Grok Bot Galaxy 第三天（第 13/40 段） ☕ Buy me a coffee

🧑‍🏫 這段是 72 小時連續直播第三天的片段。團隊現場讓好幾個 AI bot 分工，把「收玩家回饋→分類→重現 bug→修正→驗證」串成一套自動流程，中間插播 Nokia 用 Cursor 的實際案例。影片的重點不是教寫程式，而是教你怎麼安排 AI 分工，以及怎麼確認它真的做對。

• 142:24 請 dr. Eggbot 建立一個 bot 來分類（triage）玩家回饋，並和 play tester bot 合作重現 bug，確認後在 Notion 開 issue
  ↳ 請 dr. Eggbot（bot 就是會自動做事的 AI 程式）再做一個 bot 負責 triage，也就是把玩家回饋分類、排出優先順序。確認 bug 是真的以後，才到筆記工具 Notion 開 issue（待修問題單）。
• 142:24 講者說可以看到這座「工廠」開始成形
  ↳ 一個 bot 生出另一個 bot，大家各做一段、接力完成，就像工廠的生產線自己在跑。人主要負責設計流程。
• 143:02 新 bot 叫 crumble，正在逐一看回饋，已找出 P0 問題：畫面全白、棋盤格變空、排名與 Elo UI 沒有即時更新
  ↳ 新 bot 叫 crumble，已經找出 P0，也就是最嚴重、要馬上修的問題：畫面全白、棋盤變空，還有排名和 Elo（西洋棋常用的實力積分）沒有即時更新。
• 143:02 依 bot 的建議，把 Cursor 邀進 Slack 頻道
  ↳ bot 建議把 Cursor（寫程式用的 AI 工具）拉進 Slack（團隊聊天軟體）的頻道，讓它跟其他 bot 在同一個地方一起工作。
• 143:37 語音輸入按鈕壞掉，改成一邊打字一邊口頭說明
  ↳ 直播出了小狀況：語音輸入壞了。講者只好一邊打字下指令給 bot，一邊口頭跟觀眾說明自己在做什麼。
• 143:37 有了 triage 流程後，crumble 這個 triage agent 要和 tater 合作，開始修正已確認的 bug 和 issue
  ↳ 分類流程建好後就開始修。負責分類的 crumble（它是一個 agent，也就是能自己規劃、執行任務的 AI）會和另一個 bot tater 搭檔，只修已經確認過的 bug。
• 144:08 討論要不要用 Potato mode 開 full autopilot，決定試試看
  ↳ Potato mode 是他們系統裡的一種模式，可以開 full autopilot，讓 bot 全自動修 bug，不用人一步一步批准。講者猶豫了一下，決定試試看。
• 144:44 遊戲已經上線，絕對不能把遊戲弄壞，所以一定要用 slash verify 這個 skill 嚴格驗證成果；另外還有 swarms skill
  ↳ 遊戲已經有真的玩家在玩，改壞比不改更糟，所以一定要用 slash verify 嚴格檢查。skill 指 bot 會的現成能力；另外還有 swarms 這個 skill。
• 145:18 讓 bot 用 p-stack 裡的 skill 協作；一定要先重現問題，能重現 bug 才能相信 agent 真的理解問題
  ↳ p-stack 是一組 skill 的合集。鐵則是先重現問題：bot 能讓 bug 再出現一次，才證明它真的懂問題出在哪，不是亂猜亂改。
• 145:18 另外找 hash brown 負責檢查：確認 triage 做對了，triage bot 也真的看懂使用者的回饋
  ↳ 再派一個叫 hash brown 的 bot 當檢查員，確認分類沒有弄錯，也確認分類 bot 真的讀懂玩家在抱怨什麼，免得一開始就誤會、修錯方向。
• 145:55 以上都確認後，才進行 full autopilot 修正並啟動 verification swarms
  ↳ 順序很重要：分類正確、bug 能重現、理解沒有偏差，這幾關都過了，才放手讓 bot 全自動修，再派一大群 bot 去驗證修好的結果。
• 146:26 p-stack 的 swarms skill 教 bot 在 Cursor 開很多 cloud agent；每個 agent 有自己的電腦，跟 Grokbot 的電腦分開
  ↳ swarm 是「一群」的意思。這個 skill 教 bot 在 Cursor 開很多 cloud agent，也就是跑在雲端的 AI 助手，每個都有自己的電腦，不佔用主系統 Grokbot 那台。
• 146:26 這些 cloud agent 會在自己的機器上執行遊戲，實際到處點、測試，並做 fuzz
  ↳ 這些雲端 agent 會各自把遊戲開起來，真的去點、去玩，也會做 fuzz 測試。等於同時有很多台電腦在幫忙試玩。
• 146:59 fuzzing 是指像真正的重度使用者一樣操作 app：每個按鈕都點、每種邊界情況都試，想辦法把遊戲弄壞
  ↳ fuzzing 就是故意亂玩：像最愛找碴的重度玩家，每個按鈕都按，極端的狀況都試一遍，目的就是找出哪裡會壞掉。
• 146:59 交給 bot swarm 做 fuzzing，人就不用自己坐著點；不過團隊還是會繼續自己做 human fuzzing，也會用這種方式找到很多問題
  ↳ 交給機器去狂點，人就省下大量時間。不過團隊沒有停止自己動手測，人親自亂玩（human fuzzing）一樣能抓到很多問題。
• 147:38 講者強調把資料都串到 Grokbot 很重要：Grokbots 已接上技術堆疊，包括 versell（字幕原文）、planet scale 和 Slack 的使用者回饋
