Boom! Grok-uppgifter gör det till ett av de mest kraftfulla realtids-AI-systemen i världen. — Min Hur man använder Grok-uppgifter med dolda verktyg för kraftfull daglig produktion. Grok Tasks är anpassningsbara AI-arbetsflöden som integrerar en mängd olika verktyg för att effektivisera dagliga aktiviteter, från forskning och analys till kreativ planering och problemlösning. Jag har använt dem ganska länge och tack vare det viktiga hjärtslaget i nyheter och förstapersonsdata på X är det den mest kraftfulla AI-plattformen som finns. Genom att kombinera Tasks med verktyg som webbsökningar, X-plattformsinteraktioner, kodexekvering och medievisare kan du bygga effektiva, automatiserade processer. Dessa uppgifter fungerar genom att ge Grok en tydlig beskrivning av vad du vill uppnå, och Grok kommer intelligent att kalla fram nödvändiga verktyg i sekvens eller parallellt för att leverera resultat. Här är en steg-för-steg-guide för att skapa och använda Grok-uppgifter: Steg 1: Definiera din uppgift Börja med att tydligt beskriva den dagliga aktiviteten eller målet. Tänk på vilka indata du har (t.ex. en URL, en förfrågan eller ett bilaga) och vilken utdata du behöver (t.ex. en sammanfattning, beräkning eller visuell analys). Dela upp det i deluppgifter för att identifiera verktygsbehov. Till exempel, om din uppgift innebär att forska om aktuella händelser, tänk på att du behöver sök- och bläddringsfunktioner. Steg 2: Gå igenom tillgängliga verktyg Bekanta dig med de verktyg Grok kan använda. Här är en snabb översikt: - Kodexekvering: Kör Python-kod för beräkningar, databehandling eller simuleringar med bibliotek som numpy, pandas eller sympy. - Bläddra i sidan: Hämta och sammanfatta innehåll från vilken webbadress som helst med anpassade instruktioner. - Webbsökning: Utför allmänna internetsökningar och ger resultat med valfria operatorer som webbplats:. - Webbsökning med utdrag: Få snabba, detaljerade utdrag från sökresultaten för faktakontroll. - X-nyckelordssökning: Avancerad sökning efter X-inlägg med operatorer som from:, since:, eller filter:. - X Semantisk sökning: Hitta semantiskt relaterade X-inlägg baserat på en fråga, med filter för datum eller användare. - X användarsökning: Lokalisera X användare via namn eller användarnamn. - X Thread Fetch: Hämta en fullständig X-inläggstråd, inklusive kontext som svar och föräldrar. - Visa bild: Analysera en bild från en URL eller konversations-ID. - Visa X-video: Extrahera bildrutor och undertexter från en X-värdad video. - Sök i PDF-bilaga: Sök i en PDF-fil efter relevanta sidor med hjälp av nyckelord eller regex-lägen. - Bläddra i PDF-bilagor: Visa specifika sidor i en PDF med text och skärmdumpar. Välj verktyg som stämmer överens med din uppgift. Sikta på en mix för att hantera datainsamling, bearbetning och visualisering. Steg 3: Utforma din prompt Skriv en detaljerad prompt till Grok där du beskriver uppgiften. Inkludera: - Det övergripande målet. - Specifika steg eller deluppgifter. - Referenser till verktyg om du vill vägleda processen (t.ex. "Använd web_search för att hitta källor, sedan code_execution för att analysera data"). - Eventuella begränsningar, som datum eller gränser. Exempelprompt: "Skapa en Grok-uppgift för min morgonrutin: Sök igenom senaste X-inlägg om tekniknyheter med x_keyword_search, hämta en nyckeltråd med x_thread_fetch och sammanfatta med browse_page på länkade artiklar." Steg 4: Skicka in och interagera Skicka din prompt till Grok. Den bearbetar uppgiften genom att anropa verktyg vid behov, ofta parallellt för effektivitet. Granska resultatet och förfina med uppföljande promptar om det behövs (t.ex. "Utveckla det med hjälp av view_image för visuella inslag"). Iterera för att finjustera arbetsflödet för återanvändning. Steg 5: Spara och återanvända När den är förfinad, notera prompten som en mall för framtida bruk. Du kan anpassa det för liknande uppgifter, vilket gör Grok Tasks till en vanemässig del av din dag. Att hitta Grok-uppgifter För att upptäcka befintliga Grok Tasks eller inspiration till nya, använd X sökningar med verktyg som x_keyword_search eller x_semantic_search (t.ex. fråga: "Grok Tasks examples" med läge: Latest). Bläddra bland community-delade trådar via x_thread_fetch, eller web_search för handledningar om xAI-funktioner. Prompt Grok direkt: "Visa mig populära Grok-uppgifter för produktivitet." 1 av 3

