深圳那场 Grok Bot 线下局，有人在把 Bot 往 StackChan 上接，桌面小人跟着说话、转头，挺好玩。
我自己桌上早就有一具差不多的身体：iPhone 吸在 DockKit 云台上，能转头、能看人。当时就想，这不就是给 Bot 用的吗。回来开了工。
现在这具身体能对着手机说话、它转头、它换脸、它把听到的话写回 Grok 对话框。手指还能在屏幕上搓它的脸。拍完、转完默认只出一声短的「拍好了」，长内容留在对话框里。
仓库：github.com/rowline/grokbot-body
它是什么#
Grok Bot 里某一个 Bot 的身体。大脑还是那个 Bot，不是另开一张嘴。
手机只干三件事：
- 脸：白球槽眼。变形跟 bloub 一样，径向轮廓、指数 ease-out，身体不过冲。思考绕彩带，出错变成感叹号。
- 耳朵：系统听写。默认按住球体说话，松手发出去。按住和搓脸是同一根手指：不太动就是说话，拖了就是边说边搓。
- 嘴：把 Bot 要说的话读出来。想用 Grok 音色，自己在绑定页贴 xAI 密钥；不贴就用系统声。密钥留在手机，不过云。
云台用 Belkin 这类 DockKit 支架就行，比如 Auto-Tracking Stand Pro。没有云台也能听、说、换脸、拍照，只是不能转头。
手机出站连你自己部署的 Cloudflare Worker。运行时不需要家里再开一台 Mac。
有一件事要先说清楚：没有公共云通道。 每人部署自己的 Worker，再把地址填进 App 绑定页最上栏「云」。别人的 Worker 别用，也别让别人用你的。
怎么玩#
装好之后，日常就是按住球体说话。下面先写每天怎么用，第一次怎么装放在后面。
按住说话#
默认「按住说话」。按住球体开口，松手发出去。办公室用这个，旁边闲聊不会收进去。
安静环境可以在绑定页切到「一直听」——周围说话也会收进去。还可以切「按住录像」，松手存到相册。
按住和搓脸是同一根手指：不太动就是说话，拖了就是边说边搓。
开口之后大概是这样：
- 说「帮我拍一张桌上」：屏幕闪一下，露出缩略图，身体说「拍好了」。图回到 Grok 对话框，不落盘。
- 说「往左转」「转圈」「点头」：支架当场动，不等 Bot。纯指令不交给 Bot。
- 说「看一下窗户再拍一张」：电机会先转，剩下的仍发给 Bot。
- 电脑里打字让它拍照：只是在调工具，不等于在听。它拍完可能出一声「拍好了」，然后还是没在听，除非门铃接通，或它自己又
wait_for_speech。 - 它要讲很长一段：手机只念一两句要点。全文写在 Grok 对话框，手机屏幕底下也能往上滑看完。
绑定页「任务完成出声」默认开。拍完、转完、录像完只说一句短的，比如「拍好了」「点头完成」「录像好了」。关了就不出声。长内容、报告、完成后的全文只写在对话框，不往外念。
支架当场动#
吸上云台默认人脸追踪。对着手机说这些，支架当场动：
左转、右转、转圈、点头、摇头、抬头、低头、跟着我、别跟着、停下
纯指令不交给 Bot。句子里夹了别的话，电机会动，剩下的仍发给 Bot。
没有云台也能听、说、换脸、拍照，只是上面这些转头不会发生。
拍照和录像#
Bot 可以要一张 JPEG，绑定页可关。拍照会闪一下并露出缩略图。图只走这一次工具返回。
录像 1 到 12 秒，绑定页可关。手机上切「按住录像」也能自己录，松手进相册。Bot 录的也会存一份到相册。过云的片子暂存在 Durable Object 里，每具身体只留最近 4 段。
搓脸、发晕、换脸#
手指在球上拖一拖，眼睛看过来，身体被按扁。松手用同样的 ease-out 缓回去，不会弹。
眼睛会跟着手机倾斜。轻轻晃一下它会愣住；故意连着用力晃会发晕，大约两秒后自己好。
绑定页「脸」可以切 Orb（白球槽眼）或暗球（黑球白眼）。思考绕彩带，出错变成感叹号，还能变成六边形。
屏幕上这几行字#
左上角「在听 / 在说」表示身体正在听或正在读。
听到的原话会显示在屏幕底下，长句可以往上滑看完：
- 已交给 Bot：正在听，或门铃已经按过
- 已记下 · 现在没在听：话到云了，但没人在等，门铃也还没接通
听到的原话和它的回答，会写进 Grok Bot 对话框，电脑这边能看见。
认领成功后它应自己循环听。wait_for_speech 一次最多约 18 秒，没人说话也必须马上再调。这是它听人说话的唯一入口。
电脑里打字让它拍照、转头，只是在调工具，不等于在听。屏幕若停在「已记下 · 现在没在听」，对着手机再说话会去按门铃。门铃没接通，话只会落到云上，Bot 不会醒来。
