Grok Bot 的产品架构、单位成本与企业采用路径——xAI 团队 72 小时建公司直播要点梳理（Grok Bot Galaxy 三日直播，2026-09-22）

——据 xAI Grok Bot Galaxy 三日直播《Grok Bot Galaxy Day 1 in 4 Hours — 101, Engineering, PMs & Founders》《Grok Bot Galaxy Day 2 in 4 Hours — Sales Eng, Sales, SDRs & Support (Condensed)》《Grok Bot Galaxy Day 3 in 4 Hours — Marketing Ops, Post-Sales & Final Showcase》（2026-09-22）整理

摘要：本文对 xAI 在 Dreamforce 大会会场旁举办的 Grok Bot Galaxy 三日直播的主要观点进行了梳理汇总。直播由负责开发者体验的 Matt Palmer、负责产品的 Roshan 与 Grok Bot 负责人 Lauren 连续三天演示“用 Grok Bot 在 72 小时内建一家公司”，其间穿插 xAI 与 Cursor 员工面向工程、产品、销售、客服、营销等九个职能的主舞台演讲；本文梳理了 Grok Bot 的产品形态及其与 Cursor 在编排层和执行层的分工，介绍了定价口径、单位成本与企业采用路径，最后对平台现存短板与建公司实验的结果进行了阐述。据讲者介绍，中高复杂度客服工单的处理成本约为每张 1 至 2 美元，批量处理可降至约 0.2 美元；72 小时实验的 PR 编号累计至 274，全程未产生真实收入。

关键词：企业代理；编程代理；单位经济；按量计费；企业采用；Grok Bot；Cursor

一、产品形态与技术架构

据讲者介绍，Grok Bot 以长期保留的多 bot 团队为基本形态，每个 bot 配备独立的云端电脑，力图实现工作流的端到端完成。

（一）设计理念

售后场讲者 Blake 表示，产品界面“看着像 iMessage，我们确实抄了 iMessage”，左栏为一组职责固定、长期保留的 bot。101 场讲者 Roman 将设计决定归纳为三条。一是按工作单元建 bot，与按任务开新聊天的做法相对，bot 能够记住数周前用户提出的格式偏好。二是每个 bot 拥有自己的电脑，除调用 MCP 与 API 外，还能像人一样观看视频、收听播客、操作老旧的政府网站，他认为这决定了“做到九成”与“端到端做完”之间的差别。三是全部运行在云端，他指出现有 AI 工作流往往绑定在本地笔记本电脑上，凌晨两点的定时任务可能因合盖而无法触发。与此同时，营销场讲者 Josh Kim 表示用户“不用再开着笔记本或配一台 Mac mini”；工程场讲者 Lingxi 自述曾是 OpenClaw 等本地代理的重度用户，认为“它们做不好工程，因为缺一方集成”。

（二）技术实现与插件生态

技术细节主要在问答环节披露。一是运行环境方面，bot 的电脑为轻量级 Linux 虚拟机，同一账号下的多个 bot 共用一台虚拟机的文件系统，但各有独立记忆；记忆存放在 Grok Bot 内部的 S3 存储桶中，用户可口头要求其删除。二是密钥管理方面，1Password 一类的凭据通过客户端弹出的安全模态框录入，“不暴露给 xAI 一侧”，bot 无法看到密码。三是模板分享方面，bot 被分享为模板时带走记忆、指令与一方插件，不带聊天记录与敏感数据。

截至第三日，客户端已覆盖 iOS、iPad、Android、Windows、Linux 与 macOS，语音模式于当天宣布上线并在数日内推送。插件方面，Roshan 展示的列表包括 Slack、Vercel、X、PlanetScale、Notion、Clerk、Excalidraw、Remotion 与 1Password，AgentMail、Canva、Clay 即将上线，任意 MCP 地址均可直接安装。Lauren 认为，将用户已有的全部工具与插件接入 Grok Bot，其重要性甚至高于建 bot 本身。