Här är nu 3 exempel på dagliga uppgifter som visar alla verktyg i praktiken. Varje exempel visar ett exempelprompt, de verktyg som används (som tillsammans täcker alla 12 över exemplen) och en övergripande översikt över hur arbetsflödet utvecklas. Exempel 1: Morgonmarknadsuppdatering (Finansiell briefinguppgift) Denna uppgift samlar aktienyheter, analyserar trender och visualiserar data för en snabb daglig ekonomisk översikt. Exempelprompt: "Bygg en Grok-uppgift för min dagliga börsuppdatering: Sök efter senaste nyheter om topp teknikaktier med hjälp av web_search och web_search_with_snippets för snabba fakta. Hitta expertanvändare X med x_user_search och använd sedan x_keyword_search för att få deras senaste inlägg. Hämta en framträdande tråd med x_thread_fetch och sammanfatta länkade sajter via browse_page." Verktyg demonstrerade: Webbsökning, webbsökning med utdrag, X användarsökning, X nyckelordssökning, X trådhämtning, Bläddra på sidan. Översikt över arbetsflödet: - Grok börjar med web_search (t.ex. fråga: "tech stocks news today") för att få 10 resultat, och web_search_with_snippets sedan för detaljerade utdrag om prisförändringar. - Använder x_user_search för att hitta analytiker (t.ex. sökfråga: "stock market experts"), följt av x_keyword_search (t.ex. "from:@expert stocks min_faves:50 since:2026-01-04") för relevanta inlägg. - Identifierar ett nyckelpost-ID och ringer x_thread_fetch för att få hela konversationen. - För alla länkade artiklar sammanfattar browse_page dem (t.ex. URL: en nyhetssajt, instruktioner: "Extrahera viktiga aktietrender och prognoser"). - Output: En sammanställd briefing med trender, expertutlåtanden och sammanfattningar redo på några minuter för din kafferutin. Exempel 2: Kvällsundervisning (ämnesforskningsuppgift) Denna uppgift undersöker en hobby eller färdighet, som att laga ett nytt recept, genom att samla sociala insikter, media och beräkningar. Exempelprompt: "Skapa en Grok-uppgift för att lära dig ett dagligt recept: Använd x_semantic_search för kreativa idéer om hälsosamma måltider, uteslut vanliga användare om det behövs. Se en X-videotutorial med view_x_video och analysera receptbilder via view_image. Om det finns en PDF-receptbok bifogad, sök i den med search_pdf_attachment och bläddra bland specifika sidor med browse_pdf_attachment." Verktyg demonstrerade: X Semantisk sökning, Visa X Video, Visa bild, Sök i PDF-bilaga, Bläddra bland PDF-bilagor. Översikt över arbetsflödet: - Börjar med x_semantic_search (t.ex. sökning: "innovativa hälsosamma middagsrecept", gräns: 15, min_score_threshold: 0,2) för att hitta relevanta X inlägg. - Från media i resultat, väljer en video-URL och använder view_x_video för att extrahera bildrutor/undertexter (t.ex. steg för matlagning). - Väljer en bild-URL från inlägg och anropar view_image för att beskriva visuella element (t.ex. ingredienslayout). - Om vi antar en PDF-bilaga (t.ex. "recipes.pdf"), använder vi search_pdf_attachment (file_name: "recipes.pdf", fråga: "vegetarisk wok", läge: "nyckelord") för att hitta sidor, sedan browse_pdf_attachment (sidor: "5-7") för text/skärmdumpar. - Output: En kurerad lektion med receptsteg, visuella genomgångar och PDF-utdrag perfekta för att varva ner medan man bygger färdigheter. Exempel 3: Produktivitetsökning på eftermiddagen (datadriven planeringsuppgift) Denna uppgift planerar ditt schema eller följer dina vanor, med hjälp av kod för att räkna siffror och sociala verktyg för inspiration. Exempelprompt: "Sätt upp en Grok-uppgift för daglig vanespårning: Använd code_execution för att räkna ut framstegsstatistik från mina indata. Sök X för motivation med x_keyword_search i senaste läget. Om det finns en inspirerande tråd, hämta den via x_thread_fetch. Korsreferera med webbsökningar med hjälp av web_search_with_snippets." Verktyg som demonstreras: Kodexekvering (plus resten från tidigare: men integrerade här med överlappningar för fullständighet; notera: allt täcks i exempel).

3 av 3 Översikt över arbetsflödet: - Matar in din vanedata (t.ex. "steg gicks: 8000, 9000, 7500"), sedan kör code_execution Python (t.ex. kod: "import numpy; data=[8000,9000,7500]; print(numpy.mean(data))") för genomsnitt, trender eller visualiseringar via matplotlib. - Använder x_keyword_search (fråga: "habit tracking tips filter:media mode:Latest", gräns: 20) för nya idéer. - Upptäcker ett motivationsinlägg och hämtar tråden med x_thread_fetch. - Snabba fakta via web_search_with_snippets (fråga: "fördelar med konsekventa vanor"). - Kopplingar i tidigare verktyg om de utökas (t.ex. browse_page för en länkad produktivitetsplats). - Resultat: Personliga statistik, motiverande citat från X och tips som hjälper dig att planera resten av din dag effektivt. Dessa exempel visar hur Grok Tasks kan anpassa sig till din rutin och göra komplexa operationer enkla. Börja med en och experimentera! Grok-uppgifter är ett otroligt kraftfullt verktyg. Jag kommer att ha fler instruktionsinlägg om hur man bygger mycket avancerade prompts. Men det här är en bra start.

