Grok Bot chỉ có một đầu ra duy nhất: một tin nhắn
Điều này nghe có vẻ ngược đời. Các công cụ dành cho người dùng cao cấp thường được xây dựng dựa trên sự phức tạp và phạm vi rộng, phải không?
Chat không thể nào có quy trình làm việc của tôi được. Đó là một quy trình đặc biệt. Tôi là một lập trình viên.
"Hãy nhìn bằng quy trình làm việc đặc biệt của bạn"
Nhưng nếu "sức mạnh" đến từ hệ thống nền tảng thay vì giao diện thì sao? Thay vì code, giờ đây chúng ta viết prompt.
Chúng ta đã đổi IDE lấy TUI vì terminal mới là công cụ thực sự - chat chỉ là giao diện.
Chúng ta không cần một giao diện người dùng - ít nhất là theo nghĩa truyền thống. Chúng ta cần một chiếc máy tính.
Và thay vì tự mình sử dụng nó, chúng ta có thể giao nó cho một agent. Đó chính là Grok Bot: một agent có một chiếc máy tính.
Tôi đã sử dụng Grok Bot theo 4 cách khác nhau, và tất cả đều là chat, từ đầu đến cuối.
Phần mềm cá nhân
AI đã giảm chi phí code và mở ra kỷ nguyên phần mềm cá nhân hóa - thậm chí có người còn gọi là phần mềm 'dùng một lần'.
https://x.com/davidhoang/status/1802140453292372272
https://x.com/jsngr/status/1802032670353904122
Nhưng phần mềm thực sự là gì?
Phần mềm là logic, bộ nhớ liên tục và một giao diện. Phần mềm nhận đầu vào, xử lý chúng, sau đó trả về đầu ra.
Trong lịch sử, chúng ta mô tả logic bằng code. Ngày càng nhiều, chúng ta mô tả logic thông qua tiếng Anh.
Bộ nhớ liên tục trước đây rất khó (cơ sở dữ liệu) nhưng giờ đây, bộ nhớ liên tục thực sự có thể là... bất cứ thứ gì: Một file CSV, một kho lưu trữ, một file JSON.
Tuy nhiên, giao diện lại nổi tiếng là khó. Chúng được thiết kế xoay quanh các quy trình làm việc cứng nhắc - chúng cần có tính chủ kiến, nhưng cũng phải dễ uốn nắn.
Tất cả phần mềm đều đi kèm với sự đánh đổi giữa tính đơn giản và phạm vi. Những gì tôi xây dựng bắt đầu đơn giản, sau đó nhanh chóng trở nên khó quản lý.
Phần mềm tồn tại để làm cho cuộc sống dễ dàng hơn, nhưng hầu hết phần mềm cá nhân lại biến thành một công việc không lương thứ hai.¹ Chúng ta cần một thứ gì đó tốt hơn.
Từ phần mềm đến chat
Dự án phần mềm cá nhân gần đây nhất của tôi là một ứng dụng tập luyện sức mạnh.
https://x.com/mattyp/status/2070129458305257746
Tôi đã dành hàng tuần để tinh chỉnh giao diện người dùng, thêm cơ sở dữ liệu², xây dựng các công thức và viết bài kiểm thử. Tôi đã xây dựng một hệ thống triển khai xem trước hoàn chỉnh và một số vòng phản hồi tốt để cải tiến ứng dụng của mình.
Luôn có một trường hợp ngoại lệ mới, một thứ mới cần sửa, một vấn đề mới.
Tôi sẽ ghi chú lại và kích hoạt các cloud agent.
Dần dần, nó trở nên tốt hơn! Tuy nhiên, nó vẫn hỏng.
Một ngày nọ, tôi tự hỏi - sẽ thế nào nếu đây chỉ là một cuộc trò chuyện?
Trò chuyện với Grok Bot, tôi đã trích xuất tất cả logic cốt lõi từ ứng dụng của mình. Tôi đã viết lại nó thành một bộ kỹ năng và máy chủ MCP.³
Tôi yêu cầu Grok đưa ra một định dạng để ghi lại các buổi tập của tôi. Tôi quyết định sử dụng Git làm lớp lưu trữ.