二、编排层与执行层的分工

三日直播中，讲者对 Grok Bot 与 Cursor 之间分工的表述总体一致：Grok Bot 承担编排，代码工作交由 Cursor 云端代理（Cursor cloud agents）执行。

（一）分工安排

第一日，Matt 解释称，“Grok 是模型，然后有 harness……Grok Bot 很轻量……正经的工程工作我们会踢给 Cursor，Cursor 的 harness 很擅长写代码”。这一分工在各场演示中多次出现：一是销售工程场的技术专家 bot Sherlock“底下用的是 Cursor cloud agents”；二是营销场的网站运维 bot“底下是 Cursor”；三是第三日修复 bug 时下达的口令为“用 Cursor cloud agent 去调查，先别开 PR”。Lauren 的工作流是在 Grok Bot 中口述需求，再借助 Cursor 的插件与自动化功能编写代码、审阅 PR，她表示“Cursor 更像编码工具，Grok Bot 做知识工作的通用 bot，两者配合很好”。

（二）两家公司的关系与内部效率

讲者对 xAI 与 Cursor 的关系有多处直接表述。一是 Lingxi 自述“我加入了 Cursor，现在是 xAI 了，不到九个月已经发了两个产品”，此前负责 Cursor 3 的代理窗口，目前负责 Grok Bot。二是创始人场讲者 Shub 表示，与 Cursor 云端代理的一等公民集成“算是 Grok 与 Cursor 在一起的福利”。三是第二日主持全部工作坊的讲者自称“Cursor 的现场工程师”，其客户案例幻灯片均为“某公司如何使用 Cursor”。四是 Matt 表示自己入职时“正赶上这次收购”。五是客服场在回答定价问题时称，用量计入“你的 Grok 订阅或目前的 Cursor 订阅”。

内部效率方面，Lingxi 表示 Cursor 云端代理的自动化功能（automations）让“Cursor 团队几乎每个人都 10 倍了”。据其介绍，他一人用三周做出 Grok Bot 移动端首版，同时管理 15 个云端代理时已感吃力，Grok Bot 的用途之一即是替他撰写提示词、排队并督促这些代理。

三、定价口径与单位成本

Grok Bot 目前没有独立价目表，直播中的单位成本数字集中来自客服场景，成本控制则是各场市场与销售（GTM）演讲反复涉及的议题。

（一）定价口径

客服场被问及定价时的回答是：“用你通过任何 Grok 订阅或目前 Cursor 订阅拥有的用量，它只是跟踪用量。”三轮赠送活动均按同一口径表述，即“一个月免费，价值 200 美元，我们的最高档位”；第三日另提到，向排行榜前十名赠送“Grok Bot Ultra plans”需经内部审批。

（二）客服场景的单位成本

客服场讲者 David 披露了三组数字。一是按其目前用法，“回答中到高复杂度的工单大约每张 1 到 2 美元”。二是对低复杂度的计费类工单，先用脚本分桶、再批量回复，“可以压到每张 0.2 美元左右”。三是作为对照，“其他客服 agent 通常按解决量收费，至少 1 美元，一般在 1 到 10 美元之间”，人工成本则更高。他补充称，上述结果只是“花了半天调优”，并现场演示让 bot 在 Postgres 数据库中自建评估（eval）表与追踪（trace）表，记录每次回复所查阅的文件。

销售开发代表（SDR）场被问及“每天 50 条线索要花多少 token”时，讲者回答“很难说，取决于拉多少 Gong 通话与 Databricks 上下文”，并建议改为每周集中处理一次 250 条，未给出美元数字。

（三）成本控制做法

三场 GTM 演讲给出的成本控制建议主要包括五个方面。一是减少例程运行频次，曾有用户误设为每 15 分钟运行一次。二是直接调用专才 bot，减少由“总参谋”（chief of staff）bot 编排，以节省 token。三是“有 MCP 就别用计算机使用”，Gong、Granola、Salesforce 等已开箱提供。四是避免滥建 bot，SDR 场讲者表示“我一度有太多 bot，反而更乱”。五是指令尽量具体，“回复 Alex”一类的模糊指令会让 bot 拉取全部工单做字符串搜索，直接给出工单号则便宜得多。

