JeanzXiang

日常探索AI工具ing 👨‍💻
打造一个与AI深度共创的生活 🏂
欢迎大家分享自己的经验～🌸

[JeanzXiang @JeanzXiang]

@xiaomovps 这套工作流和自己在电脑前操作cursor比，写出来的代码平均质量如何？

[JeanzXiang @JeanzXiang]

借助 HarnessRouter，每个外部CLI都可以使用自己的框架、模型、工具、技能和代理循环，而 Grok 则在一个对话中协调整个项目。

[Avi Chawla @_avichawla]

Insane Grok @bot upgrade!

Finally, you can connect Grok Bot to different agent harnesses and run tasks through their native runtimes.

Devs just open-sourced HarnessRouter, the infrastructure layer that lets Grok Bot run tasks across:

- Codex
- Hermes
- Claude Code
- DeepSeek Harness
- System One, powered by Jev
- Pi, and 20 more

GitHub repo: https://t.co/4y6zJShd2W

(don’t forget to star it ⭐)

With HarnessRouter, each external specialist gets to use its own harness, model, tools, skills, and agent loop while Grok coordinates the project from one conversation.

I tested this by asking Grok Bot to turn a support-ticket CSV into an interactive dashboard.

Grok Bot assigned the analysis to DeepSeek Harness with Claude Sonnet 5.5, passed the output to Codex with GPT-5.5, and checked the finished dashboard in its browser.

This differs from simply creating more Bots. These workers are not additional Grok Bots, and Grok Bot itself does not switch harnesses.

Instead, it remains the coordinator while the delegated tasks run inside separate HarnessRouter sessions with the harness of your choice.

So for another task, you can use Claude Code, Hermes, Pi, etc., without requiring a separate integration for task execution, sessions, streaming, and generated files.

HarnessRouter standardizes all those operations through the Unified Harness Protocol (UHP).

UHP handles sessions, streaming, files, cancellation, and failures through the same interface, regardless of which harness runs the task.

I shared the GitHub repo above.

And if you want to dive deeper into Grok Bot, I wrote about it in full in a masterclass, including the shared computer, memory, skills, routines, and the macOS setup.

Read it below.

[JeanzXiang @JeanzXiang]

@JasonPang0720 用类似状态机的思路，把任务元信息都维护进表格，执行计划、进度、成果……这些齐了，很容易判断出卡点。

[JeanzXiang @JeanzXiang]

别把 Grok Bot 当聊天窗口用，要搭成一支「一人公司」的云端团队：
1、别单聊，建军团。
2、落盘才算交付。
3、知识库走单向流水线，别碰双向同步插件。
4、Tailscale 的真正用处不是回家读 NAS。
5、Skill 就是数字员工的 SOP。
6、混合调度治额度焦虑。
7、建自动化触发。
8、人的位置只在两头：一头是输入最原始的个人观点，另一头是最终拍板与验收。

一句话工作流概括：幕僚长 + Bot 军团 + 飞书多维表格落盘 + 卡片交接。

[Jacky无限生长 @Jackywxsz]

https://t.co/AUts6K72Sw

[JeanzXiang @JeanzXiang]

Today Ai 的UI设计真的很漂亮，特别适合展示进度类的东西。

我现在让它每天上午推送一次我的各类数字订阅，提醒自己做好成本管理。

X Premium+、Claude Pro、VPN、Google AI Pro等的花费、哪项还剩几天、哪项快到期要决策，一眼就清楚。

尤其是AI订阅，上午起床后弹一次脸前，看看哪些工具得抓紧用，别白白浪费了额度，这个太实用了。

[JeanzXiang @JeanzXiang]

@KinGao476942 @bot 帮我把这 8 个仓库整理成一张表：按照各自适合什么场景、各自特色、难易程度、需要准备什么、难易程度整理好。

[Kin @KinGao476942]

卧槽……Jacky 总结的七个 Grok @bot 用法真的非常实用！推荐大家尝试：
1. 别单聊一个 Bot，建军团
2. 产物落盘才算交付
3. 一定要打通你的知识库
4. Tailscale 的真正妙用，本地云端协同作战
5. 用好 Skill，是 Grok bot 云员工的“利剑”
6. 混合调度，彻底告别额度焦虑
7. 别当催活包工头：建立自动化触发机制
8. 人机边界：人类核心就抓两件事，详情可以看 Jacky 老师文章学习📖

