Grok4.5 全网最全使用指南:从入门到榨干

Grok 4.5 发布了。可你如果还只在聊天框里问它几句话,这次升级几乎等于没发生。

最常见的体验是:打开页面,问一个已经问过很多遍的问题。答案快了一点,语气利落一点,然后关掉页面------就这?

模型确实变强了。只是你给它的路太短,变化很难暴露出来。xAI 给 4.5 安排的首发阵地,本来就是 Grok Build、Cursor、xAI API 和 Word、PowerPoint、Excel 插件。它瞄准的是读仓库、改文件、跑命令、搜索 X、核对网页、写公式、重做幻灯片。模型要接走一整段工作,聊天只是最浅的一层。

只拿它聊天,像开着越野车去楼下取快递。车没问题,距离短到看不出它能翻什么坡。

换一个任务,差别就出来了。

一条突发消息刚在 X 上冒头,你可以让 Grok 找到最早的当事人原帖,再去官网和媒体补证据,最后把时间线、争议项和未确认信息分开。你也可以一次丢进去十几份 PDF,让它先盘点哪些文件读全了、哪些扫描页没识别、哪些数字互相冲突,再按页码回到原文。到了代码和电脑任务里,它还能继续读取目录、修改文件、运行测试,把结果交给 Build,或者通过 xAI API 接进 Codex。

这几类任务表面上毫不相干,实际连成了 Grok 最有价值的一条能力链:X 和 Web 负责追现场,文件与 Collections 负责补私有资料,Projects、Memory 和 Skills 留住长期状态,Imagine 把静态素材接成连续镜头,Connectors 进入邮件与日历,Build 和 API 再碰到真实文件、命令与成本。

Grok 最值得榨的,正是把"刚发生的信息"接进"你正在做的工作",再把一段回答往前推成一份可以核对的结果。

这篇文章会沿着这条链,由浅入深走十一章。第一次用的人,读完前半段就能弄清入口怎么选、搜索怎么验、文件怎么喂、记忆怎么分;已经在用 Grok 的人,可以直接往后看连续视频、电话 Agent、Connector 权限、Grok Build、Codex 接入、GrokGo、缓存与工具成本。每往下一层,模型能做的事更多,你需要承担的权限、验证和账单也更重。

你可以读到任何一层就停。只要别再用三句闲聊,替 Grok 4.5 判死刑。

目录

1. Grok 4.5,强在哪?

如果你平时只拿 Grok 聊天、改写和翻译,4.5 未必会带来"换代感"。任务变长、文件变多、工具变复杂之后,它和上一代的差距才会慢慢拉开。

比如让模型改一句标题,快几秒没有太大意义。让它先读一个仓库,再列计划、修改 20 个文件、跑测试、修复错误,期间每一轮都少等一点,最后省下的可能是一整个被打断的工作时段。

80 tokens/s,快在哪里?

xAI 公布的生成速度约为每秒 80 tokens。第三方测量页面一度测到约 92 tokens/s,但首个 token 仍可能等待十几秒。它更像"开口后说得很快",不能理解成所有复杂任务都会秒回。

这点速度放在普通聊天里不起眼,放在代理任务里会被反复放大。代理要规划、搜索、调用工具、读取结果,再决定下一步;一个任务可能发生几十轮模型往返。每轮少等一点,累积起来才是 4.5 的速度价值。

社区对 4.5 的正面评价也集中在这里:计划清楚、跨文件推进快、废话少。有人先让它写 PRD、拆 Issues、做架构审查,再把明确任务交给别的模型执行;也有人让它做第二遍复核,专门找第一版方案遗漏的边界。

500k 上下文,不等于所有入口都给你 500k

"上下文"可以理解成模型一次能放在桌面上阅读的材料。500k 大约足以装下大量代码、长文档和历史消息,但这是 xAI API 的规格。Cursor 官方论坛确认,发布初期 Cursor 里的 Grok 4.5 上下文是 256k。

同一个模型名,在不同产品里拿到的桌面大小可以不同。产品还可能压缩旧消息、摘要文件、限制附件,或者在接近上限时自动丢掉细节。看到"500k"就把所有文件一股脑塞进去,模型很可能先把重点弄丢。

长上下文只装与当前目标相关的材料。目标变化时开新会话;长任务只保留目标、约束、已确认决定、未完成事项和验收条件。xAI 自己也建议长代理循环使用上下文压缩。

完整账单不止 2/2/ 2/6

截至 2026 年 7 月 13 日,Grok 4.5 API 标价为输入 2/百万token、缓存输入2/百万 token、缓存输入 2/百万token、缓存输入0.50/百万 token、输出 $6/百万 token。

代理的账单还会叠加推理 token、Web Search、X Search、代码执行、文件检索,以及模型自主发起的多次工具调用。Web、X 和代码执行当前都是 $5/1000 次调用。一个提示词只有两行,不代表背后只产生一次请求。

4.5 的价格优势要和任务设计一起算。简单抽取用 low,复杂规划和终审再开 high;只提供当前任务需要的工具;给搜索次数、文件范围和代理轮数设上限;重复使用的大段规则与参考资料放在稳定前缀里,争取命中缓存。

跑分能告诉你什么?

4.5 在多个软件工程和终端任务榜单里成绩很高,xAI 也强调它在单项测试中使用更少输出 token。跑分适合帮你挑选候选模型,不适合直接替你做采购决定。

官方发布图混合了不同来源和运行口径。Cursor 还承认早期 Cursor 代码库快照意外进入训练数据,因此排除了受影响的 CursorBench 结果。模型发布时间也很短,社区口碑仍被限时免费、双倍额度和集成 bug 影响。

要判断 4.5 是否适合你,拿一个自己知道答案的真实任务来测。给不同模型同一组材料、同样的权限和同一份验收清单,再记录耗时、返工轮数、错误数量与最终成本。

4.5 最值得关注的变化,是 Grok 开始从信息入口走到交付和执行。

2. 你用的可能不是同一个 Grok

Grok 看起来像一个 App,实际是一组差异很大的产品入口。换一个入口,模型、工具、上下文、额度和数据规则都可能跟着变。

第一次用,记住这张任务地图就够了:

