Chat คือทุกสิ่งที่คุณต้องการ

Grok Bot มีเอาต์พุตเดียว: ข้อความ

นี่อาจดูเหมือนย้อนแย้ง เครื่องมือสำหรับผู้ใช้ระดับสูงถูกสร้างขึ้นบนความซับซ้อนและความกว้าง ใช่ไหม?

Chat ไม่สามารถมีเวิร์กโฟลว์ของฉันได้ มันเป็นเวิร์กโฟลว์พิเศษ ฉันเป็น นักพัฒนา

"มองด้วยเวิร์กโฟลว์พิเศษของคุณ"

แต่ถ้า "พลัง" มาจากระบบเบื้องหลังแทนที่จะเป็นอินเทอร์เฟซล่ะ? แทนที่จะเป็นโค้ด ตอนนี้เราเขียนพรอมต์แทน

เราเปลี่ยน IDE เป็น TUI เพราะ เทอร์มินัล คือเครื่องมือจริง - chat เป็นแค่ อินเทอร์เฟซ

เราไม่จำเป็นต้องมียูสเซอร์อินเทอร์เฟซ - อย่างน้อยก็ไม่ใช่ในความหมายดั้งเดิม เราต้องการคอมพิวเตอร์

และแทนที่จะใช้มันด้วยตัวเอง เราสามารถส่งต่อให้เอเจนต์ได้ นั่นคือ Grok Bot: เอเจนต์ที่มีคอมพิวเตอร์

ผมใช้ Grok Bot ใน 4 วิธีที่แตกต่างกัน และมันคือ chat ทั้งหมด ตั้งแต่ต้นจนจบ

ซอฟต์แวร์ส่วนบุคคล

AI ลดต้นทุนของโค้ดและปลดล็อกซอฟต์แวร์เฉพาะบุคคล - บางคนถึงกับเรียกว่าซอฟต์แวร์ 'แบบใช้แล้วทิ้ง'

https://x.com/davidhoang/status/1802140453292372272

https://x.com/jsngr/status/1802032670353904122

แต่ซอฟต์แวร์ คือ อะไร?

ซอฟต์แวร์คือ ตรรกะ พื้นที่จัดเก็บถาวร และอินเทอร์เฟซ ซอฟต์แวร์รับอินพุต ทำอะไรบางอย่างกับมัน แล้วส่งคืนเอาต์พุต

ในอดีต เราอธิบายตรรกะเป็นโค้ด แต่ปัจจุบัน เราอธิบายตรรกะผ่านภาษาอังกฤษมากขึ้น

พื้นที่จัดเก็บถาวรเคยเป็นเรื่องยาก (ฐานข้อมูล) แต่ตอนนี้ พื้นที่จัดเก็บถาวรสามารถเป็นอะไรก็ได้จริงๆ: CSV, repository, ไฟล์ JSON

อย่างไรก็ตาม อินเทอร์เฟซเป็นสิ่งที่ยากอย่างฉาวโฉ่ พวกมันถูกออกแบบรอบเวิร์กโฟลว์ที่ตายตัว - ต้องมีความคิดเห็นชัดเจน แต่ก็ต้องยืดหยุ่นได้

ซอฟต์แวร์ทั้งหมดมาพร้อมกับการแลกเปลี่ยนระหว่างความเรียบง่ายและขอบเขต สิ่งที่ผมสร้าง เริ่มต้น ง่ายๆ แล้วก็กลายเป็นเรื่องยากที่จะจัดการอย่างรวดเร็ว

ซอฟต์แวร์มีไว้เพื่อทำให้ชีวิตง่ายขึ้น แต่ซอฟต์แวร์ส่วนบุคคลส่วนใหญ่กลับกลายเป็นงานที่สองที่ไม่ได้รับค่าจ้าง¹ เราต้องการอะไรที่ดีกว่า