[JeanzXiang @JeanzXiang]

@staley_leo https://t.co/6Wb2bM3MxE
Tag，我用了几个月了，虽然贵，但是任何时间都超级稳定，节点非常多，也有家宽节点（不是广告，真是自己在用）

[JeanzXiang @JeanzXiang]

@cgnot996 恭喜铁柱老师！长沙11月份有分享交流会吗？一定来听！

[JeanzXiang @JeanzXiang]

@fankaishuoai 同感，我现在每天都想着为各种场景构筑机器群聊，自动化跑起来的那一刻真的不亦乐乎。

[JeanzXiang @JeanzXiang]

为项目更新了一个非常危险的claude.md提示词，希望A/手下留情🙏🙏🙏

[JeanzXiang @JeanzXiang]

越看越兴奋，非常棒的复盘总结，从理论到实操全方面覆盖，先狠狠收藏起来！

[Kin @KinGao476942]

https://t.co/I2xz8XXcBq

[JeanzXiang @JeanzXiang]

@EianLu 蹲一手，看看结果如何，我最近也想升级

[Squ @Lerr1uqs]

@hzqsns 其实有办法捏，你叫它每次写完代码后出一个可视化的前端讲解图而不是普通的markdown，结合pele之类的渲染组件，能把体系结构，内存表示，组件关系，时序流程这些展示的透透的。未来的核心竞争力就是设计和理解了

[JeanzXiang @JeanzXiang]

@lencx_ 是的，看完之后我都很诧异，正常第一反应，不应该是用工程思维去解构问题，研究使用技巧嘛，爆粗话污染上下文这个我是真的理解不了，难以想象这是一个中文AI圈头部账号的产品使用水平。

[JeanzXiang @JeanzXiang]

1、让cli尽量用headness纯命令的方式去执行，会减少很多由于决策无法回显导致的超时问题；

2、grokbot派发任务的核心问题在于，你和他交流时的提示词，和它最后给codex cli的提示词不一定是一套，这可能就会造成关键信息遗漏，以及提示词质量下降等问题，所以需要尽量把整个工作流阐述清晰，确保grokbot只负责传递，而不去污染高级模型的思考过程和成果质量，所以整个任务派发过程，也是需要harness的，这才是关键。

这篇是我自己的 Engineering Team（Grok Build / Antigravity / Codex 三个 Runner）的派发协作流程，这是我的提示词

**角色**
- 你：提需求、确认 brief、确认计划、验收结果
- Elon Musk：写 brief、存文件、派发、跟进
- Runner：只用各自绑定的 CLI（`grok` / `agy` / `codex`），在各自工作目录里执行，回执汇报

**派发步骤**
1. 你提出任务（可以说派给哪个 Runner，或不指定由 Elon 建议）。
2. Elon 写成十项 brief：0 用户原话、1 做什么、2 不做什么、3 看哪里、4 能动哪里、5 什么不能碰、6 何时停下来问、7 怎样算做完、8 结果写到哪、9 回执要什么。brief 只写任务本身，不塞「必须附日期」这类方法论规矩。
3. 你确认 brief（可改）。
4. Elon 原样存为 `/workspace/<runner目录>/<任务名>/brief.md`，只把路径和 sha256 发给对应 Runner，不在聊天里复述全文。
5. Runner 在群里贴出精确计划和将要给 CLI 的提示词，等你点头（含修图/返工轮）。
6. 你 OK 后，Runner 让 CLI 读 `brief.md` 执行（不重写 brief；默认不用一次性会话，方便 `/resume`）。
7. 跑完回执：完成/阻塞/失败、改了哪些文件、验证方式、会话编号、自主决策清单（CLI 自己做了哪些选择、备选、原因）。

**改需求**
中途改要求就存新版本，例如 `brief.v2.md`，再派一版，不覆盖旧 brief。

**边界**
只有这三个云端 Runner 走这套 brief 流程。日常功能型 bot，不走 brief。

[JeanzXiang @JeanzXiang]

@Loulanyun007 @cheery9998 @AdrianPunk115 目前只验证过通过分享链接是可行的

[FomskyWei @Fomsky_Wei]

@huangyun_122 https://t.co/Gtg70CHFUz

[JeanzXiang @JeanzXiang]

@cheery9998 @AdrianPunk115 哈哈，好！我沉淀一下！！