Grok Bot + Kimi K3：如何搭建月入 10 万的 AI 团队

Grok Bot + Kimi K3。下面教你搭一支月入 $100k 的 AI 团队。 August 24, 2026 · 11 min read · View source ↗ Grok Bot AI MCP Linkedin xAI 刚刚向世界展示了下一个软件品类长什么样。不是又一个聊天机器人。不是又一个 copilot。而是一个「有一台电脑、会用工具、会采取行动、在你睡觉时自主工作」的 AI。 他们叫它 Grok Bot。 而现在，你可以搭出你自己的版本。不是 demo。不是原型。是一个真正的 AI 员工，在一门真实生意里处理一份具体的工作——带记忆、带工具、带批准门，还能 24 小时运转而不问你接下来该做什么。 你不需要 xAI 的预算。你不需要一队研究员。你需要 Kimi K3、Agent SDK，以及一个周六的四小时。 下面是这套系统本身。 my sources: linktr.ee/Noisy7 Grok Bot 到底展示了什么 大多数人看到这个公告，心想「好酷的 AI 助手」。那是错误的框架。 Grok Bot 展示了一个新的软件品类。不是你手里拿着的工具。是你把活派给它的一个工人。 旧软件品类： Tool → 你用 → 输出 新软件品类： AI Employee → 你派活 → 它工作 → 输出 区别在于自主性。Grok Bot 有一台电脑。它用工具。它做决定。它采取行动。它在做完或需要批准时汇报。 这不是一个更聪明的自动补全。这是一份不需要每一步都有人盯着的活。 而对这个公告来说，对构建者最重要的一点是：xAI 花了数亿美元去建让这成为可能的基础设施。而 Moonshot 已经把「搭你自己的垂直版本」所需的大部分原语都暴露了出来。成本只是零头。现在就能用。 为什么 Kimi K3 是对的基座 > github.com/MoonshotAI/Kimi-K3 Kimi K3 有意思，不是因为它有 2.8 万亿参数。而是因为 Moonshot 在它周围建起了整套执行基础设施。 只有 Kimi K3： Brain ↓ 回答问题 Kimi K3 + 全栈： Brain + Hands (Kimi Code) + Memory (Skills + Graph) + Tools (MCP) + Workers (AgentSwarm) + Control (Approvals) ↓ AI Employee 大多数模型只给你大脑，其他什么都不给。剩下的你自己想办法。Kimi 给你全栈。这就是为什么它能让你在没有一队工程师的情况下，搭出真正能在生产里跑的东西。 第一层 —— Kimi Code：执行引擎 > github.com/MoonshotAI/kimi-code 这就是把「会说话的 AI」和「会干活的 AI」分开的东西。 Kimi Code 给 K3 装上手。它能跨一个代码库读和编辑文件、跑 shell 命令、搜索信息、抓取网页、分析结果，并根据它发现的东西独立选择下一个动作。它支持 MCP、生命周期钩子、子 agent 和 Skills。 没有 Kimi Code： K3 描述该发生什么 有了 Kimi Code： K3 去做该发生的事 一个真实例子。你让 AI 员工去研究一个潜在客户。没有 Kimi Code，它给你写一张「要查什么」的清单。有了 Kimi Code，它打开他们的网站、读他们的 LinkedIn、搜他们的融资历史、把他们的招聘启事当成增长的信号拉下来、检查他们是不是你竞争对手的客户，并把一份结构化简报写进你的 CRM。你回来时，拿到的是成品。 这就是工具和员工的区别。 第二层 —— Kimi Agent SDK：把它变成软件 > github.com/MoonshotAI/kimi-agent-sdk Kimi Code 用于交互式会话。Agent SDK 用于在运行时之上构建产品。 有 Python、Node.js 和 Go 版本。它复用 Kimi Code 里同样的工具、Skills 和 MCP 配置。这意味着你在交互式里设好的一切——你的工作流、你的 Skills、你的工具连接——立刻就能编程式地使用。 from kimi_agent_sdk import Agent, Session # Create a persistent AI employee session session = Session( work_dir="./client-research", skills=["sales-research", "crm-update"], mcp_servers=["crm", "linkedin", "email"] ) agent = Agent(session=session) # Delegate a complete job result = agent.run( task="Research Acme Corp and prepare a sales briefing. Check their recent news, LinkedIn, job postings and update our CRM with findings.", require_approval=["send_email", "update_deal_value"] ) 这不是调用一个 API、拿回文本。这是把一份活派给一个软件系统，它端到端地跑完并返回一个结构化结果。 