Tutorial Grok Bot: Membangun Agen Riset AI Mingguan

Apa Itu Grok Bot?

Grok Bot adalah aplikasi agen dari SpaceXAI, tersedia melalui Cursor, untuk membuat Bot bernama yang mempertahankan perannya dan percakapan antar tugas. Ini terpisah dari aplikasi chat Grok dan Grok Build, CLI untuk coding.

Siklus Grok Bot bekerja berbeda dari kebanyakan asisten AI lainnya. Anda menyerahkan suatu hasil, bot bekerja lintas aplikasi dan situs apa pun yang disentuh oleh pekerjaan tersebut, lalu mengembalikan pekerjaan selesai atau pertanyaan yang membutuhkan penilaian Anda. Ia mempertahankan preferensi yang stabil dan konteks peran antar percakapan, meski apa pun yang berubah tiap minggu sebaiknya disimpan dalam file yang dibaca Bot alih-alih di memorinya.

Untuk informasi latar lebih lanjut, saya sarankan membaca panduan Grok Bot kami.

Cara Kerja Bot, Skill, dan Rutinitas di Grok Bot

Kita membutuhkan empat istilah untuk tutorial Grok Bot ini. Panduan SpaceXAI tentang Bot dan komputer cloud, serta panduan produk, mendefinisikannya sebagai berikut:

• Bot: Agen dengan nama, pekerjaan, percakapan sendiri, dan konteks tersimpan.
• Komputer cloud: Mesin persisten yang dibagikan oleh setiap Bot di akun Anda, dengan browser, file, dan terminalnya sendiri. Ia tetap berjalan setelah kita menutup laptop.
• Skill: Sekumpulan instruksi untuk melakukan tugas, memeriksa hasil, dan mengetahui kapan harus meminta persetujuan.
• Rutinitas: Penugasan yang memberi tahu satu Bot kapan menjalankan tugas, baik terjadwal atau setelah suatu peristiwa yang didukung.

Urutan tersebut mengikuti panduan resmi skill dan rutinitas, yang menempatkan pengujian sebelum penjadwalan.

Apakah Grok Bot berbagi satu komputer cloud?

Ya. FAQ Grok Bot menyatakan komputer tersebut milik akun Anda, bukan milik Bot individual. Setiap Bot dapat melihat cookie browser, login tersimpan, dan file pada komputer itu, meski tiap Bot mendapat layar terpisah untuk tugas browsernya sendiri.

Kita akan menjaga alur kerja Scout pada halaman publik terlebih dahulu. Jika nanti kita masuk ke DataCamp, Notion, atau layanan lain, setiap Bot dapat menggunakan sesi tersebut. Menghapus Scout tidak menjamin file bersama atau status login ikut dihapus, jadi kita perlu keluar dan membersihkan apa pun yang tidak lagi ingin tersedia untuk Bot lain.

Satu akun, satu komputer, banyak Bot. Gambar oleh Penulis.

Membangun DataCamp Learning Scout Mingguan dengan Grok Bot

Scout membaca profil pembelajar dan anggaran waktu, lalu mengembalikan rencana singkat. Pembelajar kita menguasai Python dan konsep LLM dasar, baru dalam orkestrasi agen, dan memiliki empat jam minggu ini. Track AI Agent Fundamentals kami berdurasi enam jam, jadi seluruh track tidak muat.

Batas empat jam menetapkan cut-off; format output menunjukkan kapan rencana selesai.

Apa yang harus dikembalikan Scout Bot?

Untuk setiap sumber, Scout harus mengembalikan detail berikut dari halaman kursus: 

• Judul dan tautan
• Jenis (course, track, project, atau tutorial)
• Tingkat (basic, intermediate, atau advanced)
• Durasi (jika tercantum di halaman)
• Alasan pemilihan
• Posisi dalam urutan

Rencana harus diakhiri dengan total waktu dan satu objektif mingguan. Jika halaman tidak mencantumkan durasi, jawabannya adalah "not listed," bukan perkiraan.

Untuk pembelajar kita, tiga sumber yang telah diperiksa sudah cukup. Scout boleh mengembalikan lebih sedikit jika materi yang tersedia tidak sesuai tujuan, tingkat, atau anggaran.