  • 在 X 里看到一条新闻,想追原帖和现场反应:用 X 里的 Grok。
  • 想研究、写作、上传文件、保存 Project 或创建 Skill:用 grok.com 或移动 App。
  • 想持续生成角色图和短视频:进入 Imagine。
  • 最终要交付 Word、PPT、Excel:优先用对应 Office 插件或 Grok 的内置文档 Skills。
  • 想让 AI 读取电脑目录、修改文件、运行命令:用 Grok Build。
  • 已经习惯在 IDE 里写代码:用 Cursor 里的 Grok 4.5。
  • 想接进自己的产品、Codex 或自动化:用 xAI API。

X 里的 Grok:离现场最近

它能直接理解帖子、账号、线程和平台上的实时讨论。某家公司突然登上热搜时,你可以让它找最早的当事人原帖、后续澄清、记者追问和行业人士反应。

它能最快帮你摸到现场,也最容易把热度误当事实。高转发截图、玩笑、断章取义和正式声明可能一起出现。X 上的热度只能帮你发现线索,不能自动证明线索是真的。

grok.com:普通人的主工作台

Chat、文件、Projects、Memory、Canvas、Skills、Connectors、Imagine 和 Voice,大部分从这里进入。写文章、分析资料、整理项目、生成文档,先从 Web 端开始最省事,文件支持通常也比移动端完整。

有个很小却很烦的坑:官方 FAQ 提醒,应该使用 grok.com。部分用户从旧域名或其他 host 进入时,会发现 Projects 等功能缺失。

Imagine:独立的视觉生产线

Imagine 远比聊天框里的"帮我画一张图"复杂。它有项目、参考素材、图像编辑、图片生成视频、延长镜头、声音和并行生成。想做同一角色的系列内容,应当在 Imagine 里管理素材,不要每次从一段新提示词重新抽卡。

Office:直接碰最终文件

Word、PowerPoint 和 Excel 插件会在原文件旁边打开面板。Word 能原位改结构和格式,PowerPoint 生成的是可编辑页面,Excel 会把公式写进单元格。对于不写代码的人,这可能比 4.5 的 API 跑分更有价值,因为省掉了聊天框和成品文件之间的复制工作。

Build、Cursor 和 API:同一模型的三种工作方式

Cursor 提供可视化代码环境和代码库上下文;Grok Build 在终端里读写文件、运行命令和维护长任务;API 给开发者控制模型、搜索、缓存、工具、结构化输出和成本。

它们甚至不共享同样的上下文规格和计费方式。Cursor 的 4.5 发布初期为 256k,xAI API 是 500k;Cursor 还有基础与 Fast 队列,API 则按 token 与工具调用计费。SuperGrok 订阅也不能抵扣 xAI API 账单。

Grok 4.5 发布日的官方入口清单里没有普通 Chat。你在 grok.com 里使用完整 Grok 产品,也不代表每次对话都明确由 4.5 处理。模型选择器和后台路由仍可能随账户、地区与发布时间变化。

往下读之前,先确定自己要的是信息、创作、文件交付,还是电脑执行。入口选对,后面的技巧才有意义。

3. 搜索,才是 Grok 的杀手锏

单找网页,很多 AI 都能做。Grok 的特殊位置,是能把公开网页和 X 的实时讨论放进同一个研究过程。

最简单的用法,是看到一条爆料后点开 Grok,问"发生了什么"。更稳的用法,是把搜索拆成四步:找源头、补背景、找反证、做验收。

小白先学会:别让"大家都在说"冒充证据

假设 X 上突然流传"某公司下周停止一项服务"。不要直接问 Grok 真假,可以这样下任务:

text 复制代码
请调查"某公司将在下周停止某项服务"这条说法。

先找最早出现的 X 帖子,再找公司官方账号、官网公告和帮助文档。
把结果分成:
1. 官方已经确认;
2. 当事人或员工说过,但官方未确认;
3. 媒体和用户转述;
4. 仍然没有证据。

每条材料给出作者、发布日期、直达链接。
如果多个账号都在转述同一个来源,只算一份证据。

这套写法解决了搜索里最常见的假繁荣:十个链接看起来很多,实际都在引用同一张截图。

再进一步:把 X 当"现场",把 Web 当"证据库"

X Search 适合找四类东西:谁最早说、当事人后来怎么补充、专业人士为什么反对、普通用户实际遇到了什么。Web Search 负责回到公告、文档、监管文件、论文、财报和原始采访。

写一篇产品文章时,可以先在 X 找官方发布帖、开发者讨论和真实抱怨,再到官网核功能和价格。接着专门寻找失败案例,写作时把"官方事实、社区体验、我的判断"分开。

继续往深处走,就要学会限制搜索空间。xAI 的 X Search 工具支持:

  • allowed_x_handles:只看指定账号,最多 20 个。
  • excluded_x_handles:排除指定账号,最多 20 个;不能与白名单同时使用。
  • from_date / to_date:限定时间范围。
  • enable_image_understanding:理解帖子中的图片。
  • enable_video_understanding:理解帖子中的视频。

它还覆盖关键词搜索、语义搜索、用户搜索和完整线程抓取。"搜索 X"并非普通关键词匹配:既能追一整条讨论链,也能限定只看当事人和少数可信账号。

Responses API 里的工具配置大致长这样:

json 复制代码
{
  "type": "x_search",
  "allowed_x_handles": ["xai", "grok"],
  "from_date": "2026-07-01T00:00:00Z",
  "to_date": "2026-07-13T23:59:59Z",
  "enable_image_understanding": true,
  "enable_video_understanding": true
}

普通用户不需要写 API,也能把相同限制写进提示词:只看哪些账号、什么日期、是否分析图片与视频、是否需要展开整条线程。

最深一层:搜索、计算和你的资料一起跑

只开 X Search,你得到的是讨论;同时打开 Web Search,可以核对官方资料;再加 Code Execution,Grok 能下载公开数据、计算、画图并检查数字;加 Collections Search,则能把公开信息与你上传的内部资料对照。

例如研究一家公司的产品事故:

  1. X Search 找第一批用户报告和官方回应。
  2. Web Search 找状态页、公告、文档和媒体采访。
  3. Code Execution 把故障时间、地区和报告数量整理成时间线。
  4. Collections Search 对照内部客服记录或历史报告。
  5. 最终输出带引用的结论、争议项和未确认项。

模型自称"搜索质量高",不能证明它真的逐项查过。2026 年 7 月,一名 Reddit 用户分享过一组项目排名任务:Grok 持续输出"Quality of Search: High",后来却承认后面的项目开始偷懒,套用了之前的模式,没有逐项搜索。这是单一用户案例,但它点出了一个可靠性问题:模型给自己的置信度标签无法代替外部证据。

搜索结束前只验四件事:链接能不能打开;日期是否匹配;引用是否支撑前面的结论;多条材料是否来自独立来源。缺少任何一项,就把结论降级为线索。

Grok 的实时性是一组需要主动调用的工具。API 中若没有显式启用 Web Search 或 X Search,4.5 不会因为品牌叫 Grok 就自动知道刚发生的事。

4. 100 个文件丢进去,为什么还是答不好?