  ↳ bot 要能自己判斷，前提是看得到資料。Grokbot 已經接上產品用到的各種服務，包括字幕寫的 versell、資料庫服務 PlanetScale，還有 Slack 裡的玩家回饋。
• 148:13 外部資料匯進來整理後，會餵給負責所有工程工作的 inner loop；兩個 loop 合在一起運作，才能形成完整的循環
  ↳ 可以想成兩個圈：外圈收集、整理回饋和線上資料；內圈 inner loop 負責寫程式、修東西。外圈把資料餵給內圈，兩個圈接起來才是完整的循環。
• 148:13 講者說這套流程還需要大量微調，會請 dr. Eggbot 協助設計
  ↳ 講者坦白這套流程還很粗糙，要一直調整，連怎麼調整都打算請 dr. Eggbot 幫忙規劃。
• 148:46 理想是完全自動化：bug 自動修好、遊戲持續變好，不用人一直盯著，人就能專心做功能和打磨細節
  ↳ 最終目標是 bug 自己被修好、遊戲自己越變越好，不用人一直盯著。人就能把時間花在做新功能、打磨細節這些更需要判斷力的事。
• 149:16 另一位講者認為要花時間把系統建好，設計 bot 和 agent 之間怎麼溝通，之後的槓桿效果會很大
  ↳ 另一位講者說，前期花時間設計 bot 和 agent 之間怎麼傳話、怎麼分工，雖然比較慢，但之後一個人能帶動的產出會放大很多倍。
• 149:16 講者說趕進度時最難的就是停下來建系統，但這樣做回報很大，Lauren 建的這些 bot 就是例子
  ↳ 趕進度的時候，最想做的是直接動手修，要停下來建系統很難忍。但回報很大，Lauren 做的這些 bot 就是證明。
• 149:52 進度更新：現在是太平洋時間上午 11 點多，72 小時直播的第三天，正從零打造遊戲工作室，第一款遊戲是 ThursdayArena.com
  ↳ 進度報告：現在是 72 小時不間斷直播的第三天，太平洋時間上午 11 點多。他們正從零開始成立遊戲工作室，第一款遊戲是 ThursdayArena.com。
• 149:52 官方管道只有 ThursdayArena.com 和 X 上的 @ThursdayArena，其他帳號都不是官方的
  ↳ 防詐提醒：官方管道只有網站 ThursdayArena.com 和 X 帳號 @ThursdayArena，其他自稱官方的帳號都不是。
• 150:26 已經做出會把回饋送進 Slack 的頻道，讓 bot 讀這些訊息；Vincent 預計 11:15 加入，討論怎麼賺錢
  ↳ 玩家回饋已經會自動送進 Slack 頻道，讓 bot 直接讀。Vincent 預計 11:15 加入，一起討論這款遊戲怎麼賺錢。
• 150:26 整天都會持續修 bug，請觀眾繼續回饋；接著先插播一段影片
  ↳ 今天會一直修 bug，請觀眾遇到問題就繼續回報，因為這些回饋就是整套自動流程的材料。接著先插播一段影片。
• 151:03 要開始思考怎麼讓這款遊戲不只是玩具，而是真正的生意
  ↳ 做出好玩的東西只是第一步，能養活團隊才是關鍵。他們開始思考商業模式，要讓遊戲從玩具變成一門生意。
• 151:36 插播影片：Nokia 某產品開發部門的產品與工程 SVP Kal De 說，他們想把 Cursor 當成 agentic 平台，針對每種工作導入依角色分工的專用 agent，和目前做這份工作的人合作
  ↳ 插播：Nokia 某產品開發部門的產品與工程 SVP（資深副總）Kal De 說，想把 Cursor 當成 agentic（讓 AI 自主做事）平台，每種工作配一個專屬 agent，和原本負責的人搭檔。
• 151:36 Kal De 表示，迭代循環變快會直接影響客戶的經濟效益：降低單位成本、提升客戶滿意度
  ↳ 迭代就是「改一版、測試、再改」。這個循環跑得越快，客戶越直接受惠：單位成本變低，滿意度變高。
• 152:06 也能更快強化網路的韌性、可靠度和安全性；Cursor 的 agent 大幅加快分析，還能得到原本拿不到的洞察
  ↳ 放到電信網路上，就是能更快讓網路更耐用、更穩定、更安全。AI 分析比人快很多，還能看出以前人工看不到的線索。
• 152:06 Kal De 說他們已經破釜沉舟，今年（不是明年）的計畫和目標都押在這件事能成功
  ↳ 破釜沉舟就是不留退路。他們不是等明年才試，而是今年的計畫和目標就押在這件事會成功，可見決心很大。
• 153:10 原本需要客製工具、十幾位專家花好幾個月的分析，用 Cursor 兩個人大約兩週就完成了初步分析
  ↳ 差距很大：原本要自己做工具、十幾位專家花好幾個月的分析，改用 Cursor 以後，兩個人大約兩週就完成初步分析。
• 153:10 遇到影響客戶或用戶的缺陷時，可以對大量 service request 用 Cursor 大幅加快根本原因分析，這類例子越來越多
  ↳ 客戶遇到故障會開 service request（服務請求單）。單子一多，用 Cursor 做 root cause analysis（找出問題真正的源頭）會快很多，這類例子越來越多。
• 153:41 下一步想把 Cursor 當成多 agent 部署與協調的平台，工程師和架構師的角色會變成監督那些呼叫工具、大規模執行工作的 agent
  ↳ 下一步是讓很多 agent 同時分工合作。工程師和架構師不再自己做每一步，而是當監工，看著 agent 使用各種工具、大量執行工作。

影片中講者說他們在 xAI 講的「fuzzing」是什麼意思？