จากซอฟต์แวร์สู่ chat

ซอฟต์แวร์ส่วนบุคคลล่าสุดของผมคือแอปฝึกความแข็งแรง

https://x.com/mattyp/status/2070129458305257746

ผมใช้เวลาหลายสัปดาห์ในการปรับแต่ง UI เพิ่มฐานข้อมูล² สร้างสูตร และเขียนเทสต์ ผมสร้างระบบ preview deploy เต็มรูปแบบและลูปฟีดแบ็กที่ดีสำหรับการปรับปรุงแอปของผม

มี edge case ใหม่ๆ เสมอ มีอะไรให้แก้ใหม่ มีปัญหาใหม่

ผมจะจดบันทึกและส่ง cloud agents

ค่อยๆ ดีขึ้น! แต่ก็ยังพังอยู่ดี

วันหนึ่งผมสงสัย - ถ้านี่เป็นแค่ chat ล่ะ?

การพูดคุยกับ Grok Bot ผมดึงตรรกะหลักทั้งหมดออกจากแอปของผม ผมเขียนมันใหม่เป็นชุดสกิลและ MCP servers³

ผมขอให้ Grok คิดรูปแบบสำหรับบันทึกการออกกำลังกายของผม ผมตัดสินใจใช้ Git เป็นเลเยอร์จัดเก็บ

ตอนนี้ Grok ส่งตารางออกกำลังกายให้ผมทุกวัน ผมบันทึกการออกกำลังกายแต่ละครั้งด้วยการบันทึกเสียง 30 วินาที ถ้าผมอยากเปลี่ยนท่าออกกำลังกาย ผมก็ถาม ถ้าความก้าวหน้าดูไม่ถูกต้อง ผมก็ถาม ถ้าผมอยากเพิ่มฟีเจอร์ ผมก็ถาม

แอปมีความยืดหยุ่นมากขึ้น เรียบง่ายขึ้น และเร็วขึ้น ผมสามารถเพิ่มหรือลบฟีเจอร์ด้วยข้อความเดียว ไม่มี CI ไม่มี preview deploy และไม่มี UI ที่จะพัง

ผมทำสิ่งนี้ขณะเดินไปยิม ผมอัปเดตและปรับปรุงแอปไปเรื่อยๆ

ในที่สุดผมก็อยากสร้าง chat ลงในแอปฟิตเนสของผม ตอนนี้แอปฟิตเนสของผมคือ chat

โค้ด

"โอเค ลืมคนนี้ไปเถอะ - เขากำลังเขียนโค้ดด้วยแชทบอท" สำหรับหกคนที่อ่านมาถึงตรงนี้ ฟังผมก่อน

ผม ไม่ได้ แทนที่ coding harness ผม เรียกใช้ coding harness

วิศวกรที่ดีที่สุดบางคนที่ @SpaceXAI ส่ง PR เป็นร้อยๆ ตัว โดยเริ่มจาก @Bot

สัปดาห์ที่แล้ว ผมนั่งคุยกับ @poteto

เธออธิบายว่า Grok Bot เป็น "outer loop" ที่สมบูรณ์แบบ: สถานที่รวบรวมและปั้นแต่งบริบทก่อนส่งต่อ "บริบทมีค่ามาก" เธอกล่าว

เอเจนต์ทำงานบน next token prediction: อินพุตของเอเจนต์มีอิทธิพลโดยตรงต่อเอาต์พุต

Chat, ไฟล์, สิ่งที่เอเจนต์ค้นหา, สิ่งที่เอเจนต์ อ่าน

สิ่งที่เอเจนต์ เข้าถึง มีความสำคัญพอๆ กับสิ่งที่พวกมัน ไม่ เข้าถึง

Lauren และคนอื่นๆ ใช้ Grok Bot เพื่อสำรวจไอเดีย ค้นหาข้อมูล รวบรวมบริบท จากนั้นจัดเตรียมพรอมต์เพื่อส่ง Cloud Agents