Grok Web 当前一次大约可以上传 100 个文件,多数文件上限为 150MB。数字听起来很夸张,但"能上传"只说明文件进入了系统,不代表每一页都获得同样注意力。

常见结果是:上传十几份 PDF,输入"帮我总结",最后得到一篇语句顺滑的大摘要。细节被压平,数字冲突消失,模型也没有告诉你哪些页读得不完整。

先分清五种"给 Grok 资料"的方式

临时附件适合一次性任务。两份合同对比、一张表格排错、一段录音提取行动项,用完就结束。

Projects 适合持续项目。同一主题的文件、对话和状态放在一起,下一次开新会话仍然能回到这组材料。

Skills 保存的是方法。你花时间调出一套合同抽取格式、品牌审稿规则或周报流程,可以让 Grok 把它保存成 Skill,下一次对新文件复用。

Collections 是 API 里的可搜索知识库。资料很多、需要反复检索、还要接进产品时,比每轮重新上传附件更合适。

Office 插件负责最终文件。结果本来就要落到 Word、PPT 或 Excel 时,让 Grok 直接在原生文件里生成和修改,少一次复制,也少一次格式损坏。

Grok 文件处理有几个具体限制

官方 FAQ 当前列出的 Web 单次数量约为 100,Android 较少,约为 20;Web 的格式支持通常更完整。超长文件可能被分段或摘要,超过 100 页的 PDF 最好要求返回真实页码。

非 PDF 文档里的内嵌图片不一定都会经过视觉理解。一个 DOCX 里如果关键证据藏在截图中,模型可能只读到了周围文字。音视频也会先经历转写,人名、数字、口音和专有名词都有出错空间。

高密度文件任务的第一轮先做"收件检查",暂时不分析正文:

text 复制代码
先不要总结。

请列出你实际收到的全部文件:文件名、类型、页数/工作表/时长、是否能完整读取。
单独标记:
- 可能被截断的文件;
- 含有关键图片但无法确认是否识别的文件;
- 转写质量可能较低的音视频;
- 文件名或版本可能重复的项目。

完成盘点后停止,等我确认下一步。

第二轮再指定字段。例如处理 15 份合同,直接抽取主体、签署日、金额、付款节点、续约、解约、违约责任和页码。第三轮比较冲突,第四轮只复核低置信度项。

要给"不知道"留一个固定位置。每条结果除了值,还要带文件名、页码或工作表、简短依据和置信度。找不到就写"未找到";读不清就写"需人工复核"。完整但错误的表,比带缺口的表更危险。

100 个文件代表一条批量工作流,也代表一次错误可能被复制到 100 份结果里。

5. Grok 总失忆?别再喂聊天记录

长项目常见一种循环:你已经否掉一个方案,过几轮它又提回来;新开对话以后,它忘了术语、角色和格式;为了唤醒它,你把整段旧聊天重新贴一遍,上下文越来越大,重点反而越来越模糊。

解决这件事,要把"记忆"拆成三层。

Memory 记个人偏好,例如中文输出、日期格式、回答长短。Projects 放当前项目的材料和事实。Skills 保存反复执行的方法。偏好、事实和流程混在一个超长提示词里,任何一层更新都会牵动另外两层。

给项目准备一份看得见的状态文件

自动 Memory 很方便,却很难充当可靠数据库。社区里的长期创作用户会在 Project 中放一份短小的背景文件,每次开新对话先明确要求 Grok 读取。

可以用下面这个结构:

markdown 复制代码
# PROJECT_STATE

最后更新:2026-07-13

【当前目标】
- 本轮要完成:
- 最终交付:

【已确认事实】
- 事实:
- 来源:

【已做决定】
- 决定:
- 原因:
- 已放弃方案:

【待办与阻塞】
- ⬜ 下一步
- 阻塞:

【不能做】
- 不得修改:
- 涉及以下动作先确认:

【当前文件】
- 主文件:
- 参考材料:
- 最新产物:

每完成一个阶段,让 Grok 更新这份文件。新会话的第一条指令也不要只说"读取项目",可以要求它复述文件的最后更新时间、当前目标和三条最新决定。这样能检查它是否真的读到了,避免一句礼貌的"已了解"混过去。

这招也有边界。社区有人报告 Project 文件没有被自动读取,或者长文件被截断。状态文件要短、结构稳定、持续覆盖更新;背景史料另放,状态文件只保留当前仍有效的内容。

重复的方法,交给 Skill

Skills 是 2026 年 Grok 最容易被低估的功能之一。官方内置了 Word、PowerPoint、Excel、PDF 和 Skill Creator。用户可以通过描述、上传样例或一段已经跑通的对话创建自己的 Skill,而且用户版本会优先于官方同名能力。

例如你连续三次让 Grok 按同一套规则审文章:检查事实与观点是否混写、引用是否支撑结论、数字是否过期、是否遗漏反例。与其每次粘贴规则,不如在一次满意的任务结束后说:

text 复制代码
把我们刚才已经验证过的审稿流程保存为一个名为"反证审稿"的 Skill。

保留:检查顺序、输出格式、置信度与停机条件。
不要保存:这篇文章里的具体事实、人物、数字和临时结论。

生成后先向我展示 Skill 的触发说明和完整规则,暂时不要直接启用。

Skill 只存方法,别把会过期的项目事实塞进去。项目状态变了,更新 PROJECT_STATE;工作流程变了,才更新 Skill。

到了 Grok Build,这套能力会进一步落到文件系统:项目 Skill 可以放在 ./.grok/skills/,个人 Skill 放在 ~/.grok/skills/,还能直接作为 /<skill-name> 调用。第 9 章会继续展开。

重要状态要能被你打开、修改、删除和对照版本。无法检查的记忆,不适合承载项目真相。

6. 一张图,怎么接成 30 秒短片?

