Grok X-Suche

Was macht Grok X-Suche?

Übersicht

Verwende diesen Skill, wenn X-Beiträge die primäre Evidenzquelle sind. Führe das gebündelte Skript mit uv run aus, sodass die OpenRouter-Request-Struktur, X-Filter, Modellauswahl und Ausgabeformatierung konsistent bleiben, anstatt den API-Aufruf ad hoc neu zu bauen.

Workflow

1. Normalisiere die Anfrage in:

• Thema oder Entität
• Zeitfenster
• optionale Ein- oder Ausschluss-Handles
• ob Bilder oder Videos relevant sind
• ob die Anfrage schnell/fokussiert oder tief/mehrschichtig ist

2. Verwende uv run scripts/search_x.py ... anstatt den HTTP-Request manuell zu schreiben.

3. Standard ist --model multi-agent (= x-ai/grok-4.20-multi-agent). Überschreibe nur bei klarem Grund:

• --model fast (= x-ai/grok-4.1-fast) für billige fokussierte Abfragen, Single-Handle-Queries oder strikte Kostenobergrenzen
• --model auto für kostenbewusstes, komplexitätsbasiertes Routing (der vorherige Standard)
• behalte --model multi-agent für Vergleiche, Trendsynthese, breiteren Umfang oder tiefgehende Arbeit
• kombiniere mit --reasoning-effort high|xhigh, um von 4 Agenten auf 16 Agenten zu erhöhen

4. Bevorzuge Filter gegenüber Prompt-Formulierung, wenn der Benutzer harte Einschränkungen vorgibt:

• Verwende --allow-handle oder --exclude-handle für Quellenkontrolle
• Verwende --from-date und --to-date für Aktualitätsgrenzen
• Verwende --include-images oder --include-videos nur, wenn Medieninhalte wichtig sind

5. Gib das Ergebnis zurück mit:

• einer kurzen direkten Antwort
• den wichtigsten X-seitigen Signalen
• Meinungsverschiedenheit oder Unsicherheit, wenn die Evidenz gemischt ist
• dem tatsächlich verwendeten Modell
• allen Filtern, die die Suche wesentlich eingeschränkt haben

Schnellstart

Exportiere den API-Key in der Shell, bevor du das Skript aufrufst:

export OPENROUTER_API_KEY="..."

Wenn der Skill ohne jedes Exportieren funktionieren soll, speichere:

mkdir -p ~/.config/grok-x-search
printf 'OPENROUTER_API_KEY=...\n' > ~/.config/grok-x-search/env
chmod 600 ~/.config/grok-x-search/env

Fokussierte Suche:

uv run ~/.codex/skills/grok-x-search/scripts/search_x.py \
  "Was sagen die Leute auf X über OpenRouters neuesten Grok-Support?" \
  --from-date 2026-04-01

Handle-begrenzte Suche:

uv run ~/.codex/skills/grok-x-search/scripts/search_x.py \
  "Fasse die aktuellen Nachrichten rund um Grok 4.20 Multi-Agent zusammen" \
  --allow-handle xAI \
  --allow-handle OpenRouterAI \
  --from-date 2026-03-31

Tiefere Synthese:

uv run ~/.codex/skills/grok-x-search/scripts/search_x.py \
  "Vergleiche die Stimmung auf X zu Grok 4.1 Fast versus Grok 4.20 Multi-Agent seit dem Launch, inklusive Geschwindigkeits-, Preis- und Qualitätsabwägungen" \
  --model multi-agent \
  --reasoning-effort high \
  --from-date 2026-03-31

Vorschau der genauen Anfrage ohne sie abzusenden:

uv run ~/.codex/skills/grok-x-search/scripts/search_x.py \
  "Was sagen Entwickler auf X über Grok 4.1 Fast?" \
  --dry-run

Regeln für die Abfrageformulierung

Behandle den Satz des Benutzers nicht als wörtliche Suchanfrage. Das Modell soll die internen Suchaufrufe generieren, aber die gesendete Anfrage sollte dennoch gut strukturiert sein:

• gib die Entität, das Produkt oder das Ereignis explizit an
• gib die analytische Aufgabe explizit an: Reaktionen, Stimmung, Vergleich, Zeitleiste, Kritik, Launch-Rezeption
• füge ein Zeitfenster hinzu, wann immer Aktualität wichtig ist
• füge Aliase, zweisprachige Formulierungen oder Hashtags aus der Benutzeranfrage ein, wenn sie die Trefferquote wesentlich verbessern
• bitte um Behandlung der Evidenzqualität, z.B. "weise auf Meinungsverschiedenheiten hin" oder "sage, wenn die Evidenz dünn ist"

Gut:

Vergleiche die aktuellen X-Reaktionen auf Grok 4.1 Fast und Grok 4.20 Multi-Agent seit dem 31.03.2026. Konzentriere dich auf Latenz, Preissensitivität und wahrgenommene Forschungsqualität. Notiere Meinungsverschiedenheiten und zitiere Beiträge.

Schwach:

Suche X nach Grok.

Modell-Routing

--model multi-agent (= x-ai/grok-4.20-multi-agent) ist der Standard. --reasoning-effort medium führt 4 Agenten aus; high / xhigh führt 16 Agenten aus.

Bleibe beim Standard (multi-agent + medium) für:

• Vergleiche zwischen Produkten, Zeiträumen oder Interessengruppen
• Trendsynthese über einen breiteren Zeitraum
• Aufforderungen, die Abwägungen, konkurrierende Narrative oder tiefere Recherche verlangen
• fast jede nicht-triviale X-seitige Untersuchung

Wechsle zu --model fast (= x-ai/grok-4.1-fast) nur für:

• ein Thema UND ein aktuelles Ereignis
• eine enge Gruppe von Handles
• explizite "Schnellcheck"- / kostensensitive Abfragen

Wechsle zu --model auto nur, wenn du das vorherige kostenbewusste heuristische Routing verwenden möchtest.

Preise (OpenRouter, 2026-04):

• grok-4.20-multi-agent: $2 / $6 pro 1M Tokens, $5/K Websuche
• grok-4.1-fast: $0.20 / $0.50 pro 1M Tokens, $5/K Websuche

Wenn du die detaillierte Begründung benötigst oder die Heuristiken ändern möchtest, lies references/openrouter-grok-notes.md.

Implementierungshinweise

• Das gebündelte Skript verwendet OpenRouter Chat Completions, da die dokumentierten X-spezifischen Filter von OpenRouter auf dem Web-Plugin-Pfad bereitgestellt werden.
• Die Anfrage verwendet plugins: [{"id":"web","engine":"native"}] plus x_search_filter, sodass die xAI-native Suche verwendet wird, wenn verfügbar.
• Der System-Prompt lenkt das Modell zuerst auf x_search. OpenRouter kann trotzdem web_search parallel dazu bei xAI-Modellen bereitstellen.
• Das Skript ist über uv run ausführbar und trägt auch einen uv-Shebang für die direkte Ausführung nach der Installation.
• Das Skript liest zuerst OPENROUTER_API_KEY aus der Shell, dann als Fallback aus ~/.config/grok-x-search/env.
• Das Skript gibt die endgültige Antwort nach stdout und Request-Diagnosen nach stderr aus.

Ressourcen

scripts

• scripts/search_x.py: OpenRouter-Client für X-fokussierte Grok-Suche mit automatischer Modellauswahl und Filterunterstützung.

references

• references/openrouter-grok-notes.md: Quellengestützte Notizen zum Verhalten von OpenRouter/XAI, Modellpreisen und Routing-Begründung.