Giờ đây, Grok gửi cho tôi bài tập mỗi ngày. Tôi ghi lại mỗi buổi tập bằng một ghi chú thoại dài 30 giây. Nếu tôi muốn thay đổi một bài tập, tôi hỏi. Nếu một tiến trình có vẻ không ổn, tôi hỏi. Nếu tôi muốn thêm một tính năng, tôi hỏi.
Ứng dụng trở nên linh hoạt hơn, đơn giản hơn và nhanh hơn. Tôi có thể thêm hoặc xóa các tính năng chỉ bằng một tin nhắn duy nhất. Không có CI, không có triển khai xem trước và không có giao diện người dùng nào để hỏng.
Tôi đã làm điều này khi đang đi bộ đến phòng gym. Tôi cập nhật và tinh chỉnh ứng dụng khi đang di chuyển.
Cuối cùng, tôi muốn tích hợp chat vào ứng dụng thể dục của mình. Giờ đây, ứng dụng thể dục của tôi chính là chat.
Code
"Được rồi, quên anh chàng này đi - anh ta đang viết code bằng chatbot." Đối với sáu người đã đọc đến đây, hãy nghe tôi nói.
Tôi không thay thế dây cương code, tôi đang gọi dây cương code.
Một số kỹ sư giỏi nhất tại @SpaceXAI đang gửi hàng trăm PR, bắt đầu từ @Bot.
Tuần trước, tôi đã ngồi cùng @poteto.
Cô ấy mô tả Grok Bot là "vòng lặp bên ngoài" hoàn hảo: một nơi để thu thập và định hình ngữ cảnh trước khi chuyển giao. "Ngữ cảnh rất quý giá," cô ấy nói.
Các agent hoạt động dựa trên dự đoán token tiếp theo: đầu vào của agent ảnh hưởng trực tiếp đến đầu ra.
Chat, file, những gì agent tìm kiếm, những gì agent đọc.
Những gì agent có thể truy cập cũng quan trọng như những gì chúng không thể truy cập.
Lauren và những người khác sử dụng Grok Bot để khám phá ý tưởng, tìm kiếm thông tin, thu thập ngữ cảnh, sau đó dàn dựng các prompt để kích hoạt Cloud Agent.
Công việc đó bảo vệ ngữ cảnh của các agent vòng lặp bên trong.
Thay vì làm lộn xộn Cloud Agent của tôi với một đống nghiên cứu thăm dò, tôi có thể chỉ gửi cho chúng những gì cần thiết - tránh nhiễm độc ngữ cảnh.⁴
Code được trừu tượng hóa thêm một lớp nữa - từ Cloud Agent đến "Bot" hoặc người quản lý agent.
May mắn thay, Cursor làm cho việc bàn giao này trở nên liền mạch - các agent do Grok Bot khởi tạo đang chờ tôi bên trong ứng dụng Cursor của tôi.
Bạn, con người, trò chuyện với agent vòng lặp bên ngoài. Agent vòng lặp bên ngoài khởi động các agent vòng lặp bên trong.
Các công cụ code là vòng lặp bên trong, vòng lặp bên ngoài là chat.
Tự động hóa quy trình làm việc
Nếu phần mềm chỉ là logic, bộ nhớ liên tục và một giao diện, thì quy trình làm việc là một dạng của phần mềm.
Chúng ta tạo ra các quy trình làm việc, kết nối nhiều công cụ với nhau, để đạt được kết quả. Những quy trình làm việc đó cần có con người.
Đó là một vấn đề, bởi vì con người hay mắc sai lầm và hầu hết các giao diện người dùng đều rất tệ. Kế toán, mua sắm và ngân hàng là những hoạt động tốn nhiều công sức.
Tôi có thể đang phóng đại, nhưng việc xử lý các trang web này tạo ra một gánh nặng nhận thức thực sự.
Bạn đã bao giờ đặt nhầm chuyến bay? Đặt hàng giao sai địa chỉ? Nghĩ rằng mình đã thanh toán nhưng thực tế thì không? Tôi đã từng.