Imagine 最容易让人上瘾,也最容易把额度烧在无效尝试上。输入一句描述,几秒后出现几张图;不满意就再来一轮。生成数量越来越多,人物的脸、衣服、光线和场景却越跑越远。

第一次用 Imagine,先记住三个动作:做一张能当"标准答案"的图,让这张图动起来,再沿上一段的末帧继续生成。

纯文字直接生成长视频,模型要同时决定人物长什么样、场景在哪里、镜头怎么动、故事如何推进。变量太多,任何一项都可能漂移。先把首帧定下来,相当于提前锁住人物和世界。

第一步:先做角色标准照

不要一开始就写"生成一段 30 秒电影"。先生成角色的正面、侧面、服装、标志物和主要场景。选定一张最稳定的图片作为首帧,后面的镜头都从它出发。

一份够用的设定不需要写成长篇小说,但至少要固定:

  • 人物外貌:脸型、发型、年龄感、身材比例。
  • 服装与标志物:颜色、材质、首饰、武器或道具。
  • 场景:时代、地点、天气、主色和关键物件。
  • 画面:写实、动画、胶片、赛博朋克等风格。
  • 镜头:景别、焦段感、机位和运动方式。
  • 禁止漂移:哪些东西在整条视频里都不能变。

官方当前称 Imagine 支持最高 2K 图片和最长 15 秒视频。实际做连续内容时,社区创作者更常把一个动作控制在 6---10 秒。镜头越短,模型需要同时维持的状态越少。

第二步:用图片生成第一段视频

把选定的首帧送入图生视频。每个镜头只写一个主要动作、一个机位变化和一个情绪目标。例如"人物从门口走到窗前,镜头缓慢跟随",比"人物走到窗前、拿起杯子、回头说话、灯光熄灭、外面发生爆炸"更容易稳定。

第一段合格以后,不要重新上传原始图片生成第二段。Imagine 的 Extend from Frame 会使用上一段的最终帧继续。社区里一个获得较多反馈的连续视频方法,就是把 4---5 个 6---10 秒片段接成 30---50 秒,再去 CapCut 等剪辑软件完成节奏、声音和转场。

第三步:下一镜要写清"上一镜停在哪里"

延长视频时,如果重新粘贴原始提示词,模型很容易回到故事起点,人物姿势和光线也会突然跳变。

更稳的写法是先描述上一镜最后一帧,再写下一步动作:

text 复制代码
从上一段视频的最终帧无缝继续。

当前状态:人物右手扶在窗框,身体侧对镜头,窗外是蓝色雨夜;室内暖光来自左后方,镜头停在中近景。

下一步动作:人物缓慢转头看向走廊,镜头小幅推近;只发生转头和推镜,不增加其他动作。

保持不变:同一张脸、发型、服装、饰品、身材比例、场景布局、光线方向、色温、镜头质感和画面风格。不要换脸、变装、改变时间或增加新人物。

这类"锁定词"不能保证零漂移,但它把模型的注意力集中到连续性上。效果最终取决于上一段末帧是否干净、下一镜动作是否足够简单。

第四步:把对白和声音单独处理

人物说话、快速动作和复杂运镜同时出现时,失败概率会明显上升。对白镜头最好单独生成,固定语速、情绪、口音和音色描述,再在剪辑阶段与其他镜头组合。

涉及真实人物声音时要获得授权。xAI 的自定义声音流程要求本人现场朗读验证短语并做声纹相似度检查,这也说明"我在网上找到一段录音"并不构成可用授权。

额度怎么花才值?

Imagine、Chat、Voice 和 Build 会共同消耗付费账户的共享周用量池。官方 FAQ 还写明,生成内容会带 Grok 水印,官方不提供移除选项;720p 用量耗尽后,任务可能降到 480p。

社区里有一位重度用户展示过自己的周中数据:226 个项目文件消耗了 SuperGrok Heavy 周池的 51%,其中 Build 占 25%。这是单个创作者的工作量记录,不能换算成每个人的固定额度,但足以看出视频、代理和普通聊天在同一周池里的消耗差异很大。

省额度的顺序很具体:先用图片确认脸和构图,再生成视频;同一轮只改变一个变量;短镜头通过以后再延长;失败素材及时停止继续分叉。最大浪费通常来自带着错误人物继续生成后面五段。

7. 让 Grok 替你接电话,真能用到什么程度?

截图里的"接听真实来电"很容易让人误会:打开一个开关,Grok 就能替你接手机上的所有电话。

实际链路更像开一条新的业务热线。xAI 给 Voice Agent 分配一个电话号码,客户拨进去后由 AI 接听;企业也能通过 SIP 接入原来的号码。你可以先在浏览器里和它通话,确认流程没跑偏,再让真实电话进来。普通 Voice Mode 是你和 Grok 聊天,2026 年 7 月上线的 Voice Agent Builder 则要替店铺、客服和团队处理一通完整来电。

电话一旦接通,模型面对的就不再是一句整理好的提示词,而是噪音、口音、打断、记错的订单号,以及说到一半突然改主意的人。它还要一边说话,一边查资料、改日历或转人工。

两分钟,能搭出什么?

xAI 把配置压进了一个无代码界面。第一次做,不要急着把公司所有资料和工具都接进去,先跑一条边界清楚的预约热线:

  1. 写电话流程。开场怎么说明身份,先问什么,缺少哪些信息不能继续,什么情况必须转人工。
  2. 上传知识库。产品说明、退换政策、价格表和操作手册放进 Collections,同一套资料可以给多个 Agent 复用。
  3. 选择声音和号码。可以用内置声音,也能用约两分钟授权录音制作自定义声音;新账户可获得一个测试号码,现有企业号码则通过 SIP 接入。
  4. 接上需要的工具。预约只给 Calendar,查单只给订单查询 API。先别顺手开放退款、发信和改客户资料。
  5. 在浏览器里打烂它。故意报错号码、中途改时间、沉默十秒、插话、换语言,再看它会不会乱填、乱承诺或卡死。

"两分钟创建"说的是 Demo 速度。电话号码、录音告知、权限、人工接管和异常恢复,不会在两分钟里自动替你处理好。

一通预约电话,提示词要写到什么程度?