Setiap alasan harus merujuk pada pembelajar ini. "Mengasumsikan kemampuan Python yang sudah dimiliki pembelajar, dan membangun konsep dari kursus Basic sebelumnya," menjelaskan pilihan. "Membahas AI agent" tidak. Urutannya juga perlu alasan, seperti menyelesaikan kursus basic sebelum proyek yang mengasumsikan ide yang sama.

Mengapa cuplikan hasil pencarian tidak cukup

Cuplikan pencarian bisa usang atau tidak mencantumkan tingkat dan durasi. Scout boleh menggunakannya untuk menemukan kandidat, tetapi ia harus membaca halaman DataCamp sebelum menambahkan sumber ke rencana.

Kita perlu menuliskan aturan ini dalam instruksi. Sebuah situs masih mungkin memblokir Bot, membutuhkan login, atau menampilkan CAPTCHA. Bot kemudian harus meminta kita mengambil alih.

Cara Mengakses Grok Bot

Karena kolaborasi antara SpaceXAI dan Cursor, ada dua cara berbeda untuk mengakses Grok Bot

Paket Grok Bot

Grok Bot tidak memiliki tier gratis permanen. Saat ini Cursor menawarkan uji coba terbatas sebagai kredit penggunaan. Akses berbayar tersedia melalui paket Cursor yang memenuhi syarat atau langganan SuperGrok. Apa pun jalurnya, masuklah dengan Cursor.

Akun resmi Grok Bot kini menyatakan bahwa semua pelanggan SuperGrok dan Cursor Pro memiliki akses, dan batas penggunaan mingguan telah di-reset untuk semua pengguna. Halaman bantuan Cursor belum mencerminkan setiap bagian pengumuman itu saat kami memeriksanya, jadi konfirmasikan status terkini di halaman paket atau di dalam aplikasi saat Anda membaca ini.

Untuk akun yang menautkan SuperGrok, Cursor Help masih menggambarkan tautan tersebut sebagai hibah penggunaan permanen yang tidak mengubah paket Cursor. Cursor menghitung langkah agen dan token, bukan pesan, jadi periksa Usage and Billing sebelum sesi riset dan uji Rutinitas.

Pengaturan privasi dan dukungan platform

Grok Bot memerlukan penyimpanan data cloud. Ia tidak akan mulai jika akun Cursor Anda menggunakan Legacy Privacy Mode. Ubah pengaturan itu di dasbor privasi Cursor.

Grok Bot mendukung macOS pada Apple silicon atau Intel, Windows pada x64 atau Arm64, dan iPhone pada iOS 18 atau lebih baru. Jika Anda menggunakan Linux, Android, atau iPad, periksa daftar platform saat ini ketika Anda membacanya karena dukungan bisa berubah.

Langganan mencakup penggunaan mingguan, tetapi Cursor tidak memublikasikan satu angka yang berlaku untuk setiap paket. Uji coba memberikan kredit penggunaan selama jendela 7 hari, dan satu tugas besar dapat menghabiskannya.

Langkah 1: Instal Grok Bot dan Buat Bot

Kita tidak memerlukan kunci API, lingkungan coding lokal, atau login DataCamp untuk risetnya sendiri. Memulai kursus adalah hal terpisah dan mungkin memerlukan akun. Instalasi hanya butuh beberapa langkah, sementara deskripsi Bot memerlukan perhatian lebih ketimbang penginstal.

Instal dan masuk

Unduh aplikasi desktop dari halaman onboarding Grok Bot, lalu pilih build untuk mesin Anda. Masuk melalui browser dengan akun Cursor Anda. Jika organisasi Anda menggunakan single sign-on, ikuti layar masuk biasanya.

Peluncuran pertama berakhir di layar "Meet a future teammate" saat komputer cloud mulai berjalan. Jika macet, tutup sepenuhnya Grok Bot dan buka kembali sebelum mencoba yang lain. Jika masalah tetap, perbarui aplikasi desktop, tutup sepenuhnya dan buka lagi, lalu buka Agent Computer dan beri waktu untuk selesai. Gunakan Recover terlebih dahulu dan Reset hanya sebagai upaya terakhir, karena Reset dapat membuang pekerjaan yang belum tersinkron.

Aplikasi desktop Grok Bot setelah masuk. Gambar oleh Penulis.