你能用它搭的东西： Bug 修复机器人 | 盯 issue，自动修 代码审查服务 | 在人看到之前审每一个 PR 销售研究 agent | 每次电话前准备简报 客户 onboarding | 自动跑 onboarding 工作流 内部知识 | 回答关于你公司的问题 报表 agent | 无需提示词，每周生成报表 第三层 —— Skills：把这份活编码下来 > kimi.com/code/docs/en/kimi-code-cli/customization/skills.html 这是 Grok Bot 「Teach a Task」的等价物。而且它正是把通用 AI 变成专家的那一层。 一个 Skill 是一个 markdown 文件，编码了一份具体工作该怎么干。规则、工作流、约束、永远别做什么。当任务匹配时，Kimi 自动读它，不用你交代就照着做。 一个销售 AI 员工的真实例子： --- name: sales-research description: Research a company before a sales call whenToUse: When preparing for a sales meeting or follow-up --- # Sales Research Skill ## Step 1 - Company overview Find their website, LinkedIn, recent news last 90 days. Check funding history and current headcount. ## Step 2 - Pain signal detection Read their job postings - what they're hiring reveals priorities. Check their G2 or Capterra reviews for competitor complaints. Look for recent leadership changes. ## Step 3 - Opportunity mapping Map their pain points to our product capabilities. Identify the economic buyer vs the champion. Note any risks or red flags. ## Step 4 - CRM update Update the company record with findings. Add a call prep note with the three most important talking points. Log your research sources. ## Rules Never make up information you couldn't find. Never contact the prospect directly. Flag if deal size looks above €50,000 for manager review. 写一次之后： 你问：「明天电话前研究一下 Acme Corp」 ↓ Kimi 自动激活 sales-research 技能 ↓ 每次都严格照你的流程走 ↓ 不用交代就更新 CRM ↓ 你带着已备好的简报走进电话 复利效应很显著。你编码进 Skill 里的每一份活，都永远一致地跑，不用重新解释。你抓到的每一个错误，都变成一条防住下一次的规则。 你雇一个 AI 员工，不是每次训练一个新模型。 你把这份活编码进一个 Skill。 第四层 —— Agents 和 AgentSwarm：分工 > kimi.com/code/docs/en/kimi-code-cli/customization/agents 一个 AI 员工很强大。一支协调的专职 agent 团队，就是一个部门。 Kimi Code 有一个主 agent，它理解意图、规划步骤、调用工具，并把子任务派给子 agent。每个子 agent 跑在它自己的隔离上下文里，这样中间工作就不会填满主 agent 的上下文窗口。 内置角色：coder 写并执行，explore 研究代码库，plan 处理复杂拆解。 自定义 agent 让你能搭： KIMI K3 │ MAIN AGENT │ ┌───────────────┼───────────────┐ ▼ ▼ ▼ SALES AGENT RESEARCH AGENT DEV AGENT │ │ │ ▼ ▼ ▼ CRM Web GitHub Email Docs Terminal AgentSwarm 更进一步。最多 128 个子 agent，对同一个任务里的不同条目并行工作。 Research 100 companies ↓ WITHOUT SWARM: 一个 agent → 串行 → 几小时 WITH SWARM: AgentSwarm ↓ Company 1 → Agent Company 2 → Agent Company 3 → Agent ... Company 100 → Agent ↓ 并行执行 ↓ 汇总报告 ↓ Kimi 综合 重要的提醒：更多 agent 不自动等于更好的结果。协调质量比 agent 数量重要。按角色拆，而不是按规模拆。 第五层 —— MCP：把员工接到公司上 一个客户不会为「聪明的聊天」每月付 €500。他们付的是：一个能读他们的 CRM、起草提案、更新工单、并遵循他们实际工作流的系统。 MCP 就是让 AI 员工成为公司基础设施的一部分，而不是坐在它旁边的一个工具的东西。 