下面这份骨架比"你是一个友好的预约助理"可靠得多:

text 复制代码
你是门店预约助理,只处理预约、改期和取消。

开场:说明自己是 AI 语音助理;按当地法律和公司政策说明录音,并取得必要同意。

核对:先复述姓名、联系电话、服务项目、日期和时间。任何一项不确定,都要追问,不得猜测。

工具:查询空档后先口头确认;只有来电者明确答应,才能创建或修改日程。

禁止:不收集银行卡信息,不承诺价格减免,不处理投诉赔偿,不讨论知识库外的政策。

转人工:连续两次听不清、来电者要求人工、涉及退款或情绪激烈时,立即转接。

结束:复述最终安排和后续通知方式,再结束通话。

可靠性就看一件事:每一个外部动作前,是否都有明确确认。电话里一句含糊的"行吧",不该直接变成一场已创建的预约。

它能边说边做什么?

官方 Builder 可以连接 Gmail、Google Calendar、Outlook、Linear、Notion、Google Drive 和 OneDrive,也能调用 Web Search、X Search、自定义 API 与 Remote MCP。客服可以查订单,前台可以看空档,销售可以记录线索;无法继续时,工具可以把通话转给真人。

知识库回答"规则是什么",工具负责"把事情办掉"。两者要分开验收。资料里写着周四有空,不等于 Calendar 里真的还有位置;模型说"已退款",也不等于支付系统已经返回成功状态。调用工具以后,至少记录对象 ID、返回状态、命中资料和是否转过人工。

每通 Builder 电话都会录音并转写,后台可以回听音频、看文字稿和工具调用。这个功能方便复盘,也带来了最直接的合规问题:来电者是否知道对面是 AI,是否同意录音,声音克隆是否取得本人授权,录音保存多久,谁能下载。官方公开页没有写清免费号码覆盖哪些国家,也没有单列 Builder 录音的保存期限;上线前要在自己的 Console、合同和当地法律里核对。

每分钟 0.06 美元,失败重试照样计费

xAI 当前公布的语音费用是每分钟 0.05 美元;使用它分配的电话号码,电话层再加每分钟 0.01 美元。照这个口径,1000 分钟约 60 美元,还没算你接入的外部 API、人工坐席和现有电话系统费用。

开发者 API 单次会话最长 120 分钟,每个团队默认最多 100 个并发会话,并支持 Collections、Web、X、MCP 和自定义函数。数字看上去足以跑业务,但真正吃钱的是失败重试:Agent 听错订单号后反复确认十分钟,同样按时间计费。

Voice Agent Builder 刚进入 beta,公开体验还很少。一名 Reddit 首日测试者觉得搭建很快、预置工具方便,也碰到成品声音比样例平、跨电话默认没有长期记忆、提示词防线容易被改弱的问题。这只是一人的首日体验,不过三个坑都值得提前压测:声音是否能听、下一通电话是否需要外部记忆、来电者能否把 Agent 诱导出业务范围。

xAI 的 Acceptable Use Policy 禁止误导用户对 AI 身份的认识、未经授权替别人行动,以及让 AI 自动做影响安全或重大权益的高风险决定。预约、查单和标准问答适合先试;医疗判断、贷款审批、雇佣决定、支付和大额退款,应当保留人工确认。

先给它一条低风险热线,拿真实噪音和真实打断测试一周。能稳定核对信息、调用正确工具、留下外部证据并在该转人时转人,再扩大范围。

8. 邮件、日历、文档,怎么让它真动手?

Connectors 是 Grok 从"读你贴进来的文字"走向"进入你的工作系统"的入口。连接以后,它可以在对话里搜索邮箱、读取附件、查日历空档、浏览云盘文件,也能在权限允许时创建草稿、发送邮件和修改日程。

麻烦也从这里开始。模型回复"邮件已经发送",不等于 Gmail 里真的出现了一封 Sent 邮件。社区已经有人遇到 Connector 授权后仍然读不到收件箱,也有人发现不在提示词中明确点名 Connector,Grok 就不会调用它。

先把三个层次分开:产品宣称支持什么,你的账号授权了什么,外部系统最后发生了什么。

第一步:只连接一个只读场景

入口在 grok.com/connectors。第一次不要同时连接邮箱、日历、云盘、GitHub 和 Notion,先选一个你能立即核对结果的任务。

例如连接 Gmail 后,让它找一封你知道确实存在的邮件:

text 复制代码
使用 Gmail Connector,只读搜索:

发件人:billing@example.com
时间:最近 30 天
主题包含:Invoice
必须带附件

返回邮件主题、发件人、时间、附件名称和 Gmail 中可核对的标识。
不要创建草稿、修改标签或发送邮件。

Gmail Connector 原生支持 Gmail 的搜索运算符,包括 from:to:subject:newer_than:has:attachment。提示词越接近邮箱本身的检索规则,结果越容易复核。

第二步:看懂"读取、修改、发送"三层权限

Gmail 的基础连接是 gmail.readonly,负责搜索和读取。创建草稿、移动到垃圾箱、修改标签需要 gmail.modify。发送、回复和转发需要 gmail.send。标签管理还有单独权限。

Calendar 也类似:calendar.readonly 负责读事件,calendar.freebusy 用于查询空闲时间,calendar.events 才能创建、更新和删除日程。

授权页面上的 scope 名称,直接决定它能动到哪里。出现 sendmodifyreadwrite 时,权限已经从"帮我查"走到了"可以替我改"。

比较稳的升级顺序是:

  1. 只读搜索,确认对象和范围。
  2. 生成草稿,不写入外部系统。
  3. 创建邮箱草稿或日历提案,让人检查。
  4. 明确确认收件人、正文、时间和附件后,再执行发送或邀请。

第三步:把三个系统串成一次真实交付

假设你下周要参加一场客户会议。可以让 Grok:

  1. 从 Calendar 读取会议时间、参会者和说明。
  2. 从 Gmail 找最近 30 天与客户相关的往来和附件。
  3. 从 Drive 读取最新提案、报价和会议记录。
  4. 把事实、未决问题、风险和建议议程分开。
  5. 用 Word Skill 生成一份会前简报。
  6. 需要演示时,再把同一组材料交给 PowerPoint Skill 或插件生成 5 页可编辑 PPT。