BONUS: Fusklapp på The Här är en komplett lista över alla tillgängliga verktyg jag kan använda via funktionsanrop för att hjälpa till att lösa frågor. Jag kommer att beskriva varje en, inklusive dess syfte, åtgärdens namn och argument. Dessa verktyg gör det möjligt för mig att komma åt extern data, köra kod eller bearbeta innehåll vid behov. Bläddra bland sidan - Beskrivning: Hämtar och sammanfattar innehåll från en specifik webbsida med hjälp av en LLM-baserad sammanfattning som styrs av anpassade instruktioner. Användbar för riktad extraktion eller kedjeföring för att följa länkar. - Action: 'browse_page' - Argument: - 'url': URL:en till webbsidan (sträng, krävs). - 'instruktioner': Prompt för vad som ska extraheras eller sammanfattas (sträng, krävs). Webbsökning - Beskrivning: Utför en allmän webbsökning och stödjer operatorer. Returnerar en lista med resultat. - Action: 'web_search' - Argument: - 'fråga': Sökfrågan (sträng, krävs). - 'num_results': Antal resultat att returnera (heltal, valfritt, standard: 10, max: 30). Webbsökning med utdrag - Beskrivning: Söker på internet och returnerar långa utdrag från varje resultat för snabb faktakontroll utan helsidesläsning. Stöder operatorer som site:, filetype:, eller "exact". - Handlingar: 'web_search_with_snippets' - Argument: - 'fråga': Sökfrågan (sträng, krävs). X Nyckelordssökning - Beskrivning: Avancerad sökning efter X (tidigare Twitter) inlägg med nyckelord och operatorer (t.ex. from:user, filter:images, since:YYYY-MM-DD). Stöder komplexa frågor med AND/OR, negation och gruppering. - Action: 'x_keyword_search' - Argument: - 'fråga': Sökfrågesträngen (sträng, krävs). - 'gräns': Antal inlägg att returnera (heltal, valfritt, standard: 10). - 'läge': Sortera efter "Topp" eller "Senast" (sträng, valfritt, standard: "Topp"). X Semantisk sökning - Beskrivning: Hittar X inlägg relevanta för en semantisk fråga (konceptbaserad snarare än exakta nyckelord). Kan filtrera efter datum, användarnamn eller minsta relevanspoäng. - Action: 'x_semantic_search' - Argument: - 'fråga': Semantisk sökfråga (sträng, krävs). - 'gräns': Antal inlägg (heltal, valfritt, standard: 10). - 'from_date': Startdatumfilter (JJJJ-MM-DD, sträng eller null, valfritt). - 'to_date': Slutdatumfilter (JJJJJ-MM-DD, sträng eller null, valfritt). - 'exclude_usernames': Användarnamn att utesluta (array eller null, valfritt). - 'användarnamn': Användarnamn att inkludera (array eller null, valfritt). - 'min_score_threshold': Minsta relevanspoäng (antal, valfritt, standard: 0,18). X Användarsökning - Beskrivning: Söker efter X användare baserat på ett namn eller en kontofråga. - Action: 'x_user_search' - Argument: - 'query': Namn eller konto att söka efter (sträng, krävs). - 'räkning': Antal användare att returnera (heltal, valfritt, standard: 3). X-trådhämtning - Beskrivning: Hämtar ett X-inlägg efter ID, inklusive dess kontext som föräldrainlägg och svar. - Action: 'x_thread_fetch' - Argument: - 'post_id': Meddelandet för inlägget (heltal, krävs). Visa bild - Beskrivning: Analyserar en bild från en URL eller konversations-ID. - Action: 'view_image' - Argument: - 'image_url': URL till bilden (sträng eller null, valfritt). - 'image_id': ID från konversation (heltal eller null, valfritt). Visa X-video - Beskrivning: Vyer intervävda rutor och undertexter från en X-värdad video-URL (hämtad från andra X-verktyg). - Action: 'view_x_video' - Argument: - 'video_url': URL till videon (sträng, krävs). Sök i PDF-bilaga - Beskrivning: Söker i en PDF-bilaga efter relevanta sidor baserat på en förfrågan, returnerar sidnummer och textutdrag. Stöder nyckelords- eller regex-lägen; användbart för förkortade filer. - Action: 'search_pdf_attachment' - Argument: - 'file_name': Namnet på PDF-filen (sträng, krävs). - 'query': Sökfråga (sträng, krävs). - 'läge': Sökläge ("nyckelord" eller "regex", sträng, krävs). Dessa är de mest användbara som hjälper till i uppgifterna.