Tulis deskripsi yang bertahan melewati minggu ini

Buat Bot dengan New atau Cmd/Ctrl+N, pilih Create new agent, lalu buka Bot actions → Edit Profile. Namai Scout dan beri judul DataCamp Learning Scout.

Deskripsi memuat aturan yang berlaku setiap minggu. Topik minggu ini tempatnya di tempat lain. Tambahkan aturan seperti ini:

• Kurasi konten pembelajaran DataCamp dan sesuaikan dengan tingkat keterampilan serta anggaran waktu yang dinyatakan.
• Perlakukan profil ini sebagai konteks tetap, bukan sebagai tugas. Tunggu pesan terpisah sebelum memulai riset.
• Gunakan hanya topik dan anggaran waktu dalam tugas saat ini. Jangan menggunakan kembali topik dari percakapan sebelumnya.
• Buka halaman DataCamp milik setiap kandidat sebelum merekomendasikannya.
• Kutip tingkat dan durasi persis seperti yang tercetak di halaman, dan tulis "not listed" saat halaman tidak mencantumkan nilai.
• Jaga tautan sumber tetap utuh dan jangan pernah mengarang detail kursus.
• Utamakan materi praktis ketika dua sumber membahas konsep yang sama.

Pada percobaan penyiapan pertama, Scout memperlakukan profil sebagai tugas aktif dan memulai rencana ETL yang tidak terkait. Saya menghentikannya, membuat Scout baru, dan menambahkan dua aturan menunggu di bawah ini: 

• Ajukan pertanyaan klarifikasi ketika tujuan pembelajaran ambigu, alih-alih menebak.
• Jangan pernah membuat akun, mendaftar, atau membeli apa pun.

Bot baru kemudian menunggu tugas terpisah alih-alih mulai bekerja dari profilnya.

Scout khusus juga menjaga rutinitas mingguan tetap terpisah dari obrolan umum yang panjang, sehingga setiap run hanya membawa konteks yang dibutuhkan untuk rencana belajar.

Penting untuk menaruh batasan dalam profil agar tetap berlaku saat rutinitas berjalan tanpa pengawasan kita. Juga, jaga profil cukup singkat untuk ditinjau saat pekerjaan Scout berubah. Langkah 2 menangani topik dan batas waktu.

Profil Scout memuat aturan riset yang tahan lama. Video oleh Penulis.

Jika Anda tidak ingin memulai dari profil kosong, Anda dapat menambahkan template Scout kami dengan peran awal dan deskripsi yang sama. Saya membuat profilnya secara manual di sini agar setiap aturan terlihat sebelum Scout menerima tugas pertamanya. Apa pun jalur yang Anda gunakan, tinjau deskripsinya sebelum melanjutkan.

Langkah 2: Tulis Tugas Riset Pertama Bot

Kita bisa memberi Scout tugas dalam bahasa alami, tetapi permintaan tetap membutuhkan detail. Dokumentasi menyarankan untuk menamai hasil, sumber, batasan, output, dan titik di mana Bot harus berhenti untuk ditinjau.

Apa yang termasuk dalam profil dan pesan?

Profil dan pesan menjawab pertanyaan yang berbeda:

• Profil menjelaskan bagaimana Scout bekerja. 
• Pesan menjelaskan apa yang harus dilakukannya minggu ini. 

Setelah itu, skill menyimpan langkah-langkahnya, sementara setiap run rutinitas membaca input terbaru.

Profil sudah mencakup pemeriksaan halaman dan tautan sumber. Dalam pesan, berikan tingkat pembelajar dan tugas minggu ini, minta beberapa sumber dalam empat jam, dan hentikan Bot untuk ditinjau.

Kami mengirim tugas pertama sebagai satu pesan dan tidak menambahkan batasan saat Scout bekerja:

Build me a weekly DataCamp learning plan.

The learner is comfortable with Python, understands basic LLM concepts, is new to AI agent orchestration, and has 4 hours available this week. 
They prefer practical, hands-on material over theory.

Search current DataCamp content on AI agents. 
Open each candidate's resource page before you consider it. 
Pick a small number of resources whose page-listed durations total 4 hours or less, and order them from foundations toward practical application.
For each resource, return the title, the content type, the level and duration exactly as printed on the page, the link, one sentence on why it fits this learner, and its position in the order. 
Then give me the total time and one learning objective for the week.

