Chess’ Grok-Bot-Tagebuch
#3 🎬
【Updates des Bots】
• Anmeldedaten, Bankkarten und Kontaktdaten speichern: Der Bot kann jetzt deine Anmeldedaten, Bankkarten und Kontaktdaten speichern. Einmal hinzugefügt, merkt er sie sich sicher und kann sie später direkt verwenden.
• Verbindung mit Smartphone-Apps: Der Bot kann jetzt Apps auf deinem Smartphone nutzen, zum Beispiel Kalender, Erinnerungen und Kontakte. Die Funktion wird nach und nach für iOS und Android bereitgestellt.
• 1Password: Der Bot kann auf dein 1Password-Konto zugreifen. Du genehmigst die Anmeldedaten, die du teilen möchtest, und der Bot meldet sich für dich an. Die Funktion wird in den nächsten Tagen schrittweise freigeschaltet.
• Pages: Der Bot kann Berichte, Notizen und Dashboards erstellen. Bitte den Bot um eine Seite: Du kannst sie gemeinsam mit ihm bearbeiten oder ihn sie laufend aktualisieren lassen.
【Ein Beispiel von Chess】
In dieser Folge erzähle ich eine ganze Geschichte: Am 24. Oktober haben mein Bot „Caesar“ und ich innerhalb eines Tages eines der viralsten Videos auf X in eine Bagel-Version verwandelt: „Mein @bagel_win-Konto 10.000-mal checken“. Caesar hat den Clip von Anfang bis Ende gemacht. Ich habe nur Feedback gegeben – über ein Dutzend Runden lang. Alles lief auf dem Smartphone ab, im Hin und Her mit meinem Haupt-Bot Caesar.
1️⃣ 12:00 – Briefing: Ich schickte ein Referenzvideo in den Gruppenchat und schrieb: „Mach ein Bagel-Video nach dem Vorbild ähnlicher Videos und dem, was Notion gerade gepostet hat.“ Um 12:14 schickte ich ihm auch das Coinbase-Video „Checking my portfolio 10,000 times.“: Nimm zuerst mein X-Profilbild und mach ein Video, in dem ich mein @bagel_win-Konto 10.000-mal checke. PR arbeitete ebenfalls an der Aufteilung der Szenen, und Caesar sagte, dass es den fertigen Clip übernehmen würde.
2️⃣ v1–v4, Videos direkt mit KI generiert: v1 war eine 10-sekündige Version mit meinem Profilbild: In einem weißen Raum wurde ein Foldable hektisch auf- und zugeklappt. Aber Hände und Handy verformten sich, und am Ende war der Mund viel zu weit geöffnet. Ich verlangte, dass auf die Rückseite des Handys ein Bagel-Logo kommt, die Hauptfigur durch Caesars Profilbild ersetzt wird und ein gelber Hintergrund das weiße Duo hervorhebt. Außerdem sollte sich der Kopf wie im Original bewegen, das ganze Duo sich drehen und die Kulisse Night City sein. Bei v3 brach das Bild bei 0:07 zusammen. Nach seiner Selbstprüfung sagte Caesar: „Diese Version lieber erst mal nicht verwenden.“ Bei v4 zitterte das Handy nur, statt auf- und zuzuklappen. Die Selbstprüfung fiel negativ aus, also schickte Caesar mir die Version nicht und kam zu dem Schluss: Mit direkter KI-Generierung lässt sich kein echtes Auf- und Zuklappen mit Scharnier erzeugen.