Không chỉ là các hoạt động cá nhân - tất cả chúng ta đều làm việc với những công cụ tương tự mỗi ngày.
Lời hứa của AI không phải là làm cho chúng ta trở nên vô dụng⁵, mà là loại bỏ những thứ làm chúng ta xao nhãng khỏi công việc thực sự và sự sáng tạo.
Các quy trình làm việc và GUI được tạo ra để nâng cao tay nghề của chúng ta, nhưng quá thường xuyên, chúng lại thay thế nó. Đối với nhiều người, đây là lần đầu tiên chúng ta được tự do suy nghĩ, thể hiện và nói rõ sở thích của mình và để người khác thực hiện chúng.
Cũng giống như phần mềm cá nhân có thể thu gọn vào chat, các quy trình làm việc của người tiêu dùng và doanh nghiệp cũng có thể thu gọn.
https://x.com/kristaletz/status/2089103618121314689
Điều điên rồ là chúng ta không cần MCP, markdown được lưu trữ hay các công cụ.
Chúng ta chỉ cần AI và một chiếc máy tính, với cùng phần mềm chúng ta đang sử dụng. Đó là những gì Grok là: AI với một chiếc máy tính.
Tìm kiếm đã lưu
Tôi mua và bán rất nhiều thứ trực tuyến. Nếu bạn đã từng duyệt một chợ trực tuyến, có lẽ bạn đã lưu và sử dụng lại các tìm kiếm: Đó là một món quà trời cho.
Nhưng tìm kiếm đã lưu thực sự chỉ là logic được áp dụng sẵn - đó là một quy trình làm việc. Sau khi lưu một tìm kiếm, tôi bắt đầu quy trình tìm kiếm rất đặc biệt của mình:
- Danh sách có hợp lệ không?
- Tình trạng có tốt không?
- Giá có hợp lý không?
- Có ở gần đây không?
Đây là "phần mềm" của tôi, logic lọc đơn giản mà tôi sử dụng để tìm thứ mình muốn - logic mà tìm kiếm đã lưu không thể xử lý, nhưng Grok Bot thì có thể.
Grok Bot của tôi hiện đang xem xét Craigslist và Facebook Marketplace, kiểm tra mỗi ngày để tìm máy pha cà phê espresso mới phù hợp với tiêu chí của tôi.
Nó có thể soạn thảo một tin nhắn và gửi nó cho tôi. Nó có thể tư vấn cho tôi nên mua gì và không nên mua gì. Nó có thể đảm bảo tôi không mắc những sai lầm ngớ ngẩn (tôi thường mắc phải khi mệt mỏi).
Đó là một giao diện tốt hơn nhiều so với trình duyệt web. Giao diện người dùng của người tiêu dùng và doanh nghiệp đang thu gọn vào chat.
Truy xuất thông tin
Phần lớn công việc tri thức là tìm kiếm và truy xuất. Đó là đặt câu hỏi và nhận câu trả lời.
Các công cụ như Notion và Slack đã cách mạng hóa cách chúng ta giao tiếp, nhưng việc tìm đúng thông tin vẫn cực kỳ khó khăn - đặc biệt là trên nhiều nguồn khác nhau.
Việc học bị giới hạn bởi các vòng phản hồi. Nếu mất 2 giờ để trả lời một câu hỏi, tôi sẽ có ít "chu kỳ" hơn so với người nhận được câu trả lời trong 2 phút.
Điều này có thể rất khó chịu, bởi vì nhiều người trong chúng ta lần đầu tiên được làm quen với plugin và máy chủ MCP thông qua các giao diện không ổn định, dễ vỡ.
Nhưng chúng đã trở nên tốt hơn nhiều - phần lớn là nhờ vào đội ngũ Grok Bot.
Tôi thấy các plugin của Grok Bot rất xuất sắc - đáng ngạc nhiên là xuất sắc. Tôi đã kết nối codebase, Slack, Notion, email, lịch, Figma của chúng tôi... Thậm chí là nhiều tài khoản.
Và Grok đáng sợ ở chỗ tìm kiếm mọi thứ.
Đây là điều đầu tiên tôi làm khi gia nhập Cursor.
