行业应用前沿资讯

利用 Grok Bot 调度双云端代理进行技能审计

约 6 分钟阅读

AI最前沿 88Z.ai 11 月 22 日消息,作者 @kloss_xyz 介绍了一种用 Grok Bot 拉起两个 Cursor 云端代理,分别以 Gemini 4 Neon 和 Fable 5.2 在 xhigh 努力模式下做只读技能审计的方法。审计阶段先为技能打分,判断哪些应合并或因模型已能原生完成而删除,并给出高置信度修复方案,但不立即改文件;随后只应用两个代理与 Grok Bot 三方都同意的修改,且按置信度从高到低手术式落地。作者称,在其 104 项技能中,三方就 22 项(约 21%)达成一致,并建议在每次新模型发布后重跑。本文依据该帖全文、配图提示词及讨论串回复整理,不代表 88Z 进行了复现。

消息要点

  • 用 Grok Bot 拉起两个 Cursor 云端代理,以 Gemini 4 Neon 和 Fable 5.2 在 xhigh 下做只读审计
  • 提示词要求对全部技能按 0 到 10 评分,判断合并或删除,并提出高置信度修复,但先规划、不立刻改文件
  • 只应用两个代理与 Grok Bot 三方都同意的修改,并按置信度从高到低手术式落地
  • 作者称 104 项技能中有 22 项(约 21%)达成共识,并建议新模型发布后重跑;这是作者自述,并非 88Z 实测

背景:技能库为什么会跟不上新模型

作者 klöss(@kloss_xyz)在 2026 年 11 月 22 日的帖子里提出一个判断:用户给 AI 智能体准备的技能,很可能已经是最新前沿模型本身就会做的事。技能文件并不会随着模型升级自动失效或自动精简。旧的触发条件、冗余步骤和过时约束,会继续占用上下文,也不一定仍是正确做法。

他把这种方法称为 skill audits,并把它当作模型迭代周期里的维护动作,而不是一次性清理。以下整理依据该帖全文、配图中的审计提示词,以及作者在同一条讨论串里的回复。文中涉及的流程、评分规则和 22 项修改,均为作者自己的陈述,不代表 88Z 进行了复现或实测。

方法:用 Grok Bot 拉起两路只读云端代理

作者给出的调度方式很具体:让自己的 Grok Bot 生成两个 Cursor 云端代理,分别使用 Gemini 4 Neon 和 Fable 5.2,并把两者都开到 xhigh 努力模式,对当前技能库做只读审计。这一步的目标,是找出那些已被新模型原生能力覆盖、或实现上已经落后的技能。只读是前提,避免审计过程直接改动仓库。

帖子配图里可以看到 Grok Bot 的开场回复:它正在设置这两个只读审计代理,并确认 Gemini 4 Neon 与 Fable 5.2 都处于 xhigh。这只说明作者展示了一次实际调度的开头,并不等于该工作流已在其他账号或环境下得到验证。

审计提示词在要求什么

作者在配图中公开了一段准备给代理使用的提示词,并写了 steal this prompt。提示词要求对当前 bot 配置里的每一项技能按 0 到 10 打分并排序,考察范围包括触发条件、正确性、从错误中学习、臃肿程度、安全性和面向未来的适应性,同时覆盖作者自己未必叫得出名字的类别和子类,并避免过度设计。

它还要求判断哪些技能应合并进其他技能,或因为模型已经能原生完成而整项删除;随后为所有技能提出最高置信度的具体修复方案,而不是只处理得分最高的几项。定稿目标是让各技能以及各类别、子类达到 9.5 分以上。

更关键的约束是先做地图和计划,不要马上执行修改。作者的原意是:先尽量把审计做准,再以手术式方式升级技能,从而降低改动带来的负面影响。因此,这一步交付的应是完整的评分、取舍和修复方案,而不是已经落地的代码改动。

执行:基于三方共识的手术式编辑

审计完成后,并不会立即应用所有建议的修改。相反,作者采用了一种严格的共识机制:只有当 Gemini 4 Neon、Fable 5.2 以及作为调度方的 Grok Bot 都同意某一处修改时,才会考虑落地。应用顺序也有明确规则:按置信度从高到低,先处理最有把握的修复,再逐步推进,也就是作者所说的 surgically, highest confidence first。

这样做的目的,是把引入新错误的风险压到最低。它并不保证三方同意的修改一定能在真实任务里提高产出质量,只说明在这套工作流里,未形成共识的建议会被留下,而不会被自动写进技能文件。

作者报告的结果,以及帖子没有回答的问题

作者报告说,三个系统就其 104 项技能中的 22 项修改达成一致,约占技能栈的 21%。他的建议是:每当有新模型发布,就重新跑一遍这套审计。需要强调的是,22 项和 21% 都来自作者自己的陈述,88Z 没有复核其技能库,也没有复跑这次审计。

在讨论串里,有读者建议改用 pstack,并认为它可以取代已有技能中的很大一部分。作者回复自己已经在使用 pstack;当被问到是否在其中发现了可优化之处时,他没有提供细节。另有读者指出,三方同意只能说明修改看起来合理,未必证明它们有帮助,并询问作者是否用真实任务重新跑过那 22 项技能、比较修改前后的产出。在已获取的公开回复里,未见作者对此作出实质性回答。因此,不宜把这次共识率直接读成已经验证的效果提升。

88Z 观察

如果把这件事看作工程维护而不是一次技巧展示,它的核心顺序其实很清楚:先只读,先打分和规划,再只采纳多方同意且置信度高的修改,并且在模型升级后重复进行。对已经积累了大量技能文件的人来说,真正的风险不一定是没有技能,而是旧技能还在继续占用上下文,或继续以过时的方式约束已经更强的模型。

实践上仍应保留人工确认,尤其是涉及删除、合并和安全相关规则的改动。三方共识是降低误改的过滤器,不是效果证明;若要确认一次审计是否值得固化成例行工序,还需要在同等任务上比较修改前后的产出,这一点作者并未在原帖中提供。想按原流程尝试的读者,应直接阅读作者原帖和配图中的提示词,而不是把本文当作可整段照搬的授权文本或实测手册。

资料来源与整理说明

本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述,未将其视为本站实测或独家采访结论。

  1. @kloss_xyz原始资料发布于

以上日期为原始资料发布日期;标题下方日期为本文在 AI最前沿的发布时间。

相关阅读

全部资讯
Ai最前沿