前 Tesla AI 總監 Andrej Karpathy 今年 4 月分享了用 LLM 打造個人知識庫的方法：把資料丟進資料夾，讓 AI 自己寫成 wiki、自己維護。X 用戶 Argona（@Argona0x）10 月 18 日發文分享把這套做法搬到 xAI 的常駐 AI 代理 Grok Bot 上的版本：在同一個群組對話裡放三個各有記憶的 Bot，分別負責收資料、寫 wiki 和挑錯。以下整理他的做法，以及 Grok Bot 官方文件裡相關的功能與限制。這是用戶自己設計的流程，不是 xAI 官方功能。
三個 Bot 分工，檢查員每晚專門挑錯
Argona 的設計是讓三個 Bot 在同一個群組對話裡各管一段：
讀者：收下你丟進來的每個連結、PDF 和語音訊息，原檔一律不改。
館員：每來一份新資料，就改寫所有受影響的 wiki 頁面，作者說通常一次會動到 10 到 15 頁。
檢查員：每晚自動執行一次，找出互相矛盾的內容、過時的說法，以及沒有被任何頁面連結到的孤兒頁面。
這套流程有三條規則。你問問題時，答案會被歸檔成新的一頁，讓知識庫因為使用而變大，不只是因為讀了新資料。新來源和舊頁面衝突時，檢查員會標記你來判斷，不會自己默默覆蓋。一個頁面超過 30 天沒有新來源佐證，就會被標成「未確認」。
作者強調，第二大腦也可能「很有把握地記錯事」，所以每一頁都必須寫出三件事：主張本身、出自哪個來源、最後一次確認的日期。他把三個角色濃縮成一句話：讀者收集，館員撰寫，檢查員懷疑。
為什麼用 Grok Bot：關上筆電也會繼續整理
Argona 在 10 月 13 日另一篇長文中解釋，網路上流行的第二大腦做法大多跑在自己的筆電上，筆電一關，整理就停了。Grok Bot 的每個 Bot 則在雲端有自己的電腦。
根據 Grok Bot 官方文件，所有 Bot 共用同一台雲端電腦的檔案、瀏覽器狀態與已登入的應用程式；關掉 app、筆電或手機，都不會中斷背景工作或例行工作（routine）；Bot 之間也可以在群組對話中共享脈絡。官方文件也提醒，遇到重要決定時，要請 Bot 回頭查目前的來源，不要只依賴記憶。這也是作者主張把知識存成檔案，而不是存在對話記憶裡的原因：原始資料放在 raw/ 資料夾，整理好的頁面放在 wiki/ 資料夾，之後新增的 Bot 都讀得到。
例行工作有使用上限。官方文件寫明，例行工作的排程間隔至少 5 分鐘，每個 Bot 最多 50 個例行工作。Argona 則建議每天只排幾次，他說每小時跑一次的例行工作，一天就可能用掉方案一週的 Bot 用量。Grok Bot 的方案與費用，可以參考的 Grok Bot 完整指南。
貼進 Grok Bot 的第一段指令
Argona 提供的起手指令翻成中文如下，可以直接貼進 Grok Bot：
幫我在同一個群組對話裡，用三個 Bot 建一個第二大腦。把我的原始資料原封不動放在 raw/，wiki/ 由你自己維護，好的回答要歸檔成新頁面，每晚檢查一次有沒有矛盾。先給我看資料夾結構，在我確認之前什麼都不要建。
他建議從一個自己真的在做的主題開始，不要一開始就把整個人生丟進去。
他在 10 月 13 日的長文裡也分了 7 個步驟：先貼 20 封自己寄出的信，讓 Bot 整理出一份「關於你」的檔案和寫作風格；接著建立資料夾，讓新資料自動歸檔，每天早上產出一頁摘要，再把重複的任務存成技能（skill），最後用一份規則檔記下每次修正，讓同一個錯不再犯。這個順序和官方文件的建議一致：先手動做一次，確定穩定後存成技能，最後才交給排程自動執行。
這篇文章 Grok Bot 第二大腦教學：三個 Bot 分工整理知識，每晚自動挑錯 最早出現於 。
【延伸分析】
【我的延伸觀點】
此技術突破反映了 AI 代理（AI Agents）從「單一問答工具」轉為「全天候自主工作流」的趨勢。用戶透過分工機制（收集、寫作、審查）模擬人類知識管理團隊，解決了過去 LLM 依賴對話記憶、容易遺忘及缺乏背景執行的痛點。這意味著個人生產力工具正朝向零人工干預的自動化作業演進，大幅降低了知識管理的維護成本。
【市場影響】
這類雲端 AI 代理與自動化工作流的普及，將直接利好美股中的雲端運算巨頭（如微軟、亞馬遜、Google）及人工智慧基礎設施提供商，因其推動了算力需求增長。同時，xAI 背後的伊隆·馬斯克相關概念股或加密貨幣（如 Dogecoin，若未來支付生態整合）可能獲得市場情緒的短期提振。對軟體即服務（SaaS）板塊而言，主打知識管理與自動化的新創公司若無法適應此類原生 AI 代理的衝擊，估值可能面臨結構性壓力。
【後續觀察】
若後續 xAI 開放更完整的開發者 API 或企業級權限，預期將引發一波「AI 代理協同工作」的軟體開發熱潮。投資人應密切關注雲端服務商的資本支出是否能有效轉化為營收，以及市面上是否出現針對金融交易、財報分析的自動化代理工具，這將是衡量 AI 商業化落地的關鍵指標。
【風險提醒】
AI 代理在雲端自主運行時，若缺乏嚴格的邏輯校正，可能因「幻覺」累積錯誤知識，甚至在自動化排程中消耗過多運算資源導致高額成本。此外，將大量個人或企業私密資料交由雲端 Bot 處理，可能面臨嚴重的資安與隱私外洩風險。