Team gewinnt Grok Bot Tokyo Hackathon allein durch Gespraeche mit KI-Agenten
Drei Teilnehmer haben sechs Stunden lang kaum die Tastatur beruehrt und dennoch den ersten Platz beim Grok Bot Tokyo Hackathon belegt. Stattdessen haben sie ihre Ideen mit KI-Agenten besprochen und umsetzen lassen.
Wir Menschen haben kein einziges Zeichen Code geschrieben. Wir haben unsere Tastaturen kaum berührt. Wir haben einfach mit KI-Agenten gesprochen, im Grunde laut gedacht.
Und wir haben den ersten Platz beim Grok Bot Tokyo Hackathon belegt.
Der halbverschlaufte Post auf X, der zu diesem Artikel wurde
Dies ist die englische Version meines ursprünglich auf Japanisch auf note veröffentlichten Beitrags.
Ich wachte auf und machte mich allein auf den Weg zum Veranstaltungsort, ohne wirklich über ein Team nachzudenken. Dann hielt ich bei Oniyanma in Ochanomizu für Fleisch-Udon und kam zu spät.
Als ich ankam, saß N (@_I__l__l__l__I_) allein an einem Tisch und sah mich an, als würde er meiner Party beitreten wollen. Also setzte ich mich neben ihn.
Der Vormittag war eine einsteigerfreundliche Hands-on-Session. Mit dem WLAN des Veranstaltungsortes verbinden, 50 Dollar Guthaben bekommen, nur hatte ich bereits ein Cursor-Abo und konnte das Guthaben daher nicht einlösen. Na gut. Ich richtete stattdessen eine frische Umgebung ein.
Etwa 30 Minuten später tauchte Limo (@vibe_walking) sogar noch später auf als ich. Bei seiner Anmeldung war er einem zufälligen Team mit fremden Leuten zugeteilt worden.
Ich bat N neben mir, sich zusammenzuschließen, und mit Limo, frisch von seiner Ein-Minuten-Episode, wurden wir ein Team aus drei Personen. Limo schlug den Namen vor: Team Null.
Irgendwie landete ich in der Rolle des Leaders und übernahm die Regie. Ehrlich gesagt fällt mir das leichter. Ich bin der Typ, der an Kraft verliert, wenn mir jemand anderes sagt, was ich tun soll.
Limo und N gingen in den Konbini. Ich hatte mich bereits im FamilyMart im Untergeschoss eingedeckt und ging daher nicht mit. Stattdessen erinnerte ich mich, dass Cue eine Telefonnummer hatte, und ließ Cues KI-Agenten Limo anrufen mit der Bitte, eine Diet Dr Pepper mitzubringen.
Limos Reaktion: Er brachte mir einen Red Bull und bekam einen Anruf von einem KI-Agenten. lol
Wir drei aßen die Lunchboxen am Veranstaltungsort und machten etwas sehr informelles Teambuilding. Ich hatte beide schon ein paar Mal getroffen, aber wir hatten nie zusammen etwas gebaut, also wusste ich nicht wirklich, wer worin gut war. Wir begannen mit einem Gespräch.
Nach dem Mittagessen erstellten wir eine X-DM-Gruppe mit uns dreien und Naru-Ebi-chan, meinem KI-Agenten. Von da an war diese Gruppe unser Notizblock. Limo nahm unser Telefonat in der DM-Gruppe auf, sodass die gesamte Planungsrunde als Audio festgehalten wurde.
Wir gaben uns etwa 15 Minuten Zeit, bis 13:00 Uhr, um die Idee zu entwickeln. Ich stellte einen Wecker auf meinem iPhone. Kein endloses Brainstorming.
Es gab drei Bewertungskriterien, und anhand dieser lenkten wir die Diskussion. Beim Mittagessen hatte Limo erwähnt, dass er kürzlich versucht hatte, über einen Agenten und Echtzeit-Sprachsteuerung zu bestellen. Das brachte uns auf Ideen wie KI gibt die Bestellung auf und wenn dein Bierkrug leer ist, bestellt die KI automatisch einen Nachschub.
Nach 15 Minuten hatten wir den groben Plan:
Zu diesem Zeitpunkt konnte ich bereits sehen, wohin die Reise gehen würde.
Wir gaben das Audio der Planungsrunde an Grok Bot und ließen es alles transkribieren und ordnen. So teilten wir die Arbeit auf:
Limo richtete ein privates GitHub-Repository für das Team ein.
Ich machte mich sofort an die Folien. Mit der Präsentation zu beginnen hilft uns:
Für mich geht es dabei eher darum, uns selbst eine Karte zu zeichnen, als etwas für die Jury zu erstellen.
Ich gab nur eine grobe Gliederung in Google Slides ein und verband Grok Bot damit. Danach konnte ich grobe Anweisungen an Grok Bot werfen, und es machte daraus etwas Präsentierbares. Es hatte das Audio der Planungsrunde bereits vorliegen und kannte daher den Kontext.
Dem Hackathon-Experten Grok Bot Bearbeitungsrechte für Google Slides geben
Limo feuerte Sprachanweisungen an Grok Bot in absurdem Tempo ab. N tat dasselbe über das DJI Mic, das er mitgebracht hatte. Niemand tippte mehr.
Nur drei Personen, die endlos vor sich hin sprachen. