月在注意什麼，再跟你的優先順序清單做 diff，看出時間與焦點是否對得上團隊該完成的事
  ↳ 它會整理你這個早上、這週、這個月實際把心思花在哪，再拿去跟你的優先事項做 diff（逐項比對差在哪），讓你看出自己有沒有忙錯地方。
• 362:38 示範情境二：研究與建立客戶 context，包括了解使用者需要什麼、最大瓶頸、遇到的問題，並用新方式綜整資料
  ↳ 第二個情境是了解客戶：使用者要什麼、最卡在哪、遇到哪些問題。它能幫你蒐集這些資訊，再用新的方式整理成看得懂的結論。
• 362:38 將會談到把 Grockbot 用在資料科學、分析與產品相關的使用情境
  ↳ 講者預告接下來會示範把 Grockbot 用在資料科學與分析（從數據找規律、回答問題），以及產品相關的工作上。
• 363:08 示範情境三：交付（shipping）。講者說 2026 年的 PM 一定要專注在把軟體產品交付給客戶
  ↳ 第三個情境是交付（shipping），也就是把產品真正做出來、交到客戶手上。講者認為 2026 年的 PM 不能只寫規格，一定要專注在把東西送出去。
• 363:08 Grockbot 不只加速 PM，也能加速整個團隊
  ↳ 講者強調它加速的不只是 PM 一個人，而是整個團隊，因為工程、資料等不同角色的工作它也能接手。
• 363:08 內部數據：Grockbot 產出的 PR 佔已合併 PR 的「兩位數百分比」
  ↳ PR 是工程師提交程式修改、請別人審核的申請，合併（merge）代表正式採用。內部已合併的 PR 裡有兩位數百分比出自 Grockbot，講者沒給確切數字。
• 363:38 在產品組織內，Grockbot 也讓產品人員能把 PR 發到正式環境（production）
  ↳ 在他們的產品部門，連不寫程式的產品人員也能透過 Grockbot 把修改推上 production，也就是使用者實際在用的正式環境。
• 363:38 團隊成員 Kora：chief of staff，能存取你的 email、行事曆，也可能監聽 Slack 訊息，藉此建立「你這個 PM 怎麼工作」的模型
  ↳ Kora 是 chief of staff（主管的幕僚長，幫忙打理行程與事務），能讀你的 email、行事曆，可能也會看 Slack，藉此摸清你這個 PM 怎麼工作。
• 364:08 Emily：engineering manager，被訓練成不自己寫程式，只管理一組工程師
  ↳ Emily 是 engineering manager（工程經理，也就是帶工程師的主管）。她被設定成自己不寫程式，專心管理一組工程師。
• 364:41 Emily 管理 5 個工程 agent；你把大塊工作交給她，由她拆解、分派，並對工程 agent 的產出跑驗證迴圈（verification loops）
  ↳ Emily 底下有 5 個寫程式的 agent。你把大任務交給她，她會拆成小塊分派出去，再用 verification loops（反覆檢查成果，有錯就退回修）確認品質。
• 364:41 Ashley：負責資料科學與分析，能回答資料問題
  ↳ Ashley 負責資料科學與分析，跟數據有關的問題都可以問她。
• 365:12 以前臨時想到點子得自己寫 SQL、找可信資料來源；現在傳個訊息給 Ashley 就能拿到答案、圖表或資料綜整
  ↳ SQL 是從資料庫撈資料用的查詢語言。以前臨時想驗證一個點子，得自己寫 SQL、找可信的資料；現在傳個訊息給 Ashley，就能拿到答案、圖表或整理好的資料。
• 365:12 PM Pete：產品團隊的可靠助手，能起草產品需求文件（PRD）、綜整客戶與使用者洞察、處理日常較基層的產品工作
  ↳ PM Pete 是產品團隊的助手，能起草 PRD（產品需求文件，寫清楚要做什麼、為什麼做），整理客戶和使用者的意見，處理日常較基層的產品工作。
• 365:44 Pixel：設計師，用如何成為世界級 AI 設計師的建議訓練過；講者說只要用對方式下指令，AI 設計也能做得很好看
  ↳ Pixel 是設計師，團隊用「怎麼成為世界級 AI 設計師」的建議訓練它。講者認為只要指令下得對，AI 做出來的設計也可以很好看。
• 365:44 Pixel 載入了大量網路上最新、最好的觀點，教它如何成為 S tier 設計師
  ↳ 團隊把網路上最新、最好的設計觀點都餵給 Pixel，教它達到 S tier，也就是網路用語裡「最頂級」的等級。
• 366:14 Rey：招募人員，協助找人才（sourcing）和管理招聘流程，適合產品主管或正在擴編團隊的人
  ↳ Rey 是招募人員，負責 sourcing（主動找出適合的人選）和管理招聘流程，適合產品主管或正在擴編團隊的人。
• 366:46 這些只是示範用的角色；你可以自行組建團隊，決定哪些角色對你和產品團隊最有幫助
  ↳ 以上角色都只是示範。你可以依自己和團隊的需要，決定要組哪些 AI 成員，不必照抄。
• 366:46 很多人會建立多個 agent。原因一：agent 的 context window 可以裝下整本小說，但人腦記不住，所以按角色分工，你比較容易知道該找誰
  ↳ 為什麼要開好幾個 agent？context window 是 AI 一次能記住的內容量，大到能裝下整本小說；但你記不住每個 bot 在做什麼，按角色分工才知道要找誰。
• 367:16 例如一個負責資料的 bot 可能做五個資料人員的工作；知道各自的角色，就知道某個任務要找哪個 bot
  ↳ 例如一個管資料的 bot 可能抵得上五個資料人員。你清楚每個 bot 的角色，遇到任務就知道要交給誰，像報帳就知道找會計。
• 367:47 角色有時會重疊，這沒關係；bot 之間也能互相溝通，在 channel 裡協調工作
  ↳ 角色有點重疊也沒關係。bot 之間可以互相溝通，在 channel（像群組聊天室的共用頻道）裡自己協調分工。
• 367:47 原因二：bot 的記憶範圍縮小時表現會更好。bot 被指定為特定角色時，持續學習的迴圈運作得更好
  ↳ 第二個原因：bot 只專注一種角色、要記的範圍小一點時表現更好，邊做邊學的效果也比較好，不會什麼都記、全部混在一起。
• 368:18 原因三：比較好玩，也比較容易平行處理。內部常見做法是同時發訊息給 6 個 bot，讓它們各自去做，再回來綜整結果
  ↳ 第三個原因：比較好玩，也方便同時開工。他們內部常一次傳訊息給 6 個 bot，讓它們各做各的，最後再把結果收回來整理。
• 368:18 就像開會時分派行動項目，大家各自完成後再一起綜整出計畫；這種方式也讓人比較清楚自己怎麼引導這些 bot
  ↳ 就像開完會每個人各領一份待辦，做完再一起整合成計畫。這樣做，你也比較清楚自己是怎麼指揮這些 bot 的。
• 368:49 現場調查：約 80% 的人用過或已安裝 Grockbot
  ↳ 講者現場問了一下，大約八成的觀眾已經用過或裝了 Grockbot。
• 368:49 介面導覽：左側是一排 bot，可以把 bot 釘選在最上方，也可以把 bot 分組成不同區塊（例如 leadership 區）
  ↳ 介面左邊是一排 bot，像聊天軟體的聯絡人列表。常用的可以釘選在最上面，也可以分組，例如把主管類角色放進 leadership 區。
• 369:20 示範的工程團隊 bot 有 Einstein、Eigor、Nova、Larry、Eileen；bot 也可以隱藏或取消指派
  ↳ 示範的工程團隊有 Einstein、Eigor、Nova、Larry、Eileen 這幾個 bot。用不到的可以隱藏或取消指派。
• 369:20 有 marketplace 可以把你用的工具接到 bot 上；團隊發現 bot 能存取工作相關的所有工具時效果最好
  ↳ marketplace 類似應用程式商店，讓你把平常用的工具接到 bot 上。團隊發現，bot 能用到所有工作相關的工具時，效果最好。
• 369:20 示範環境裝了 Notion、Slack、Figma、MCP、Gmail 等工具
  ↳ 示範環境接了 Notion（筆記與文件工具）、Slack、Figma（設計工具）、Gmail 和 MCP。影片沒解釋 MCP，它一般是讓 AI 連接外部工具的通用規格。
• 369:50 前面提到的 S tier design skill 也存放在 marketplace 裡，是設定的一部分；這些 bot 以團隊方式運作
  ↳ 前面說的 S tier 設計能力是一個 skill（可以裝給 bot 的一套做事方法），也放在 marketplace 裡，屬於設定的一部分。這些 bot 裝好工具和技能後，就以團隊方式一起工作。

根據影片，建立多個 agent 而不是只用一個，下列哪一項是講者提到的理由？