Do not use search snippets as evidence. 
If a page does not list a duration or a level, write "not listed" instead of estimating. 
If the goal is too broad to plan against, ask me before you continue.

Stop after the plan. 
Do not enroll me in anything.

Scout memulai pencarian di browser dan mengembalikan rencana untuk ditinjau. Tanggapan pertama menggunakan tingkat yang salah untuk satu kursus, yang saya koreksi di Langkah 4.

Buat file pembelajar mingguan

Memori Bot bukan catatan andal untuk detail yang berubah. Buat /workspace/learner-profile.md di komputer bersama dan gunakan sebagai sumber kebenaran untuk setiap run mingguan.

# Learner profile

Current goal: AI agent orchestration
Weekly budget: 4 hours
Background: Comfortable with Python and basic LLM concepts
Preference: Practical, hands-on resources
Completed resources: None

Perbarui file ini saat tujuan, anggaran, atau daftar yang telah diselesaikan berubah. Scout harus membacanya sebelum setiap rencana dan berhenti jika file ini hilang atau kedaluwarsa.

Langkah 3: Tinjau Riset di Agent Computer Grok Bot

Percakapan menampilkan alat, file, pertanyaan, dan persetujuan. Agent Computer menampilkan klik, pengetikan, navigasi, dan status. Meninggalkan salah satu tampilan tidak menghentikan pekerjaan.

Apa yang perlu diperhatikan di Agent Computer

Periksa bahwa Scout membuka setiap halaman kursus alih-alih mengandalkan cuplikan pencarian. Juga catat satu sumber yang ditolaknya dan alasan penolakannya.

Jika macet, periksa masalah login, CAPTCHA, dan persetujuan yang disebutkan sebelumnya. Selesaikan hanya langkah yang terblokir sebelum menyerahkan kembali kendali. Jangan menempelkan kata sandi ke obrolan; gunakan permintaan rahasia yang aman.

Tampilan komputer menunjukkan bahwa sebuah halaman telah dikunjungi, tetapi itu tidak membuktikan jawaban akhir benar. Simpan transkrip percakapan karena menunjukkan halaman mana yang digunakan Bot dan apakah ia mengubah arah.

Pendekatan berbasis browser ini cocok untuk alur kerja DataCamp kami karena halamannya sendiri adalah buktinya. Untuk layanan dengan konektor yang didukung, gunakan konektor untuk data terstruktur dan buka browser hanya saat halaman perlu pemeriksaan visual.

Dalam run kami, Agent Computer membuka halaman kanonis Introduction to AI Agents. Header-nya menunjukkan Basic dan 1 hr 30 min. Durasi cocok dengan jawaban Scout, tetapi tingkatnya tidak.

Agent Computer terbuka pada halaman DataCamp. Gambar oleh Penulis.

Langkah 4: Verifikasi dan Koreksi Output Bot

Di sinilah kita memperlambat. Kita letakkan rencana di samping halaman DataCamp sebelum menerimanya.

Periksa tautan, tingkat, prasyarat, dan waktu

Baca rencana baris demi baris. Tata letak yang rapi masih bisa menyembunyikan tingkat yang salah, tautan rusak, atau total yang keliru. Periksa hal-hal berikut:

• Apakah tautannya mengarah ke halaman DataCamp asli dengan judul persis tersebut?
• Apakah tingkat yang dinyatakan cocok dengan yang tercetak di halaman?
• Apakah pembelajar telah memenuhi setiap prasyarat yang tercantum?
• Apakah perhitungannya mencapai atau di bawah empat jam menggunakan durasi yang ditampilkan di halaman?
• Apakah ada progresi nyata, atau tiga kursus pemula yang saling menggantikan?
• Apakah ada yang masuk hanya karena cocok kata kunci?

Kita sebaiknya menambahkan durasi dari halaman alih-alih mempercayai total dalam rencana. Jika hasilnya melebihi 4 jam, kita minta Scout menghapus item yang paling tidak relevan dan menghitung ulang.

Rencana pertama Scout berisi Introduction to AI Agents, Building AI Agents with CrewAI, dan Building AI Agents with Google ADK. Durasi tercetak berjumlah 3 jam 30 menit, jadi rencana sesuai anggaran dan menyisakan 30 menit.