Hội nhập tại Cursor
Tôi đã hội nhập tại Cursor trong khoảng một tuần. Tôi đã hỏi @leerob một vài câu hỏi vào ngày đầu tiên. Sau đó, tôi có quyền truy cập vào Grok Bot.
Quá trình hội nhập của tôi biến thành hàng tá câu hỏi cho Grok.
Câu hỏi về sản phẩm, câu hỏi về IT, câu hỏi về nơi tôi nên đỗ xe, hoặc khi nào có bữa trưa. Câu hỏi về các buổi ra mắt sản phẩm thường diễn ra như thế nào, ai phụ trách cái gì, mọi thứ nằm ở đâu.
Mỗi lần tôi đều nghĩ "Grok sẽ không thể trả lời câu này." Và mỗi lần, nó thực sự đã trả lời được.
Đôi khi, 'kinh nghiệm' chuyên môn nhiều năm của tôi lại nổi lên "ai phụ trách cái này? Tôi nên nhắn cho họ trên Slack."
"KHÔNG! 🙅♂️" Tôi tự nhủ (với biểu tượng cảm xúc đó trong đầu)
"Tôi sẽ hỏi Grok! Tôi sẽ không làm phiền các đồng nghiệp bận rộn của mình thêm nữa!"
Hóa ra, ở một công ty có quy mô như Cursor (và bây giờ là SpaceX), hầu hết mọi người đều đã hỏi câu hỏi của bạn và một số lượng đáng ngạc nhiên mọi thứ đã được ghi chép lại.
Nhưng code không chỉ là phần mềm, nó còn là nguồn sự thật.
Grok Bot đã có thể xem xét codebase của chúng tôi và cho tôi biết mọi thứ nằm ở đâu trong ứng dụng.⁶
Hãy tưởng tượng hàng giờ lãng phí nếu tôi phải nhắn tin hỏi từng người về mỗi câu hỏi - có lẽ bây giờ tôi đã không viết bài này!
Và bây giờ... tôi đang sử dụng Grok Bot để hội nhập vào @SpaceXAI.
Tương lai là chat
Năm ngoái, chúng ta đã chứng kiến IDE thu gọn vào chat. Giờ đây, chúng ta đang thấy các giao diện khác cũng làm điều tương tự.
Hơn cả việc tự động hóa các tác vụ thông thường, Grok Bot khiến tôi phải xem xét lại những gì mình xây dựng. Nếu tôi có thể mô phỏng một quy trình làm việc với một agent và một SaaS, liệu tôi có thực sự cần vibe code một giải pháp không? Hay một agent và một chiếc máy tính là đủ? SaaS đang phát triển mạnh mẽ, nhưng người tiêu dùng bây giờ là các agent sử dụng máy tính.
Chat đang thay thế một số lượng đáng ngạc nhiên các quy trình làm việc khác của tôi.
Điều này hơi đáng sợ: nếu không có các công cụ, thì người thợ thủ công là gì?
Nhưng nếu công cụ thực sự là tiếng Anh: khả năng diễn đạt những gì chúng ta cảm nhận và mong muốn. Và nghề thủ công thực sự là có những ý tưởng mới lạ về những gì chúng ta xây dựng.
Chat là giao diện quen thuộc nhất của con người. Chúng ta cần thiết kế skeuomorphic trên chiếc iPhone đầu tiên vì con người hiểu các giao diện xúc giác.
Chúng ta cần giao diện chat với AI, bởi vì con người biết chat.
Và hóa ra tôi thích làm phiền các agent của mình bằng ghi chú thoại cũng giống như tôi thích làm phiền bạn bè của mình.
Chú thích
¹ Trừ khi bạn làm việc trong lĩnh vực quan hệ nhà phát triển :)
² Cảm ơn @convex & @PlanetScale
³ Được đóng gói dưới dạng Agent Plugins
⁴ Cảm ơn @dbreunig
⁵ Những lời lảm nhảm của những người theo chủ nghĩa vị lợi hiệu quả có thể dẫn chúng ta đến kết luận này
⁶ tweet này, ví dụ
