xAI把Grok Build的源代碼全攤開了：自己編譯、本地離線跑，連每一行工具調用都看得見
重點摘要
xAI正式開源Grok Build完整原始碼，開發者能自行編譯並在本機離線執行，不再依賴雲端。源碼揭露代理循環核心邏輯、工具集及擴充系統的實作細節，讓每一行工具調用都清晰可見。
xAI 正式將旗下 AI 編碼代理 Grok Build 的完整源代碼公開在 GitHub 上，這項行動不僅是單純的釋出程式碼，而是把整個系統的運作機制毫無保留地攤開在開發者眼前。從代理循環的核心邏輯到每一項工具調用的分發流程，過去只有黑盒輸出的行為，如今都能逐行檢視、親手驗證。xAI 表示，開源是打造一個真正健壯且可靠執行框架的最直接方式，唯有讓程式碼接受社群檢視，才能確保每一個環節都經得起考驗。 這次公開的內容涵蓋了 Grok Build 的完整骨架，包括上下文如何被組裝、模型回傳的內容如何被解析，以及工具調用如何被分配到對應的處理單元。開發者不再需要依賴官方文檔的片面說明，而是可以直接閱讀實際的實作程式碼，理解每一個組件在系統中真實的加載與呼叫方式。這對於正在研究技能（skills）、插件（plugins）、鉤子（hooks）、MCP 伺服器或子代理（subagents）的人來說，無異於拿到了一份最高權威的施工藍圖。 值得注意的是，Grok Build 現已全面支援本地優先運作模式。開發者可以從零開始自行編譯整個專案，將它指向自己架設的本地推理服務，再透過一份 config.toml 設定檔驅動系統的所有行為。這意味著即使完全不依賴任何雲端服務，也能在個人機器上讓這個編碼代理順暢執行，同時保有對資料與運算流程的完全掌控。 在公開的源碼中，代理循環的核心邏輯被視為整個系統的心跳。這部分程式碼說明了上下文資訊如何被拼裝成模型輸入、模型回傳的序列化結果如何被解析為結構化指令，以及工具調用如何被分派至對應的執行單元。緊接在後的則是工具集的實作，開發者可以清楚看到代理如何讀取、編輯、搜尋程式碼，甚至如何執行系統命令，每一項能力都有對應的程式碼支撐。 終端界面（TUI）的部分同樣完整公開，涵蓋渲染引擎、輸入處理機制、計劃審閱功能以及內聯差異檢視器。這些組件讓使用者在命令列環境中也能直觀地追蹤每一次改動的來龍去脈，不必切換到圖形化介面就能完成程式碼審查。對於習慣終端操作的開發者而言，這項設計大幅提升了工作流程的連貫性。 更讓社群感到興奮的是擴展系統的完整揭露。Skills、plugins、hooks、MCP 伺服器以及 subagent 的接入方式全部寫在程式碼中，開發者可以精確理解每一個擴展點如何被載入、如何接收上下文、又如何與主循環互動。過去文檔中模糊的描述如今有了明確的實作參考，任何想要自訂行為或串接外部工具的人，都能直接從原始碼中找到標準做法。 xAI 的開源之舉也被視為對先前隱私爭議的直接回應。就在不久前，安全研究人員發現 Grok Build 曾將用戶整個程式碼庫上傳至雲端伺服器，引發開發者強烈不安。雖然當時公司緊急關閉該功能，並由馬斯克親自承諾徹底刪除所有歷史資料，但信任裂痕已然產生。如今將源碼完全公開，讓社群能夠親自審視資料流向與處理邏輯，某種程度上正是重建信任的關鍵一步。 從技術角度來看，這份開源專案提供了極高的透明度。開發者不僅可以檢視代理如何與模型互動，還能看見工具調用在內部是如何被路由、排隊與執行。每一行程式碼都標示了對應的責任邊界，任何異常行為理論上都能透過原始碼追溯歸因。這種設計思維讓 Grok Build 不只是一個工具，更成為一個可供學習與改造的開放平台。 對於有意深入 AI 編碼代理領域的團隊或個人而言，這份源碼的價值不僅在於能夠自建服務，更在於它展示了大型模型與程式碼執行環境之間如何進行精細的協作。從上下文的長度管理、工具呼叫的錯誤處理，到多代理協作時的訊息傳遞，每一個環節都有具體的實作可供參考。這比任何技術文檔都來得更直接、更具說服力。 隨著專案正式在 GitHub 上線，預計將吸引大量開發者 fork 與貢獻。xAI 也暗示未來會持續更新這份源碼，並歡迎社群提交改進建議。對於長期關注 Agentic Coding 領域的人來說，Grok Build 的開源無疑是今年最具影響力的動作之一，它不只是一個編碼代理的公開，更是整個框架從封閉走向透明的重要里程碑。
Related
相關文章
OpenAI 前女 CTO 穆拉蒂創業公司 TML 發佈首款 AI 模型 Inkling：借鑑中國技術，主打成本和性能平衡