Shub 对多 bot 群聊的提示是“它们会互相抢话，而且随着做的事越来越多会变得很贵”，建议少用群聊、按需 @ 相应 bot。销售场讲者 Mark 则表示：“我们用一方模型，这确实有助于降低成本。”

四、企业采用路径、权限护栏与运行短板

据讲者介绍，Grok Bot 在企业内部以自下而上方式起步、借助角色模板扩散，并配套分级权限与人工审批；问答环节亦披露了若干运行摩擦与功能缺口。

（一）部署路径与定位

销售场对企业标准化部署的描述分为三个阶段。一是起步阶段，“每个人装上 Grok Bot、先为自己建”。二是当前正在推进的变化，即登录时询问用户角色并预置相应模板。三是较成熟的企业由高阶用户（power user）搭建模板并向团队分发，“作为销售代表，我登进来就有这五个 bot”。Christa 将 Grok Bot 定位为“所有这些工具之上的编排层”，数据可能分布在 Databricks、Salesforce、Notion、Slack 等任一系统中，Salesforce 仍是权威数据源（source of truth）。

（二）权限护栏

各场对护栏的表述较为一致。一是权限分级开放，先授予只读权限，再开放写权限并要求人工审批，不同 bot 的权限相互隔离。二是企业管理员可限制 bot 访问的网站与下载行为。三是关键动作弹出审批，已授权的动作可改为“始终允许”（always allow）。四是营销场提到提供数据隐私模式，用户可选择数据是否用于训练，安全问题“逐案处理”。与此同时，Josh Kim 表示，“xAI 有工程师带着整队 bot 直接把代码推到生产”。

（三）内部用例与外部客户

xAI 员工介绍了多项内部用例。一是收入运营讲者搭建的“给线索用的约会应用”，客户经理（AE）左滑即结束线索并回写 CRM，右滑则进入跟进序列，“从想法到落地两周，实际构建时间约 10 小时”，其余时间用于培训销售人员。二是售后场讲者表示自己日常工作时间的 75% 用于会议，一个 Scout bot 替代了过去 30 至 40 个 Slack 频道，他只与一个总参谋 bot 对话，由其管理十个 bot。三是销售工程讲者每周需为 15 至 20 个客户制作案例幻灯片。四是 SDR 讲者每天处理 50 条新线索、其中 5 条为优先线索，在训练邮件文案语气时“对近期获正面回复的邮件加权，因为三个月前有效的东西现在完全不同了”。

外部客户案例仅一例：旧金山 Potrero Hill 街区的 Icon Coffee 让 bot 接入 POS 系统，找出数月间仅售出几份的菜单品项并予以下架，创始人估算每天可节省一至两小时。

（四）运行短板与功能缺口

问答环节中，讲者坦承了多项运行短板。一是验证码问题，销售工程场承认“我不是机器人”验证码当天已出现数次，“有时过不去”，建议企业直接屏蔽脸书（Facebook）等站点。二是稳定性问题，第二日早些时候“有一次故障”。三是登录态问题，演示中 bot 登录 Google Slides 时卡住，需人工代为登录；Karen Cheng 的首要功能请求即是“把登录管好”，虚拟机上的账号经常被登出。四是速度问题，Shub 承认“比 API 更快这个承诺有点难”，团队正在推进无头（headless）模式，即直接点击网页 DOM 元素、跳过“截图、判断、再点击”的循环，并同步推进模型加速。

功能层面尚待补齐的主要有五项：一是跨账号 bot 互通目前尚无法实现；二是人类进入 bot 频道协作的功能尚未提供，Peter Yang 就此问及“你们为什么还要用 Slack”；三是 API 密钥仍需手工创建；四是企业多人协同被两次问及，收入运营讲者表示“有东西我不能抢先宣布，但很快会有”；五是 Grok Bot 何时接入特斯拉（Tesla），两次回答均为“我不能回答”。此外，营销场澄清 OpenClaw 与 Grok Bot 并不原生互通，但提供模板导入功能。