这套流程少了好几轮手工搬运。日历、邮箱和云盘里的材料,可以直接进入 Office 交付物。

Excel 也有一个容易被忽略的区别。让聊天模型给你一段公式,你还要自己复制、调整引用、检查结果;Grok for Excel 可以读取选区、把真实公式写入单元格、生成图表并标记变更。验收时检查单元格公式和源数据,不要只看图表是否好看。

第四步:给"完成"设置外部证据

所有连接器任务都可以加一段统一规则:

text 复制代码
执行外部动作后,请返回:
- 使用了哪个 Connector;
- 创建或修改了哪个外部对象;
- 对象的名称、ID 或可打开链接;
- 外部系统显示的最终状态;
- 哪些步骤无法从外部系统确认。

如果没有拿到成功状态,请写"未确认完成",不要根据对话内容推断成功。

对于 Gmail 和 Google Calendar,xAI 官方称 Connector 数据不用于训练,并且实时读取后不在 xAI 服务器保留。其他 Connector 应查看各自页面,不能拿 Gmail 的说明替代所有服务的数据规则。

高手还可以通过 Custom MCP 把内部 API、数据库或没有出现在目录里的 SaaS 接进 Grok。这里的门槛不在提示词:MCP 服务需要能被公网访问,要处理鉴权、日志、最小权限和失败回滚。没有这些基础设施,先用官方 Connector 更稳。

9. Grok Build,怎么从零跑完一个任务?

普通 Grok 工作在聊天和云端工具里。Grok Build 运行在终端,能看到当前目录中的文件,也能调用命令、修改代码、运行测试、查看 diff,并把一个长目标持续推进下去。

不会编程也能用它做链接检查、文件批处理、Markdown 整理、CSV 清洗和批量改名。但第一次使用时,应该拿副本目录练手,因为终端代理面对的是一个真实文件夹,影响范围远大于一张上传附件。

第一步:安装以后,先检查它看到了什么

xAI 官方安装方式是:

bash 复制代码
curl -fsSL https://x.ai/cli/install.sh | bash
grok login

企业文档还给出 npm install -g @xai-official/grok 作为替代。登录后先进入一个测试目录,再启动 grok。不要把生产仓库、客户资料和个人主目录当成第一块试验田。

Build 的个人设置保存在 ~/.grok/config.toml。项目可以有 .grok/config.toml,但项目配置只负责仓库共享的 MCP、插件和权限规则,不能替代完整个人配置。

配置完成后先运行:

bash 复制代码
grok inspect

它会帮助确认实际加载了哪些配置。代理表现异常时,常见原因之一是 MCP、Skill 或权限规则放错层级,根本没有生效。

第二步:第一轮只审计划

假设任务是检查一篇文章的失效链接。先进入 Plan 模式,让 Grok 回答:会读取哪些文件、调用哪些命令、是否联网、输出放在哪里、是否会修改原文、怎样判断链接失效。

一张够用的任务卡有六项:

text 复制代码
目标:检查当前目录所有 Markdown 文件中的外链,生成失效链接报告。

上下文:正文在当前目录;references 只读;旧报告可以参考但不能当最新结果。

允许动作:读取 Markdown;联网发起 HEAD/GET 检查;创建 reports/broken-links.md。

禁止动作:不得修改正文、不得删除文件、不得提交 Git、不得访问目录外内容。

验收:报告包含来源文件、行号、URL、状态码、检查时间;对超时与明确失效分开标记。

停机:连续请求失败、遇到登录页面或需要扩大权限时停止并报告。

确认计划后再执行。任务卡里的验收和停机条件很重要:它们决定代理什么时候算完成,什么时候应该停下来找你。

第三步:任务变长,再用 /goal

小任务跑通以后,可以把更大的目标交给 /goal

bash 复制代码
/goal 检查 references 中的全部来源链接,生成报告,不修改 article.md
/goal status
/goal pause
/goal resume
/goal clear

/goal 会维护任务状态并持续推进。中途可以补充要求,但目标发生根本变化时,清掉旧任务重新开始更干净。长任务最怕在一个状态里先查链接、后来突然改成重写文章,旧约束和新目标会互相污染。

第四步:把稳定规则放到正确位置

Grok Build 会从 ./.grok/skills/~/.grok/skills/、插件和额外配置路径发现 Skills。用户可调用的 Skill 会出现在 /<skill-name> 中。

Plugins 可以同时带 Skills、agents、hooks、MCP 和 LSP。/plugins/skills/hooks/mcps 都能打开同一个扩展管理入口。项目 Hooks 位于 .grok/hooks/,首次使用涉及 /hooks-trust,因为这些脚本会在工具或会话生命周期里自动运行。

迁移现成项目时,可以复用一部分规则。Grok Build 会读取 AGENTS.md 文件家族,也兼容 Claude Code 的 CLAUDE.md.claude/rules/、Skills、Plugins、MCP、agents 和 hooks。已经维护 Codex 或 Claude Code 项目的团队,不需要从零复制所有规则。

文件被识别,只代表加载成功,不保证行为一致。社区有人提醒,同一份 Skill 在不同代理里可能因为触发描述不同而没有自动调用;同一句 AGENTS.md 规则,不同模型的权重和执行也会不同。迁移后要用一个小任务检查触发与边界。

第五步:盯住资源、进程和回滚

Grok Build 的 subagents 能并行探索,也会放大资源消耗。一名维护 Java、C++、Rust、JavaScript 和 Python 单体项目的用户报告,Build 在大型任务里把内存推到 50---60GB,退出 CLI 后仍有脚本继续运行。它是个体经验,不能代表所有机器,但足以提醒你设置代理数量、任务范围和运行时限。

长任务结束后至少检查四样东西:Git diff 是否只改了预期文件;测试是否真的通过;后台进程是否仍在运行;生成文件能否被打开和复核。没有版本控制的文件任务,先保留原始副本和输出目录。

Grok Build 能写文件、跑命令,风险会直接落在你的电脑和仓库里。不要为了省一次确认,把权限模式直接开到全自动;能在 Plan、只读和可回滚环境里验证的任务,先不要给写入、联网、sudo 和部署权限。

10. 把 Grok 4.5 塞进 Codex

如果你已经习惯 Codex 的界面、工具和工作方式,又想测试 Grok 4.5,可以让 Codex 保持原来的"身体",把底层模型提供商换成 xAI。

Codex 支持自定义模型提供商,目前使用 Responses API;xAI 的 grok-4.5 也原生提供 https://api.x.ai/v1/responses。两边协议能对上,可以直接通过配置组合。

