本文是 Grok Bot 新功能 Pages 的上手教程。Pages 可与 Bot 协作生成并持续修改成果页，分三种类型：报告管材料、备忘录管决定、仪表盘管进度。作者强调提示词中应写清收录范围、日期口径（北京时间）和保留原始链接等细节，避免返回无用内容。文章给出三个实操案例，含完整提示词模板与效果演示，并介绍进阶玩法——通过留言让 Bot 把推特文章转换为 Pages。最后总结三步收尾清单：先做报告、再做备忘录、最后做仪表盘。
作者将散落在 X 平台不同作者时间线上的 24 篇 Grok Bot 相关文章整理成合集，按主题分为九大类：额度与订阅、入门与认知、微信和飞书等 IM 接入、云端服务器与 SSH 连接、AI 工具集成（如 Claude Code）、多 Bot 角色分工协作、自媒体内容流水线、编码工程与备份维护，以及跨工具组合自动化玩法。合集覆盖从零基础入门创建 Bot、Skill 配置、订阅套餐比较，到多 Bot 团队搭建与内容生产等进阶用法，并附原文链接，方便读者按需查找学习。
作者介绍了 TypeSafe 推出的 Jev（业内称 System One），一个快速判断模型：输入状态和固定题目，仅返回选项、分数或概率并带置信度，延迟约 70-500ms。作者将 Jev 与 Grok Bot 结合：Grok Bot 负责抓取时间线、读提及、执行动作等重活，Jev 负责快速分流判断（值不值得管、急不急、是不是广告等）。作者以盯 X 时间线为例，对每条帖子跑四问测试，平均耗时约 235ms，下一步判断 8/8 正确。作者提醒不要神化 Jev，其 confidence 不等于统计准确率，敏感操作仍需人工把关。核心思路：Jev 管判，Grok Bot 管干。
作者复盘了从0到1000粉近3个月的运营历程。前期因互关增长、方向迷茫、把X当公告栏而停滞。转机来自冲动购买SuperGrok Heavy年卡后，深入研究Grok Bot并持续输出实操内容，同时通过线下分享和主动互动建立真实连接。核心经验：找到真实使用的内容抓手，把经历加工成读者价值，发布不是终点而是交流的开始。
文章深度拆解 Lauren（前 Meta/Netflix/Cursor、React Compiler 核心成员）公开的 pstack 开发方法。pstack 不是模型或 IDE，而是运行在 Coding Agent 之上的工程工作系统，核心是 Verification Skill：让 AI 启动真实应用、像用户一样操作、收集截图/日志/性能数据作为证据，失败则自动返工。文章还介绍了 Build the Lever（把重复流程做成工具）、Feature Map（物化记忆）、多 Agent 并行编排等思想，强调先提高单个 Agent 可信度再扩大规模，并理性看待'每月 2000 个 PR'的说法，指出人仍需负责验收标准设计与关键决策。
