xAI 上线 Grok Build 工作流：最多调用 1024 个智能体并发干活

如果你经历过在 GitHub 上对付几千行代码的超大 PR，或者面对堆积如山的上百个陈旧 issue，你肯定知道靠单个 AI 聊天窗口有多折磨：上下文塞满后不是开始胡说八道，就是卡顿到让人绝望。

xAI 在 Grok Build 中推出了名为 Workflows 的全新功能。说白了，它把 AI 从「单打独斗的聊天助手」，变成了「能随时指挥上千个小兵的工程包工头」。

让上千个 Agent 并行干活，还自带质检员

以往很多所谓的复杂任务，我们习惯在同一个对话框里不断给 AI 塞提示词。Grok Build 的 Workflows 彻底换了思路，专为单个对话装不下的复杂任务设计，比如审核大型 PR 的每项功能、对最后 100 个 issue 进行分类分诊，或者全库审计某类特定 bug。

用户只需要用自然语言说出大任务，Grok 就会自动将其规划成一份执行脚本，并拆解为不同的阶段。比如先做背景梳理、再逐项审查、接着验证，最后汇总。

在执行上，默认预算直接拉到 128 个 agent，遇上超大任务甚至能调动 1024 个 agent 并行跑在后台。而且在整个运行期间，用户的当前对话会话完全不受干扰，依然可以随时做别的事。

每个 agent 都拿着干净且独立的上下文，避免了上下文污染。更有意思的是，计划中可以内置独立的「怀疑者」角色，负责在最终报告出炉前交叉核验每一个发现。

任务进度实时保存，哪怕中途暂停或重启，也不会重复干已经做完的活。输入 `/workflows` 就能实时查看各阶段的推进情况，甚至还能精细监控到每个 agent 消耗了多少 token。

告别手写脚本，一键存成斜杠命令

最省心的地方在于，用户完全不需要自己写编排脚本。Grok 会根据需求自动编写代码，在正式启动前先跑一轮冒烟测试，还会在多次运行之间自我优化。

一旦某个工作流跑得顺手，你随时可以把它保存下来。存进 `.grok/workflows/` 就能直接同步给团队成员，存进个人根目录则能跨项目随身携带。

保存下来的工作流会立刻变成一个支持传参的自定义斜杠命令。比如你跑顺了一套 PR 审查逻辑，下次直接在命令行敲 `/pr-review 5137` 就完事了。

此外，官方还直接内置了 `/deep-research` 工作流。它会把调研课题分发给多个并行的调查 agent，逐一核实每个论点与来源，最后交出一份带完整引用的研究报告。

为什么重要

我们认为，xAI 这一步走得相当务实，切中了专业开发者最耗费精力的脏活累活。对于工程团队来说，审核复杂 PR 或全库查虫往往要耗费资深工程师几天时间，现在交给上千个 agent 几分钟扫完，确实值得主力在 Grok Build 的团队第一时间试用。

它的聪明之处在于把复杂的 Agent 编排门槛降到了极低。以往要把几十个 agent 串起来，开发者得折腾各种复杂的编排框架或手写繁复的调度逻辑，而 Grok 直接把脚本生成、冒烟测试、错误校验全部包办，还顺手封装成了最顺手的斜杠命令。

不过隐患也显而易见。默认 128 个、最多 1024 个 agent 的并发规模，哪怕有 token 计数看板，跑一次大型任务消耗的算力和成本也绝非小数目。如果团队没有做好预算把控，账单可能会非常惊人。另外，并行 agent 互相交叉验证虽然能筛掉一部分浅层错误，但如果底层模型本身对某些隐蔽 bug 存在共同盲区，再多的「怀疑者」也可能给出整齐划一的误判。

从行业来看，AI 编程工具的竞争已经彻底从「代码行自动补全」升级到了「异步多智能体协同工程」。当 Grok Build 率先把千级并发调度常态化，Cursor、GitHub Copilot 以及各大模型厂商在工程化落地上势必会面临更大的跟进压力。