งานนั้นปกป้องบริบทของ inner loop agents

แทนที่จะทำให้ Cloud Agent ของฉันรกด้วยการวิจัยเชิงสำรวจมากมาย ผมสามารถส่งเฉพาะสิ่งที่จำเป็นให้พวกมัน - หลีกเลี่ยง context poisoning⁴

โค้ดถูกทำให้เป็นนามธรรมอีกชั้นหนึ่ง - จาก Cloud Agents สู่ "Bots" หรือผู้จัดการเอเจนต์

โชคดีที่ Cursor ทำให้การส่งต่อนี้ราบรื่น - เอเจนต์ที่เริ่มต้นโดย Grok Bot รอผมอยู่ในแอป Cursor

คุณ ในฐานะมนุษย์ แชทกับ outer loop agent outer loop agent เริ่มต้น inner loop agents

เครื่องมือเขียนโค้ดคือ inner loop ส่วน outer loop คือ chat

ระบบอัตโนมัติของเวิร์กโฟลว์

ถ้าซอฟต์แวร์เป็นแค่ตรรกะ พื้นที่จัดเก็บถาวร และอินเทอร์เฟซ เวิร์กโฟลว์ก็เป็นรูปแบบหนึ่งของซอฟต์แวร์

เราสร้างเวิร์กโฟลว์ เชื่อมโยงเครื่องมือหลายๆ อย่างเข้าด้วยกัน เพื่อให้ได้ผลลัพธ์ เวิร์กโฟลว์เหล่านั้นต้องการมนุษย์

นั่นคือปัญหา เพราะมนุษย์ทำผิดพลาด และ UI ส่วนใหญ่แย่มาก การบัญชี การช้อปปิ้ง และการธนาคารเป็นการดำเนินการที่ต้องใช้ความพยายามอย่างมาก

ผมอาจจะพูดเกินจริง แต่การจัดการกับเว็บไซต์เหล่านี้ทำให้เกิดภาระทางความคิดจริงๆ

คุณเคยจองเที่ยวบินผิดหรือไม่? สั่งของไปยังที่ผิด? คิดว่าจ่ายเงินแล้วแต่ไม่ได้จ่าย? ผมเคย

มากกว่าการดำเนินการส่วนบุคคล - เราทุกคนทำงานในเครื่องมือที่คล้ายกันทุกวัน

สัญญาของ AI ไม่ใช่การทำให้เราไร้ประโยชน์⁵ แต่เป็นการกำจัดสิ่งที่ทำให้เราไขว้เขวจากงานจริงและความคิดสร้างสรรค์

เวิร์กโฟลว์และ GUI ถูกออกแบบมาเพื่อเสริมฝีมือของเรา แต่บ่อยครั้งที่มันกลับมาแทนที่มัน สำหรับหลายคน นี่เป็นครั้งแรกที่เรามีอิสระที่จะคิด แสดงออก และบอกความชอบของเรา และให้ คนอื่น นำไปปฏิบัติ

ในแบบเดียวกับที่ซอฟต์แวร์ส่วนบุคคลสามารถยุบลงเป็น chat เวิร์กโฟลว์ของผู้บริโภคและธุรกิจก็สามารถยุบลงได้เช่นกัน

https://x.com/kristaletz/status/2089103618121314689

สิ่งที่น่าทึ่งคือเรา ไม่จำเป็นต้องมี MCP, hosted markdown, หรือเครื่องมือ

เราแค่ต้องการ AI และคอมพิวเตอร์ พร้อมกับซอฟต์แวร์เดียวกับที่เราใช้ นั่นคือสิ่งที่ Grok เป็น: AI ที่มีคอมพิวเตอร์

การค้นหาที่บันทึกไว้

ผมซื้อและขายของมากมายทางออนไลน์ ถ้าคุณเคยเรียกดูตลาด คุณอาจเคยบันทึกและใช้การค้นหาซ้ำ: มันเป็นของขวัญจากสวรรค์

แต่การค้นหาที่บันทึกไว้เป็นแค่ตรรกะที่ใช้ล่วงหน้า - มันคือเวิร์กโฟลว์ หลังจากที่ผมบันทึกการค้นหา ผมเริ่มกระบวนการค้นหาเฉพาะของผม:

• รายการนี้น่าเชื่อถือไหม?
• สภาพดีไหม?
• ราคายุติธรรมไหม?
• อยู่ใกล้ไหม?