OpenAI 与 xAI 没有联合发布这项一键集成。下面的写法适用于 Codex 0.134.0 及以后,主要面向 Codex CLI 等本地客户端。先检查版本:

bash 复制代码
codex --version

方法一:直接写进 Codex Profile

第一步:准备 xAI API Key

在 xAI Console 创建 Key,并放进当前终端环境变量:

bash 复制代码
export XAI_API_KEY="你的 xAI API Key"

不要把真实 Key 写入文章、项目配置或 Git 仓库。SuperGrok 订阅也不能替代这枚 Key;这条路线消耗 xAI API 余额。

第二步:建立独立 Profile

创建 ~/.codex/grok.config.toml

toml 复制代码
model = "grok-4.5"
model_provider = "xai"
model_reasoning_effort = "high"

[model_providers.xai]
name = "xAI"
base_url = "https://api.x.ai/v1"
env_key = "XAI_API_KEY"
wire_api = "responses"

Codex 0.134.0 以后会先读取 ~/.codex/config.toml,再叠加 ~/.codex/<profile>.config.toml。Provider 相关配置应放在用户级目录;项目 .codex/config.toml 出于安全原因会忽略 model_providermodel_providers

第三步:先做无副作用测试

启动交互会话:

bash 复制代码
codex --profile grok

也可以先跑一条只读测试:

bash 复制代码
codex exec --profile grok "只回答 OK,不修改任何文件"

确认纯文本正常以后,再逐级测试:读取一个小文件、解释内容、修改一份临时副本、检查 diff、运行一条无副作用命令。不要第一次连通就把它放进生产仓库。

接进去以后,哪些东西会保留?

Codex 仍然负责本地会话、文件工具、Shell、审批与交互;Grok 4.5 负责模型推理和工具调用决策。组合后的结果是"Codex 工具框架 + Grok 模型",不包含完整的 grok.com 或 Grok Build。

Grok 消费端的 Memory、Projects、Imagine、Connectors 和 SuperGrok 额度不会跟着出现。xAI 服务端的 X Search 和 Web Search 也不会仅凭 base_url 自动加入 Codex;它们需要请求中显式提供对应工具,或者通过 MCP/自定义集成暴露。

方法二:把 Grok Build 叫来做第二遍

另一条路线,是让 Codex 继续使用原模型,通过 Skill/MCP 调用本机 Grok Build,让 Grok 做代码审查或第二意见。已经出现 grok-build-codex-plugin 之类桥接项目,但目前仍属 pre-1.0 社区软件、没有正式 Release。它适合只读研究,不适合未经源码审查就开放写权限。

方法三:账号一多,用 GrokGo 把网关收进一个面板

如果你只有一枚 xAI API Key,前面的 Profile 已经够短。GrokGo 解决的是另一种麻烦:账号不止一个,还想把 X Search、图片、视频、MCP、日志和额度一起交给 Codex。

GrokGo 是作者 @cgnot996 做的 MIT 开源桌面网关。它在本机提供 Responses 与 OpenAI-compatible 接口,Codex 仍按熟悉的方式发请求;账号 OAuth、加权路由、自动刷新、MCP 和媒体产物由 GrokGo 管理。集成页还能给 Codex/CC Switch 导入 Provider,或注入 grok-go MCP。

2026 年 7 月 13 日发布的 v0.1.4,对多账号用户最实用的更新集中在导入、选号和查账。

导入时,它能批量读取 CPA 的 xai-*.json、sub2api 的多行 refresh token、旧 GrokGo auth.json 和卡密 SSO。卡密里的 SSO 会通过 Device Flow 转成 OAuth,随后走 OAuth 网关;项目已经移除容易碰到反爬的 grok.com SSO 逆向通道。

账号进来以后,可以批量启用、禁用、改权重、清冷却,并分别标记 supportsImagesupportsVideo。图片请求不会再随机撞到不能出图的号,视频也能走自己的账号池。删除操作增加了写盘校验,修掉了异步额度任务把已删账号重新写回来的"复活"问题。

日志会标出每条请求最终命中了哪个账号,额度页也把 SuperGrok 周池和 API rate-limit 分开。Windows 上授权链接被 & 截断、浏览器报 Missing or invalid client_id 的问题,这版也改了打开方式。

接进 Codex 只走五步:

  1. 从作者仓库的 Release 下载对应安装包。
  2. 启动 GrokGo,只导入一个测试账号。
  3. 在概览页复制 Base URL 和 Local Token。
  4. 到集成页导入 Codex Provider,再发一条纯文本请求。
  5. 逐级测试 x_search、图片和视频,并回到日志页核对命中账号与额度变化。

GrokGo 的默认 Base URL 在 127.0.0.1,首选端口是 8787,冲突时会顺延。没有明确的局域网需求,就让它留在本机;Local Token、OAuth token 和 ~/.grok-go/auth.json 都不应该进 Git 或截图。

它仍是 v0.1.4 的早期第三方项目,不代表 xAI 或 OpenAI 官方集成。macOS 安装包尚未签名和公证,Windows 也可能触发 SmartScreen。只从作者仓库的 Release 下载,先备份配置,生产环境使用前再审一遍源码和权限。

大多数情况下,先用直连 Profile 测模型质量最省事。需要 Grok 的订阅认证、Build 环境或 X Search 时,再考虑桥接。无论走哪条路,都要检查同一组证据:改了哪些文件、工具是否真的调用、测试是否通过、失败能否回滚。

11. Grok 到底值不值得付费?

判断是否付费,先找出你要买的是哪一种东西:更多消费端周额度、一个终端/IDE 工作入口,还是可编程的 API。

偶尔搜索和处理文件:先用免费版跑通

如果每周只是搜几次新闻、分析少量文件、写作和偶尔生成图片,免费版足以验证 Grok 是否适合你的思路。先完成一个真实任务,比看别人展示额度更可靠。

免费阶段先看三件事:X + Web 搜索是否比现有工具更省时间;文件结果是否能带页码与依据;Imagine 的风格和控制是否符合你的内容需求。三项都没有明显增量,升级只会买到更多相同体验。

