5 個 Grok 更新把聊天變工具

我拆解 xAI 5 個 5 月更新，順手給你一份可直接貼上的 Grok 工作流模板。

我用 Grok 有一陣子了，但老實說，它一直像一個很會回話的分頁，關掉又有點可惜，留著又不太能幹活。回答快、嘴也算利，但一碰到真正工作就露餡：它不記得我怎麼做事，不懂我想要的輸出格式，也很少真的幫我把事情往前推。我想要的是一個能接住我工作流的東西，不是另一個只會講道理的聊天框。

結果 xAI 在 5 月連發幾個更新，方向突然對了。不是因為每個功能都神到不行，而是它開始把 Grok 從「會聊天」往「能插進工作」推。這篇我用 Basenor 的整理當起點，再對照 xAI 官方 Grok 頁面、xAI 文件 和相關產品頁，拆給你看它到底在改什麼。

Grok 4.3 不是更會聊，是更能扛資料

"Launched on May 4, Grok 4.3 is xAI's current cost-efficient flagship. It ships with built-in reasoning, a 1-million-token context window, and native video input."

翻譯一下就是：xAI 終於把 Grok 往「能處理真實工作集」的方向推了。1 million token 不是拿來發 PR 用的漂亮數字，它代表你可以把更完整的專案背景、規格、討論串、甚至長篇文件一次丟進去，不用每次都像在整理行李，刪東西刪到心累。

我之前最煩的就是這種事。拿一個 bug thread、兩份設計稿、再加一段 repo 摘要給模型，結果它每次都像只看了前兩頁就開始亂補。不是模型笨，是上下文不夠，整個對話像在霧裡開車。上下文窗大一點，不會自動變聰明，但至少少掉很多低級摩擦。

實操上，我會把 Grok 4.3 用在這幾種場景：

• 一次塞完整 spec，請它找矛盾和缺漏
• 把 PR 描述、issue、設計備註放同一串，請它做 review
• 長專案研究時，讓它先抓脈絡再下結論

我現在看這類模型，不先問「它聰不聰明」，我先問「它能不能扛住我的 working set」。能扛住，才有資格進工作流。

Skills 這個設計，才像真的在用人類工作方式

"Skills were officially introduced on May 18. The feature adds persistent custom expertise that carries across conversations."

這句我看了很有感。因為大多數 AI 工作流死掉，不是死在回答品質，而是死在每次都要重講一次規則。我要它幫我寫 release note，就得再講一次格式；我要它整理會議紀錄，就得再講一次順序；我要它先列風險，再講建議，也得再講一次。講到最後，我根本不是在用 AI，我是在幫 AI 做 onboarding。

Persistent Skills 的價值就在這裡：把重複的工作習慣存起來。不是存一段「請你很有幫助」這種廢話，而是存流程。像是固定先問缺什麼資訊、固定先列風險、固定用某種輸出格式。這種東西才真的省時間。

我以前試過把 prompt 存在筆記軟體裡，結果就是一堆模板散落各處，找起來像在翻垃圾桶。Skill 式的做法比較像把規則放回工具本身，少掉那個每次都要手動搬運的破流程。

如果你要自己做，別從「helpful assistant」開始，太空了。直接做成任務型規則：

• 會議摘要固定輸出決策、阻塞點、下一步
• PR review 固定輸出風險、邊界條件、建議修改
• 規格整理固定輸出目標、假設、未解問題

我想要的是一個記得團隊規矩的助理，不是一個每週一早上都像新來的同事。

Grok Build 0.1 在講一件事：聊天和寫程式本來就不是同一種工作

"Released in early access on May 14, Grok Build 0.1 is a purpose-built coding model trained specifically for agentic workflows."

這句很直接，也很誠實。xAI 等於承認：一般聊天模型和真正做 coding / agent workflow 的模型，本來就不是同一種東西。前者擅長回答，後者要能接工具、跑多步驟、處理中途失敗，還要記得自己現在做到哪一步。這差很多。

這類模型如果真的要進工作流，我會先看三件事：它能不能理解多步任務、能不能維持狀態、能不能在失敗後繼續往下走。因為很多模型的問題不是不會寫，而是寫到一半就飄了。它會回答得很像樣，但不會完成。對開發者來說，這種半成品很煩，真的很煩。

Basenor 提到 Grok Build 0.1 有 256,000 token context，支援 text 和 image input，輸出 text，API 價格是 input 每百萬 token $1、output 每百萬 token $2。這些資訊不代表品質保證，但至少讓我知道它被設計來放在哪裡：不是單純聊天，而是放進 agent loop、放進編輯器、放進自動化流程。

我會這樣用它：

• 先叫它列出要檢查的檔案
• 再叫它提出修改步驟
• 最後要求它把風險和人工 review 點列清楚

如果它能穩穩做完這三步，那才叫有用。不能完成任務的模型，再會講也只是會講而已。

訂閱制接入，重點不是便宜，是少一個阻力

"As of May 21, SuperGrok and X Premium subscribers can access Grok Build through OpenCode, a developer-focused coding environment, using their existing subscriptions."

