Grok Bot 玩法 02：躺床让它帮你做视频！

 

我做了个 Grok Bot 的 Bot。

遇到看不懂的英文长推，或者是看不懂的那种长文，你丢给他以后，他几分钟就给你一个非常长的中文学习文档，而且是带示意的，就是所有的背景知识都会加进去。同时他会帮你做一条拥有非常多丰富的动效的讲解视频。

而且他是全程不用开电脑的，你在手机上看到什么，扔给他，他就会给你这些东西。

你用来自己阅读、自己理解，或者发给朋友分享、做内容，都是非常好的。

下面讲一讲他是怎么做的，以及为什么我觉得以后我们的内容生产方式和消费方式，都会发生很大的变化。

01 刷到长推，不再收藏吃灰

我昨天刷到一个非常长的 Twitter。

以前的话都是先点了收藏，然后等第二天，比如说早上起来了，有了电脑再翻译啊、查资料啊之类的，或者说就再也没看过。

你过了时间以后，很多时候你就不会再看了，收藏就完事儿了。

以前的我：收藏 = 再也不看

但是这次在床上，我看到了，我就直接丢给 Grok Bot 了。

就是这条，Keenan Crane 的推串：x.com/keenanisalive/status/2108708523236602056

推串巨长，而且有时候它超了字数，还得点展开，很麻烦。

作者自己就发了 29 条，中间还夹着图和视频。

原推截图，红框是那个烦人的「显示更多」

因为它涉及到了很多 3D 渲染和这种算法的知识，很多词我不懂。

我就跟 Grok Bot 说，能不能帮我把它做成一个中文的文章，然后把图片呀、他引用的各种文章啊、关于一些背景知识，比如涉及到人名啊、一些算法，能不能都给我解释一下。

我发的需求，就这么一段话

结果他给了一个非常好的结果，我很快就看完了。

它交回来一个中文网页，外加一份 PDF

中文学习文档首屏：左边目录，右边正文，背景知识都补进去了

PDF 那份有 43 页，每条推都有中文，原文也能展开对照着看。

在手机上，我不是以前还写过一个在手机上阅读 HTML 的工具叫即览嘛，配合那个就更舒服了。

手机上用即览打开，躺着就能看完

02 一句话，做成讲解视频

然后我就想，你看所有的文案都有，对吧？包括它的素材也有。

其实一些算法类的或者 3D 类的，用视频会更好理解。

我就跟 Grok Bot 说，能不能帮我做个视频讲解一下。

而且不允许做那种 PPT 式的翻页，就是把那个图片一页一页截出来，然后轮播，然后配个音。

我更想让他做那种带动效的、能讲清楚对应概念的东西。

比如说这个，有一个参数是可以拖动的，它拖动了参数以后，对应的这个画面就会变化。

smooth min：拖动参数 k，两个球的接缝就会被抹圆

然后第二个就是光线步进，它是一个算法，他就可以帮你去看不同参数的变化。

光线步进：从眼睛发一条光线，一步一步问「离最近的表面还有多远」

其他的我都没给他，我就说做个视频，他给了我一个三分十九秒的视频，配音、配乐、字幕都有。

一共 18 个镜头。

讲解视频的开头：这条龙其实是一段 27KB 的代码

然后所有的数字、所有的内容，都来自于原文，就是那个帖子的原文，所以幻觉就比较少。

比如视频里讲的，前后 25 小时的模型调用、27 轮以上的人工反馈、最后 27KB 的代码，这些都是 Keenan 自己在推里写的。

它交回来的讲解视频，3 分 19 秒

03 为什么非要是 Grok Bot

之前很多朋友问，为什么？Codex 不能做吗？或者是 WorkBuddy 不能做吗？

为什么非要是 Grok Bot，你在吹这个？

为什么？

第一个就是它有一个电脑，这个很重要。

第二个是什么呢？它的云电脑配置很高，它能装很多工具，然后跑渲染。

然后我在手机上，他就给我把这个内容做出来了。

它自己的云电脑，装工具、跑渲染都在这上面

然后还有一个，是老马他自己家的 Twitter，所以他拉取这些东西是不需要 API、不需要一些额外的工作的，也不会影响到你的账号。

所以你只需要发个命令给他，他就会在手机上给你一个视频。

这是相较于以前其他那种电脑上的 agent 非常不一样的地方。

为什么是 Grok Bot：三个原因

然后中间如果说有问题，你突然想到了一个想改动的点，你直接跟他说，他直接就会改。

比如说 Codex 或者 Claude Code，原来的那样是你需要点一下引导，然后他才会在中间改变他的一些任务的过程。

但是这个是不用的，他随时可以改，而且非常顺滑。

就像我们平时跟朋友聊天，或者跟你的实习生聊天一样。

中途想改，直接说就行，它边做边改

04 A-roll + B-roll

然后再往前的话，就是你如果说这个视频做完，就可以像我这样去做 A-roll 和 B-roll 的混合，对吧？

就比如说我可以给他 Seedance 的 CLI，或者说我自己真实录制一些视频，然后把这些空镜和动效结合成一个完整的视频。

真实画面负责氛围，代码动效负责讲准

这个事儿我觉得是一个很重要的事儿。

以前，比如说有了 Codex 之后，剪视频啊、剪音频啊、做文本的内容，门槛已经降很多了。

这也是为什么大家都开始用 HTML 去展示内容了。

但是现在来看，视频的门槛已经降到一个非常低的程度了。

成本，比如说 token 价格，还是在的。

但是摩擦，就是用户跟这个模型的摩擦，已经非常低了，所以这个我觉得还是挺重要的。

从文字到 HTML 图文，再到视频，门槛一路往下掉

画面好看的话，它就更容易让人相信和理解嘛。

所以你也可以参考我这个流程，去让你的 Grok Bot 去做一个类似的流程。

你可以试试，非常的好用。

而且几乎在读东西和阅读内容的时候，让我的效率高了很多很多。

以前收藏了不会看的东西，现在也会看了。

最后

对了，这条口播视频本身，也是我录完直接扔给 Grok Bot 剪的。

后面我会把这整个流程打包成一个 Bot 和一个 skill，到时候大家就可以一键用上，不用自己一步一步搭了。