นี่คือ "ซอฟต์แวร์" ของผม ตรรกะการกรองง่ายๆ ที่ผมใช้เพื่อค้นหาสิ่งที่ต้องการ - ตรรกะที่การค้นหาที่บันทึกไว้ ไม่สามารถ จัดการได้ แต่ Grok Bot สามารถ

ตอนนี้ Grok Bot ของผมกำลังดู Craigslist และ Facebook Marketplace ตรวจสอบทุกวันเพื่อหาเครื่องชงเอสเพรสโซใหม่ที่ตรงกับเกณฑ์ของผม

มันสามารถร่างข้อความและส่งให้ผมได้ มันสามารถแนะนำว่าควรซื้ออะไรและไม่ควรซื้ออะไร มันสามารถทำให้แน่ใจว่าผมไม่ทำผิดพลาดโง่ๆ (ผมมักจะทำตอนเหนื่อย)

มันเป็น อินเทอร์เฟซ ที่ดีกว่าเว็บเบราว์เซอร์มาก UI สำหรับผู้บริโภคและองค์กรกำลังยุบลงเป็น chat

การดึงข้อมูล

งานด้านความรู้ส่วนใหญ่คือการค้นหาและดึงข้อมูล มันคือการถามคำถามและได้รับคำตอบ

เครื่องมืออย่าง Notion และ Slack ปฏิวัติวิธีการสื่อสารของเรา แต่การหาข้อมูลที่ถูกต้องยังคงยากอย่างยิ่ง - โดยเฉพาะอย่างยิ่งข้ามหลายแหล่ง

การเรียนรู้ถูกจำกัดด้วยลูปฟีดแบ็ก ถ้าใช้เวลา 2 ชั่วโมงในการตอบคำถาม ผมจะมี "รอบ" น้อยกว่าคนที่ได้คำตอบใน 2 นาที

นี่อาจเป็นเรื่องเจ็บปวด เพราะหลายคนรู้จักปลั๊กอินและ MCP servers ครั้งแรกผ่านอินเทอร์เฟซที่ไม่เสถียรและเปราะบาง

แต่มันดีขึ้นมาก - ส่วนใหญ่ต้องขอบคุณทีม Grok Bot

ผมพบว่าปลั๊กอินของ Grok Bot ยอดเยี่ยม - น่าประหลาดใจ ที่ยอดเยี่ยม ผมเชื่อมต่อ codebase, Slack, Notion, อีเมล, ปฏิทิน, Figma ของเรา... แม้กระทั่งหลายบัญชี

และ Grok น่ากลัว ในการหาสิ่งต่างๆ

นี่คือสิ่งแรกที่ผมทำเมื่อเข้าร่วม Cursor

การเริ่มงานที่ Cursor

ผมเริ่มงานที่ Cursor ภายในประมาณหนึ่งสัปดาห์ ผมถาม @leerob สองสามคำถามในวันแรก จากนั้นผมก็เข้าถึง Grok Bot

การเริ่มงานของผมกลายเป็นคำถามหลายสิบข้อถึง Grok

คำถามเกี่ยวกับผลิตภัณฑ์ คำถามเกี่ยวกับ IT คำถามเกี่ยวกับที่จอดรถ หรือเวลาอาหารกลางวัน คำถามเกี่ยวกับการเปิดตัวโดยทั่วไป ใครเป็นเจ้าของอะไร สิ่งต่างๆ อยู่ที่ไหน