Kimi K3 ↓ MCP ↓ GitHub | 读仓库、开 PR、评论 issue CRM | 读管道、更新记录、创建任务 Database | 直接查询实时业务数据 Email | 起草并在批准后发送 Slack | 发更新、在升级时 ping 人 Browser | 研究竞争对手、拉公开数据 在 agent 定义里，你可以显式允许特定的 MCP 工具： agent_config = { "name": "sales-employee", "allowed_tools": [ "mcp__crm__*", # 完整 CRM 访问 "mcp__email__draft", # 能起草但不能发送 "mcp__browser__*", # 完整 web 访问 "mcp__slack__read" # 只读，不能发帖 ] } agent 能访问的每一个工具，都是你在卖的一项能力。每一条限制，都是你在建的一道信任边界。 第六层 —— Approvals：把人留在控制环里 这一层让 AI 员工「生产安全」，而不是「生产吓人」。 Kimi Code 有权限规则，决定 agent 能自动做什么，以及什么需要人批准： READ 操作 → 自动 → 研究、分析、读数据库、读邮件 WRITE with rules → 条件性 → 置信度高于阈值就更新 CRM → 优先级清晰就创建工单 → 改动较小就编辑文档 HIGH STAKES → 需要人批准 → 发合同 → 部署到生产 → 删记录 → 超过限额的采购 → 直接联系客户 一份真实的权限配置： { "permissions": { "allow": [ "Read", "Grep", "mcp__crm__read_*", "mcp__browser__*" ], "deny": [ "mcp__email__send", "mcp__crm__delete_*" ], "ask": [ "mcp__crm__update_deal_value", "mcp__email__draft" ] } } 这种架构意味着，AI 员工可以在研究、分析和起草上自主运转——在任何不可逆的事情上停下来，交给人判断。 那不是限制。那是你卖给企业客户的一项功能，他们需要「AI 的助力，但没有 AI 的风险」。 你能在这上面搭的生意 机会不是「卖 Kimi 的访问权」。而是把 Kimi 打包成一个「比任何通用 AI 都更懂一份昂贵工作」的工人。 房产中介 AI 员工。研究房源、准备客户简报、起草提案、跟进线索、每次互动后更新 CRM。价格：每家中介 €499–€999/月。 律所研究助理。审查判例、总结文档、标记相关条款、为律师准备简报。价格：每所律所 €1,500–€3,000/月。 电商运营 agent。监控库存、更新产品描述、回复供应商邮件、标记销售数据中的异常。价格：每家店 €299–€599/月。 这些里面任何一个的账： 房产 AI 员工： 50 家中介客户 × €499/月 = €24,950/月 基础设施成本：约 €500/月 毛利：约 98% 律所助理： 20 家律所客户 × €1,500/月 = €30,000/月 基础设施成本：约 €800/月 毛利：约 97% 你搭的不是一个通用 AI 产品。你搭的是一个专家。Skill 文件编码专业知识。MCP 连接编码工作流。批准规则编码信任边界。这个组合，就是竞争对手难以轻易复制的东西。 如何这周就搭你的第一个 AI 员工 第 1 天 —— 挑一份「企业付钱让人干」的昂贵工作。销售研究。合同审查。客户 onboarding。库存管理。这份活应该重复性强、研究量大、输出清晰。 第 2 天 —— 装 Kimi Code，用 agent 手动跑一遍这份活。看它做什么。它卡在哪里。它需要什么信息。它采取什么动作。 第 3 天 —— 写 Skill 文件。把你观察到的每一步都编码进一个 SKILL.md。加上规则、约束、批准要求。用五个真实例子测它。 第 4 天 —— 把 MCP 连到这份活真正需要的工具上。CRM、邮件、数据库、浏览器。测试每一个连接。核验 agent 用得对不对。 第 5 天 —— 搭 Agent SDK 外壳。把交互式会话变成一个可编程产品。加批准门。端到端测试整个工作流。 第 6 天 —— 找一个真实客户。给他们看这个 agent 在「他们自己的真实数据」上干「他们真实的活」。不是 demo。是他们的真实工作流。 第 7 天 —— 收费。 这到底意味着什么 Grok Bot 展示了 AI 员工是下一个软件品类。不是带更多功能的聊天机器人。而是有真正自主性、工具和记忆的工人。 赢下这个品类的公司，不会是参数最多的那些。而是那些把最多领域专业知识编码进 Skills、通过 MCP 连接最相关工具、并为客户搭建最恰当批准结构的公司。 Kimi K3 给你智能。Kimi Code 给它手。Agent SDK 把它变成软件。Skills 编码这份活。MCP 把它接到公司。AgentSwarm 规模化这份工作。Approvals 把人留在控制环里。 Grok Bot 花了数亿美元搭那套栈。你这个周六就能开始搭你自己的。 大多数开发者会看着 Grok Bot 想「我永远搭不出那东西」。少数人会去看 Kimi 的文档，然后意识到，他们需要的一切早就有了。 你打造自己的人生——所以选对那条路。 / 如果这有用 - follow / Tags: # X # Grok Bot # AI # MCP # Linkedin # Guide Related articles How I use Grok Bots to rank brands on AI answers that it feels illegal Name this bot `CrowdReply - Scout`. Grok Bot AI MCP Slack