Masalahnya adalah tingkat kursus pertama. Scout menulis Beginner, sementara halaman kanonis mencetak Basic. Kami mengirim satu koreksi:

Please revise the plan using the exact level labels shown on each course page.

The Introduction to AI Agents page lists its level as Basic, not Beginner. Reopen all three pages and verify each title, level, duration, and canonical URL.

Return the same plan with only the verified corrections. Keep the total at or below 4 hours.

Scout membuka kembali ketiga halaman, hanya mengubah tingkat pertama, dan mempertahankan total 3 jam 30 menit. Koreksi itu kecil, tetapi menegaskan bahwa tautan valid dan label yang tampak masuk akal saja tidak cukup.

Rencana pertama di samping rencana yang dikoreksi. Gambar oleh Penulis.

Tangani durasi yang hilang

Kita tidak boleh mengubah XP, video, atau latihan menjadi jam. Jika kolom durasi saling bertentangan, kita pertahankan setiap nilai tercetak, sebutkan nama kolomnya, dan gunakan batas atas tertinggi hanya untuk pemeriksaan anggaran.

Simpan aturan berulang di profil Bot

Setelah mengoreksi rencana, saya hanya menambahkan aturan yang harus berlaku setiap minggu ke deskripsi Bot. Topik atau batas waktu sekali pakai tetap berada di file input mingguan kita.

Langkah 5: Simpan Alur Kerja Bot sebagai Skill

Dua praktik terbaik untuk menyimpan alur kerja sebagai skill:

• Jangan simpan proses sebelum versi manualnya berfungsi. Jika tidak, skill hanya akan mengulang masalah yang sama.
• Jaga skill tetap sempit: satu keluarga sumber, satu format output, dan satu batas persetujuan. Jika harus menebak sistem mana yang digunakan atau apa yang harus dikembalikan, ia bisa menyimpang dan mengonsumsi lebih banyak penggunaan.

Apa yang termasuk dalam Skill

Minta Scout menyimpan Skill bernama Weekly DataCamp Learning Plan. Ia harus membaca /workspace/learner-profile.md, memeriksa setiap prasyarat terhadap latar belakang dan sumber yang telah diselesaikan pembelajar, menjumlahkan durasi halaman, mengembalikan kolom yang disepakati, dan berhenti sebelum tindakan apa pun yang membutuhkan persetujuan.

Setelah disimpan, rujuk dengan / di komposer. Jika tidak muncul, aktifkan di Settings → Plugins → Yours.

Skill tersimpan dengan input dan validasi. Gambar oleh Penulis.

Uji skill pada tujuan yang berbeda

Saya mengubah tujuan pembelajar menjadi evaluasi LLM, mengurangi anggaran menjadi 3 jam, dan memanggil Skill yang tersimpan dengan satu permintaan singkat: "Buat rencana minggu ini menggunakan profil pembelajar saat ini."

Scout menggunakan Agent Computer dan mengembalikan satu kursus, LLM Application Evaluation with LangSmith, tanpa membawa rekomendasi apa pun dari rencana AI agen sebelumnya. Ia juga mengecualikan halaman yang tidak relevan dan tutorial tanpa durasi tercetak.

Halaman kursus kanonis menampilkan dua format durasi: perkiraan 2 hr pada ringkasannya dan chip durasi 1 hr - 3 hr. Scout menyalin chip tersebut tetapi memperlakukan batas atasnya sebagai total tiga jam tetap. Kami memintanya menyebut nama kolom yang digunakan, mempertahankan kedua nilai tercetak, dan menggunakan batas atas hanya untuk pemeriksaan anggaran.

Pemeriksaan prasyarat selanjutnya menemukan masalah yang lebih penting: kursus tersebut mensyaratkan LLM Application Fundamentals with LangChain, yang belum diselesaikan oleh pembelajar kita. Membuka halaman kanonis memang perlu, tetapi skill juga harus membandingkan prasyarat dengan profil pembelajar sebelum merekomendasikan kursus.

Saya memperbarui skill untuk membandingkan setiap prasyarat dengan profil pembelajar dan melaporkan setiap kolom durasi yang bertentangan sebelum memilih sumber.