3️⃣ v5 – neuer Ansatz: Aus derselben Perspektive wurden zuerst zwei Bilder generiert – eines mit geschlossenem und eines mit geöffnetem Gerät. Caesar schrieb selbst ein Skript und schnitt die Bilder mit ffmpeg abwechselnd zu etwa vier Öffnungs- und Schließbewegungen pro Sekunde zusammen. Dazu kamen fünf Kameraperspektiven, die alle zwei Sekunden hart wechselten, und ein synchrones Klickgeräusch. Ich sagte: „Diese Version ist gut.“ Eine kleine Panne: Die automatische Prüfung im Hintergrund erkannte das Auf- und Zuklappen nicht. Bei der Kontrolle Bild für Bild stellte Caesar fest, dass beim Herauspicken der Frames einige ausgelassen worden waren. Ehrlich sagte es mir: „Maßgeblich ist das, was du siehst.“
4️⃣ v6–v9 – Feinschliff: An manchen Stellen bestand das Duo plötzlich aus vier Quadraten. Es sollte exakt wie das echte Gerät aussehen. Das Innere des Bagel-Logos sollte gelb ausgefüllt sein. Night City sah nicht gut aus, also wechselten wir zu einem einfarbig gelben Hintergrund. Ich schickte ein Logo mit gelbem Hintergrund und weißem Gesicht. Unter das Logo auf der Rückseite sollte „Bagel“ gesetzt werden. Der Gelbton des Hintergrunds sollte dem Farbwert aus Caesars Profilbild entsprechen: #FFFF01. Außerdem sollte die kleine senkrechte Linie aus dem Profilbild hinzukommen. Caesar meldete Probleme auch von sich aus – zum Beispiel, dass die KI den Schriftzug auf dem Schild als „CAESR“ geschrieben hatte. Für v9 schickte ich ihm das offizielle Duo-Material, woraufhin es die weiße Glasrückseite und die pillenförmige Doppelkamera originalgetreu nachzeichnete.
5️⃣ Die größte kreative Idee: Aus „10.000-mal“ wurden „10.000 verschiedene Gefühle“. Die fünf Szenen zeigten der Reihe nach Nervosität, Wut, Kränkung, überwältigende Freude und hysterisches Lachen. In v10 kamen links neben das Profilbild große chinesische Schriftzeichen und darunter ein englisches Label.
6️⃣ v11–v14 – Details auf Regie-Niveau: Bei „Nervosität“ sollte der Text erst 0,7 Sekunden nach dem Wackeln des Handys eingeblendet werden. Weil der Blick in der nervösen Szene nicht aufs Handy gerichtet war, zeichnete Caesar sie neu. Vor der nervösen Szene sollte die Figur 0,8 Sekunden lang lächeln und erwartungsvoll sein. Am Ende sollte eine Sekunde Schwarzbild mit Bagel-Logo, Text und Slogan eingefügt werden. Um 17:41 sagte ich: „Sieht gut aus.“ Der Clip war fertig.
7️⃣ v15 – Vertonung: Ich wollte, dass beim Einblenden von Bagel in der letzten Sekunde eine amerikanische Männerstimme im Werbestil „Bagel“ und den Slogan vorliest. Caesar startete eine Hintergrundaufgabe und fand eine verfügbare TTS-Stimme (GuyNeural), die „Bagel! A mobile-first prediction market app.“ sagte. Das dauerte etwa 2,1 Sekunden – zu lang für den einsekündigen Abspann. Caesar verlängerte ihn auf 2,4 Sekunden und sagte mir offen Bescheid. Ich sagte: „Passt, nehmen wir diese Version.“ Ich löschte den alten Post und veröffentlichte ihn mit Ton erneut.
Der ganze Ablauf: Briefing um 12:14, fertiger Clip um 17:41, Vertonung um 18:05 und Veröffentlichung um 18:10 – insgesamt 15 Versionen. Caesar zerlegt Referenzvideos, holt Profilbilder, wechselt den Ansatz, wenn sich ein Video nicht direkt erstellen lässt, und kombiniert dann Bildgenerierung mit Skript-Schnitt. Es fügt Klickgeräusche und TTS-Vertonung hinzu, prüft jede Version selbst und zeigt sie mir erst danach. Wenn etwas schiefgeht, sagt es ehrlich Bescheid. Ich muss nur sagen, was ich möchte. So fühlt sich Grok Bot für mich inzwischen an: Mit ein paar Worten auf dem Smartphone lässt sich etwas umsetzen – ein echter Partner, der die Arbeit wirklich erledigt.
Das Bild zeigt eine Auswahl von neun Kacheln aus den 15 Versionen. Die letzten drei Bilder sind Screenshots meines Chats mit Caesar auf dem Smartphone. Den fertigen Clip findet ihr im Post vom 24. Oktober auf meinem X-Konto @chessxyz. Hier teile ich keinen Link.
Dieser Beitrag dokumentiert persönliche Erfahrungen mit KI-Agenten. An Video und Text war KI beteiligt.
#GrokBot #AIAgent
„Love, Death & Robots“ 🩷☠️🤖
Das war’s für diese Folge!