第一次怎么装#
先备齐三样：
- 能加 Custom Connector 的 Grok Bot
- 一部 iPhone（吸上 DockKit 云台更好）
- 一个 Cloudflare 账号
做完一次，日常就是按住球体说话。
1. 自己跑云#
把仓库拉下来，进 cloud/：
cd cloud
npm install
npm test
npx wrangler deploy
记下部署后的地址，形如 https://<worker名>.<你的子域>.workers.dev。这就是身体的云。
本地调试可以 npx wrangler dev，手机绑定页填 http://<这台 Mac 的局域网 IP>:8787。真机日常用 workers.dev，不要走家里的网关。
2. 装 App，填云地址#
Xcode 打开 ios/GrokBotBody.xcodeproj，Team 换成你的 Apple ID，装到真机。第一次允许相机、麦克风、相册。
打开绑定页，最上栏「云」填上一步的 Worker 地址，点「保存并重连」。不填就不连，屏幕会写「未填云地址」。
连上之后，屏幕下方出现 6 位配对码，十分钟内有效。
3. 把 Connector 贴进 Grok#
绑定页有一栏「连接」，复制那条带密钥的地址，形如：
https://<你的worker>/mcp/<密钥>
到 Grok Bot → Settings → Plugins → Custom Connector：
- Name：GrokBot Body（随便起）
- Server URL：贴上面那条，只贴一次
不要贴不带密钥的 /mcp。那条旧地址 Bot 忘了 token 就调不动。带密钥的地址认领之后，工具自己找这具身体。
Connector 是账号级的，你名下所有 Bot 都看得到。真正的锁是配对码，加上连接地址里的密钥。
4. 认领#
打开要当灵魂的那个 Bot，对它说：
用配对码 482193 认领身体。认领后立刻 wait_for_speech。
把 482193 换成手机上那 6 位。手机屏幕变成「已绑定 · …」就对了。
解绑：绑定页点「解绑」，或让已绑定的 Bot 调用 unbind_body。门铃网址还留着，重绑不用重设，除非点了「关掉门铃」。
5. 门铃设一次#
Grok 只有正在跑回合时才会调工具。它没在听的时候，你对着手机说话，话会到云上，但 Bot 不会醒来。所以要给它装个门铃。这一步只做一次。
电脑打开 https://<你的worker>/setup，或看手机绑定页「门铃」：
- 打开这个 Bot → 自动化 → 新建
- 触发选「当 webhook 响起」
- 说明贴这段：
身体有人说话了。立刻 wait_for_speech。把听到的原话写进对话框。开口最多一两句要点，长文和完成后的全文只写对话框。然后再听。不要编。
- 打开触发卡片，把网址和密钥贴回 setup 页或手机。密钥只在电脑上能看见。
- setup 页要填手机上的 6 位码：认领前是配对码，认领后是门铃码
保存后绑定页显示「门铃 · 已接通」。
它能干什么#
| 能力 | 说明 |
|---|---|
| 听和说 | 人对着手机说，Bot 用嘴回答。开口只说短句 |
| 换脸 | 思考、高兴、出错、六边形 |
| 搓脸 | 手指按在屏幕上，眼睛跟着，身体被按扁 |
| 转头点头 | 云台左转、右转、转圈、点头、摇头、抬头、低头 |
| 跟着人 | 吸上云台默认开 |
| 拍一张 | Bot 可以要一张 JPEG，绑定页可关。图只走这一次工具返回，不落盘 |
| 录像 | 1 到 12 秒，绑定页可关。过云的片子暂存在 Durable Object 里，每具身体只留最近 4 段 |
| 任务完成出声 | 绑定页可关。开了只说一句短的 |
Bot 转头、拍照、录像、跟着人时，手机屏幕会写出正在做什么。拍照会闪一下并露出缩略图；录像时左上角红点倒数。
几个边界#
Grok 没有对外的「塞一条用户消息进去」的接口。所以身体要嘛一直 wait_for_speech，要嘛靠门铃把 Bot 叫醒。电脑对话框里写完，不等于告诉了身体；要开口必须 speak，而且只说要点。
这不是 xAI 官方产品。脸的变形移植自 jeremy-prt/bloub。
现场那个 StackChan 方案和这个不打架。一个是桌面小人，一个是你已经吸在支架上的手机。我选后者，只是因为硬件已经在桌上了。
玩之前把 README 再过一遍：github.com/rowline/grokbot-body