Langkah 6: Jadwalkan Skill sebagai Rutinitas Mingguan Grok Bot

Karena komputer cloud terus berjalan seperti dijelaskan sebelumnya, rutinitas dapat berjalan saat laptop ditutup. Kita mengujinya sebelum mengandalkan jadwal hari Senin.

Jadwal mingguan disengaja di sini. Menjalankan riset yang sama setiap beberapa menit akan menghabiskan penggunaan bahkan ketika detail pembelajar dan halaman DataCamp belum berubah.

Tetapkan jadwal, zona waktu, dan batasan

Kami menetapkan zona waktu kami di Settings → General → Agent, lalu membuat Rutinitas dengan lima detail: 

• Jadwal
• Di mana membaca tujuan dan anggaran
• Apa yang harus dikembalikan
• Apa yang membutuhkan persetujuan
• Apa yang harus dilakukan jika sumber hilang

Jika /workspace/learner-profile.md hilang, atau Scout tidak dapat membuat kemajuan lebih lanjut, rutinitas harus melaporkan masalah dan berhenti alih-alih mencoba ulang dalam loop. Ia mewarisi tindakan yang diblokir milik Scout, sementara persetujuan hanya berlaku jika kita nanti menambahkan tindakan eksternal lain. Kelola Rutinitas dari View conversation details → Routines.

Rutinitas hari Senin menampilkan jadwal dan zona waktu. Gambar oleh Penulis.

Jalankan sekarang alih-alih menunggu Senin

Alih-alih menunggu hari Senin, saya memulai uji coba dengan skill yang diperbarui dan profil evaluasi LLM yang sama. Rutinitas membuka halaman kandidat, melaporkan semua kolom durasi LangSmith, dan menandai prasyarat LangChain sebagai tidak terpenuhi.

Jika tidak mulai, periksa apakah ia menyala, lalu periksa detailnya (jadwal, zona waktu, Bot, sumber pembelajar, sesi browser), dan terakhir, sisa penggunaan. Detail pembelajar yang hilang atau sesi yang kedaluwarsa dapat menghentikan run.

Rutinitas mengecualikan LangSmith dari rencana, mengecualikan kandidat lain karena tidak relevan, prasyarat belum terpenuhi, atau tidak memiliki durasi kursus yang tercantum, dan mengembalikan Total: 0. Mengisi minggu dengan paksa akan melanggar aturan validasi.

Run tersebut muncul di Run history dengan tanda selesai, dan hasilnya tetap berada di percakapan Scout. Uji akhir ini menegaskan bahwa jadwal, Skill tersimpan, kebijakan durasi, dan pemeriksaan prasyarat bekerja bersama.

Uji rutinitas selesai dan menampilkan riwayat. Video oleh Penulis.

Pemikiran Akhir

Dalam tutorial ini, kita membangun DataCamp Learning Scout berdasarkan satu sumber pembelajar yang mutakhir, pemeriksaan sumber, skill yang dapat digunakan ulang, dan rutinitas mingguan. Profil memuat aturan tetap, skill menyimpan metode riset, dan rutinitas menyediakan jadwal hari Senin.

Seperti yang Anda lihat, jalan menuju run mingguan terjadwal yang melakukan persis seperti yang diharapkan memerlukan sedikit trial and error. Pengujian mengungkap tiga masalah yang bisa tersembunyi di balik jawaban yang tampak rapi: Beginner alih-alih Basic, rentang durasi yang diperlakukan sebagai total tetap, dan prasyarat yang tidak terpenuhi. Dua yang pertama dikoreksi dengan membuka kembali halaman kanonis. Skill yang diperbarui menangkap yang ketiga, dan rutinitas akhir tidak mengembalikan rekomendasi alih-alih melonggarkan aturan.

Dari sini, kita dapat menambahkan riwayat penyelesaian untuk menghentikan rekomendasi berulang atau membuat Study Coach Bot yang mengubah sumber terpilih Scout menjadi jadwal belajar. Jika Teach a task muncul di aplikasi, kita juga dapat menggunakannya untuk merekam alur kerja browser dan membuat draf Skill.

Koneksi X baru Grok Bot dapat memperluas langkah penemuan Scout. Menghubungkan profil X kini membuat akun developer dengan kredit termasuk. Untuk Scout khusus riset, tetap blokir tindakan tulis X dan verifikasi setiap kandidat di halaman DataCamp-nya sebelum menambahkannya ke rencana.