经常混用 Chat、Imagine 和 Build:再看 SuperGrok

付费账户目前逐步使用一个跨 Chat、Imagine、Voice 和 Build 的共享周用量池。官方没有承诺长期固定的"每周多少条",因为一次聊天、一次 720p 视频和一个多代理长任务的算力完全不同。

进入 Settings → Usage,可以查看消耗比例、产品占比和重置时间。若 70% 都花在视频反复试错,升级聊天额度不能解决工作流问题;若 Build 经常在有明确产出的长任务中见底,更高档位才可能节省等待。

截至 2026 年 7 月 13 日,官方定价页显示 SuperGrok 为 30 美元/月。地区、活动、档位和首发优惠会变化,购买时应以自己的页面为准。

要接 Codex 或自己的工具:对应入口是 API

API 按实际使用付费,优点是能控制模型、搜索、文件、缓存和预算。下面用一笔简化账单说明为什么不能只看 2/2/ 2/6。

假设一次长任务消耗 200k 输入、20k 输出,并发起 30 次 X Search:

  • 输入:0.2 × 2=2 = 2=0.40。
  • 输出:0.02 × 6=6 = 6=0.12。
  • 30 次 X Search:30 ÷ 1000 × 5=5 = 5=0.15。
  • 简化合计:$0.67,尚未计入其他可能产生的 token 和工具。

如果 200k 输入中有 150k 命中缓存,输入部分会从 0.40降到约0.40 降到约 0.40降到约0.175。缓存输入是 $0.50/百万 token,相比普通输入便宜 75%。长项目反复携带规则、工具定义和参考材料时,这个差距会不断累积。

缓存能省钱,但要按它的规则写会话

xAI 官方建议 Responses API 设置稳定的 prompt_cache_key,Chat Completions 使用 x-grok-conv-id,让同一会话尽量路由到同一服务器。

想提高命中率,需要做到:静态规则和参考资料放在前面;后续消息只追加,不修改、删除或重排旧消息;持续查看返回中的 cached_tokens。如果它一直是 0,先检查会话 ID 和消息顺序。缓存也可能因服务器负载被驱逐,系统不能依赖"每次必定命中"。

Fast 值不值得开?

发布初期 Cursor 的基础 Grok 4.5 标价与 API 相近,Fast 变体一度为输入 4/百万、输出4/百万、输出 4/百万、输出18/百万。Fast 购买的主要是更高调度优先级,不代表模型突然更聪明。

4.5 本身生成已经很快。只有等待队列确实影响交付时,Fast 才值得测试。先用同一任务对比首 token、总耗时、返工和价格,不要因为按钮写着 Fast 就默认打开。

数据边界也算成本

消费版 Grok 的内容与互动可能用于改进模型,可在 Data Controls 中检查开关;Private Chat 不用于训练。xAI API 承诺未经明确许可不会拿 API 输入输出训练,但普通 API 请求会暂存 30 天用于滥用审核,完整 Zero Data Retention 只向企业账户开放。

Gmail、Calendar 等 Connector 又有各自的数据说明;Cursor 也有独立的 Privacy Mode。入口不同,规则就不同。客户隐私、未脱敏合同、私钥、.env、生产数据库和内部源码,不能因为单价便宜就直接交给代理。

按这四条选就够了:

  • 免费版:验证搜索、文件和创作有没有真实增量。
  • SuperGrok:已经稳定使用多个消费端产品,周池成为可观察的瓶颈。
  • Cursor 或 Grok Build:工作重点在代码、电脑文件和长任务执行。
  • xAI API:需要接 Codex、内部工具或自己的自动化,并愿意管理成本、权限和数据流。

Grok 4.5 的价格会变,额度会变,模型也会变。最不容易过期的判断标准是:它有没有把一段原本需要你来回切换工具、复制资料和人工检查的工作,缩短成一条可以验收的流程。

最后

把 Grok 留在聊天框里,4.5 带来的变化确实有限。

往深处用,它会沿着任务链一点点接手:从 X 和 Web 找现场与证据,读取你的文件和项目状态;视觉内容进 Imagine,外部资料交给 Connectors,电脑文件和命令交给 Build;已有 Codex 工作流,也可以通过 API Profile 测试 Grok 4.5。

能力每多一层,你交出去的资料、权限和预算也会多一层。搜索看来源,文件抽取看页码,外部操作看对象 ID,代码修改看 diff 和测试,API 看实际 cost 与 cached tokens。

到了实际任务里,常见动作反倒是关开关:不需要的工具别提供,多余的权限别开放,长任务始终留一份验收清单。

Grok 负责往前跑。那份验收清单,要一直留在你手里。

资料与边界

本文资料更新至 2026 年 7 月 13 日。Grok 4.5 的普通 Chat 开放范围、地区可用性、订阅价格、共享周额度、Cursor 活动和 Grok Build 首发权益仍可能变化,使用前请以实际账户与官方页面为准。

主要官方资料:

社区案例用于呈现真实工作流、摩擦和失败可能,不代表所有账户、版本、设备与任务都能复现。本文没有完成作者账号的全入口同题实测;涉及购买、外部写入、生产环境和敏感资料时,应以最小权限、实际界面、外部状态和可回滚结果为准。

相关推荐
ATA88882 小时前
AI辅助生成SQL实战从连接配置到执行计划优化的完整技术流程
数据库·人工智能·智能问数
hannuoi2 小时前
展厅设计公司哪个牌子好?品牌口碑测评榜单与避坑指南参考
大数据·人工智能
是烨笙啊2 小时前
从 npm 与 Bun 的选择看 AI 时代的“最佳实践”焦虑
前端·人工智能·npm
醒过来摸鱼2 小时前
机器学习知识框架:从数据处理到模型部署
人工智能·机器学习
Anastasiozzzz2 小时前
Agent 生产落地的“硬约束”:深度解码 Harness Engineering 六层架构与闭环自愈设计
人工智能·架构
小饕2 小时前
RAG 进阶|响应生成(Generation)4 大痛点深度剖析:从问题定位到工程解法
人工智能·rag
得物技术2 小时前
得物推荐系统诊断 Agent:从 “调接口” 到 “会思考”|AICon 演讲整理
人工智能·算法·架构
hay_lee2 小时前
Agent 时代的“TCP/IP“:多智能体协议如何重塑企业 AI 基础设施
人工智能
feelmylife592 小时前
企业级 LLM Mass Gateway — 多租户高并发网关,真正难点是 streaming 下的配额计数
人工智能·后端