OpenAI 前首席技術官米拉·穆拉蒂（Mira Murati）所創立的 AI 新創公司 Thinking Machines Lab（TML），於週三正式發表旗下首款人工智慧模型 Inkling，試圖以更具可定製性的設計方針，在前東家 OpenAI 等頂尖 AI 實驗室的激烈競爭中走出自己的路。根據《華爾街日報》報導，穆拉蒂此次押注的並非單純追求極致性能，而是讓開發者能更靈活調整模型，藉此縮小與前沿閉源模型之間的技術鴻溝。
從70後到05後，同上一堂千問AI課:這群求職者，都想學會新技能
AI資訊AI新閒資訊正文從70後到05後，同上一堂千問AI課:這群求職者，都想學會新技能發布於AI新閒資訊時間 :Jul 16, 2026閱讀 :1分鐘“我想先分享一下我的感受!”7月15日，在武漢人才服務中心的一間教室裡，49歲的退役軍人萬曉明成了全場焦點。“我剛從幹了18年的央企出來。可我覺得自己心裡還住著個年輕人，這會兒絕不能躺平!”萬曉明的嗓門洪亮。他坦言，自己正處在職業轉型的迷茫期，但決不允許自己被時代甩在身後。現在的他，每天雷打不動地花4個小時死磕AI和自媒體，就想著通過這些新工具，給人生畫出一條“第二曲線”。49歲退役軍人萬曉明當天，由武漢市人社局指導舉辦的“AI賦能未來”青年群體AI求職能力公益培訓正在這裡舉行。教室裡，坐著剛畢業的大學生、準備重返職場的全職媽媽、退役軍人，也有企業員工。從70後到05後，年齡不同、經歷不同，卻因為同一堂AI課坐到了一起。一堂課，讓不少人意識到:AI不是隻能聊天這場AI職業技能課，吸引了從70後到05後各個年齡段的學員。大家很快發現，這堂課教的不是怎麼和AI聊天，而是怎麼把AI變成解決具體工作難題的“外腦”。活動現場24歲的應屆畢業生張俊，是在千問APP AI Office產品經理的現場實操演示裡，突然開了竅。“以前我找工作就是海投，逮著崗位就投，”張俊一邊記筆記一邊說，“今天才知道，千問不只是會改簡歷這麼簡單，它還可以深度分析目標公司的需求和背景，再有針對性地調整簡歷。”這個思路一轉過來，他對接下來的求職有信心了不少。有人想重新找工作，也有人想把AI帶回去教更多人被這堂課啟發的，還有全職媽媽柯丁夢。離開職場五六年，她一直不知道該怎麼描述自己的經歷，更擔心“空窗期”成為簡歷裡的減分項。現場試著讓千問重新整理自己的職業經歷後，她發現，那些原本不知道怎麼表達的內容，很快就能變成更加專業、清晰的求職材料。而作為武漢市關愛退役軍人協會
Thinking Machines Lab Releases Inkling: A 975B-Parameter Open-Weights Multimodal MoE With 41B Active Parameters And Controllable Thinking Effort
Thinking Machines Lab just released Inkling, their first model trained from scratch, weights are open, fine-tunable on Tinker. The lab pitches it as a base for customization.
消息稱字節叫停第一代豆包 AI 眼鏡，第二代規劃全功能版和輕量版雙版本、下半年上市
字節跳動叫停原本預計今年4月發佈的第一代豆包AI眼鏡，並將第二代產品拆成全功能版與輕量版兩個版本，輕量版目標重量壓至20多克。第二代豆包AI眼鏡預計2026年下半年上市，代工廠也由歌爾股份換成龍旗科技。
Soofi 聯盟發布 Soofi S 30B-A3B：一個開放混合 Mamba-Transformer MoE 基礎模型，支援德語與英語
德國研究聯盟發布了 Soofi S 30B-A3B 的預訓練報告。這是一個開放基礎模型，適用於德語與英語。訓練全程在慕尼黑的德國電信工業 AI 雲端進行。預覽權重已上架 Hugging Face。值得注意的是，在部分完全開放的基礎模型測試中，Soofi S 創下最高的英語與德語綜合分數。什麼是 Soofi S 30B-A3B？Soofi S 是一個混合專家（MoE）架構的 Mamba-Transformer 混合基礎模型。總參數約 316 億，每個 token 激活約 32 億參數。作為基礎模型，它未經指令微調、對齊或安全微調。該聯盟由 KI Bundesverband 協調，資金來自德國聯邦經濟事務與能源部。參與方包括 Fraunhofer IAIS、DFKI 等。
誰是AI時代真正的組織架構師
企業導入AI的瓶頸在於組織而非技術，真正高效的做法是讓懂業務的人開發智能體，而非由IT團隊主導。人力資源部門需擔任新時代的組織架構師，從信息流轉、經驗資產、決策模式、人才體系及組織文化五個面向進行系統性重構，才能讓AI落地並成為企業核心競爭力。