五、“72 小时建公司”实验的过程与结果

三日实验经历了一次方向调整，随后上线一款依托直播流量的网页卡牌游戏，变现停留在设想阶段。

（一）方向调整与工程实践

第一日确定的方向是“快闪活动平台加自己在旧金山办一场”，当日收尾时 Lauren 已开始追问“这是不是该追的问题”。第二日开场宣布转向，Roshan 给出三点理由：一是“旧金山有很多限制与许可”；二是在直播上展示这类工作“不够有趣”；三是“我们让 agent 连夜跑了一遍，agent 告诉我们要转向”。团队随即改做游戏工作室，第一款游戏让观众将自己的 Grok Bot 模板铸造成卡牌并相互对战。

工程实践上以速度优先。一是原型阶段 Lauren 决定删除全部测试，理由是“agent 总体上不太会写测试，等知道要测什么再写”。二是代码直接推送至主分支（main）。三是第三日 Matt 的反馈去重 bot“设成 YOLO 模式，直接合并”，与 Lauren 的 PR 发生冲突。四是对于隔夜自动合并的 PR，Lauren 表示“老实说我完全没看代码”。

（二）上线数据与变现尝试

第三日上线的游戏 Thursday Arena 在收官时的数据如下（据 Vercel analytics，约自中午开启统计）：页面浏览约 1.7 万次，练习局 4500 局，X 账号登录近 2000 次，练习到登录的转化率约 8%，对战近 5000 场，移动端与桌面端约各占一半；流量主要来自 X 平台上的链接，每次回到直播时流量均出现小幅高峰。团队三日内共使用了“40、50、60 个 bot”，PR 编号累计至 274。值得注意的是，第三日上午一个游戏设计评审 bot 给出的结论是“这游戏对上线来说太难了”，新注册量在上午晚些时候开始放缓。

变现方面，团队设想了体育场横幅广告位拍卖与“付费买排行榜置顶行”两种方式，收官前以 1 美元竞价进行演示时“审核模块坏了”，Roshan 收尾时表示“我们赚到了理论上的第一块赞助美元”。全程未产生真实收入，也未披露留存数据。

（三）外部嘉宾观点与参与者反思

第一日到场的外部嘉宾从各自经历出发给出了判断。一是 Peter Yang 认为，“现在人人都能造东西，纯软件反而更难赚钱，我为什么要为一个带数据库的落地页付钱”。二是 Codie Sanchez 表示，其公司两年内接入 1600 家小企业，在为新书投放的“几百万美元”广告中，企业感强的素材效果仅为非企业感素材的四成；她认为向小企业销售 AI 服务“绑不上即期收入就卖不动”，并明确表示自己的测评工具是用 Claude、Vercel 与 Replit 搭建的。三是 Karen Cheng 表示，自己此前用 Cursor 做硬件项目时“像个冒牌货”，在 Grok Bot 中接入 Vestaboard 则只需粘贴 API 密钥，“两分钟后显示屏开始翻页”。

实验参与者的反思主要集中在三个方面。一是需求层面，Lauren 表示“要不是在直播上，会有人玩这游戏吗？我觉得不会”，难点在于让人在意。二是方法层面，Roshan 认为大公司的内部用例出乎意料地能够迁移至从零到一的小公司，“可以跑一套通用的生意剧本”。三是工作流层面，Carrot 的 Eric 总结称，应“先以人的身份去发现问题，解决之后再把它变成 bot 永远跑下去”。

总的看，讲者将 Grok Bot 定位为企业既有工具之上的编排层，代码执行交由 Cursor 承接，并以客服场景每张工单 1 至 2 美元的成本作为参照；与此同时，讲者也承认验证码、登录态与计算机使用速度等运行摩擦仍待解决，团队自身亦认为实验游戏的热度在很大程度上依赖直播流量。对于采用节奏，Eric 的判断是，Grok Bot“可能先被我们这些很 AI 化的旧金山人采用，希望有一天所有中小企业主都用”。