這種更新乍看很小，但我覺得它很實際。xAI 不只是在賣模型，還在把訂閱層變成分發入口。意思很簡單：如果你本來就有 SuperGrok 或 X Premium，你就少了一道申請、綁定、切帳號、再測試的麻煩。少一個摩擦，使用率就會上來。

對開發者來說，這種設計比廣告詞有用多了。因為我們不是缺 AI，我們是缺一個不會一直打斷工作的接法。模型如果不能順手進到你現有工具裡，它再強也常常只是「等我有空再說」。而「等我有空」基本上就是產品死亡宣告。

Basenor 提到這個入口是 OpenCode。我很買單這種方向，因為開發者要的不是多一個聊天頁面，而是它能不能待在 editor、terminal、agent framework 裡，別逼我一直跳來跳去。

我自己會用三個標準看這種接入：

• 登入步驟有沒有被壓到最少
• 模型能不能直接進工作環境
• 我會不會因為切頁而中斷思路

如果答案都偏正面，那這個功能才算有在幫忙，不然只是換個地方排隊。

OpenClaw 的價值，不是名字，是它把 Grok 塞進 agent 生態

"On May 19, xAI integrated Grok with OpenClaw, an open-source AI agent platform."

我對這種 open-source agent 平台的整合很有感，因為真正的實驗通常都發生在這裡，不是在官網 demo。OpenClaw 這種東西的意思是，Grok 不只是在官方頁面裡被展示，而是被丟進一個大家真的會拿來拼 agent 的環境裡。這才是測試模型耐不耐操的地方。

Agent framework 最煩的地方，我想每個開發者都懂：模型設定、授權、工具鏈、狀態同步，任何一個地方出包，整條流程就卡死。能不能在這種環境裡順利接上，通常比「它會不會講笑話」重要太多。

這裡最值得看的不是品牌，而是整合形狀：

• 能不能用最少步驟完成 auth
• 能不能同時處理 chat 和 generation
• 能不能維持在 agent loop 裡，不一直跳出去

如果你自己在做 agent 系統，我會建議你把這種整合當成參考樣板。不是抄功能，而是抄接法。少一層摩擦，整個系統就比較不會像拼裝車。

真正的重點是：Grok 被拆成不同工作角色了

"What's notable is the strategic coherence: Grok 4.3 handles the general-purpose and enterprise use case, Grok Build 0.1 targets the developer/agentic layer, Skills adds stickiness for everyday users, and the OpenClaw and OpenCode integrations push Grok into ecosystems where developers already live."

這段我覺得講得很準。xAI 不是在亂丟功能，它是在把 Grok 拆成幾個職務：一個負責長上下文和通用工作，一個負責 coding 和 agent，一個負責讓日常使用有記憶，另外幾個接入負責把它塞進開發者真的會待的地方。

這種拆法我認為是對的，因為一個模型硬要同時做所有事，最後通常只會做得很平均，平均到沒人記得它。工具本來就該分工：聊天不是 coding，記憶不是推理，接入不是模型本體。把這些混在一起，只會讓產品定位越來越糊。

所以我現在看 Grok，不是看它有幾個新名詞，而是看它能不能對應到具體工作：

• 長文件研究與摘要，用 Grok 4.3
• 團隊固定流程，用 Skills
• 多步驟 coding 與自動化，用 Grok Build 0.1
• 要進工作環境，就用 OpenCode 或 OpenClaw 這類整合

這樣看，產品就不再是一堆散裝功能，而是一組可以安排進工作流的零件。這才像工具，不像宣傳頁。

可抄的模板

# Grok 工作流模板：把聊天變成可重複使用的工具

## 1. 先選工作，不要先選模型
今天只讓 Grok 做一種事：
- 長上下文研究
- 固定格式摘要
- coding / agent 任務
- 連接工具後的執行

## 2. 一次給足工作集
把以下內容放同一串：
- 目標
- 現況
- 限制
- 相關文件 / 程式碼 / 討論串
- 什麼叫完成

## 3. 做一個可重複的「技能」規則
如果你的環境支援 persistent instruction，就存這段：

你是我的開發工作助理。
每次都先做這 5 件事：
1. 用一句話重述任務。
2. 先列出缺少的資訊。
3. 優先給可執行步驟，不要空話。
4. coding 任務要列出要看哪些檔案、要改哪些檔案、有哪些風險。
5. 摘要任務要固定輸出：決策、阻塞點、下一步。

## 4. Coding 任務固定 prompt
Task: {{task}}
Context: {{context}}
Repo/files: {{files}}
Constraints: {{constraints}}
Output format:
- short diagnosis
- proposed approach
- step-by-step actions
- risks
- what I should review manually

## 5. 長文件 / 大上下文 prompt
你已經有完整上下文。
在開始總結前，先找出：
- 主要目標
- 目前狀態
- 最高風險假設
- 接下來 3 個動作

然後輸出：
1. executive summary
2. detailed findings
3. action list
4. unresolved questions

## 6. 會議紀錄 / 文件整理 prompt
Task: 把下面筆記整理成可交付文件。
Notes: {{notes}}
Audience: {{audience}}
Tone: direct, concise, practical
Must include:
- summary
- key points
- open questions
- recommended next steps

## 7. 每次都檢查這四件事
- 有沒有照格式輸出
- 有沒有亂補不存在的細節
- 有沒有漏掉限制條件
- 下一步是不是能真的做

## 8. 一條死規則
如果 Grok 不能穩定待在你的工作流裡，就不要拿它當 workflow tool。
讓它做它真的擅長的事，不要硬拗成萬用神物。

我用 Basenor 的整理當入口，再對照 xAI 官方頁面和文件做了這篇拆解。前半段是我自己的判讀，後半段模板是我整理後能直接貼進工作裡的版本。原始來源：https://www.basenor.com/blogs/news/5-xai-grok-updates-you-may-have-missed-this-may；官方參考：https://x.ai/grok、https://docs.x.ai/、https://www.opencode.ai/。