ทุกครั้ง ผมคิดว่า "Grok จะตอบไม่ได้หรอก" และทุกครั้ง มันก็ตอบได้จริงๆ

บางครั้ง ประสบการณ์ 'มืออาชีพ' หลายปีของผมก็แทรกเข้ามา "ใครเป็นเจ้าของสิ่งนี้? ฉันควรแป้งเขาบน Slack"

"ไม่! 🙅‍♂️" ผมบอกตัวเอง (พร้อมอีโมจิในหัว)

"ฉันจะถาม Grok! ฉันจะไม่ส่งข้อความเพิ่มเติมให้เพื่อนร่วมงานที่ยุ่ง!"

ปรากฏว่า ในบริษัทขนาดเท่า Cursor (และตอนนี้ SpaceX) คนส่วนใหญ่เคยถามคำถามของคุณ และมีหลายสิ่งที่น่าประหลาดใจที่ถูกบันทึกไว้

แต่โค้ดเป็นมากกว่าซอฟต์แวร์ มันคือแหล่งความจริง

Grok Bot สามารถดู codebase ของเราและ บอกผมว่าสิ่งต่างๆ อยู่ในแอปที่ไหน⁶

ลองนึกภาพชั่วโมงที่สูญเปล่าถ้าผมต้องแป้งคนเกี่ยวกับแต่ละคำถาม - ผมคงไม่ได้เขียนสิ่งนี้ตอนนี้แน่!

และตอนนี้... ผมใช้ Grok Bot เพื่อเริ่มงานที่ @SpaceXAI

อนาคตคือ chat

ปีที่แล้ว เราเห็น IDE ยุบลงเป็น chat ตอนนี้ เรากำลังเห็นอินเทอร์เฟซอื่นๆ ทำเช่นเดียวกัน

มากกว่าการทำงานอัตโนมัติของงานทั่วไป Grok Bot ทำให้ผม reconsider สิ่งที่ผมสร้าง ถ้าผมสามารถจำลองเวิร์กโฟลว์ด้วยเอเจนต์และ SaaS ผมจำเป็นต้อง vibe code หาทางออกจริงๆ หรือแค่เอเจนต์กับคอมพิวเตอร์ก็เพียงพอ? SaaS กำลังเติบโต แต่ผู้บริโภคตอนนี้คือ computer-use agents

Chat กำลังแทนที่เวิร์กโฟลว์อื่นๆ ของผมจำนวนมากอย่างน่าประหลาดใจ

นี่ค่อนข้างน่ากลัว: ถ้าไม่ใช่เพื่อเครื่องมือ แล้วช่างฝีมือคืออะไร?

แต่ถ้าเครื่องมือจริงคือภาษาอังกฤษ: ความสามารถในการอธิบายสิ่งที่เรารับรู้และปรารถนา และฝีมือจริงคือการมีไอเดียใหม่ๆ เกี่ยวกับสิ่งที่เราสร้าง

Chat เป็นอินเทอร์เฟซของมนุษย์ที่คุ้นเคยที่สุด เราต้องการดีไซน์ skeuomorphic บน iPhone เครื่องแรกเพราะมนุษย์ เข้าใจ อินเทอร์เฟซแบบสัมผัส

เราต้องการอินเทอร์เฟซ chat กับ AI เพราะ มนุษย์รู้จัก chat

และปรากฏว่าผมชอบรบกวนเอเจนต์ของผมด้วยการบันทึกเสียงแบบเดียวกับที่ผมชอบรบกวนเพื่อน

เชิงอรรถ

¹ ยกเว้นถ้าคุณทำงานใน developer relations :)

² ขอบคุณ @convex & @PlanetScale

³ แพ็คเกจเป็น Agent Plugins

⁴ ขอบคุณ @dbreunig

⁵ คำพูดเพ้อเจ้อของ effective altruists อาจนำเราไปสู่ข้อสรุปนี้

⁶ ทวีตนี้ เป็นตัวอย่าง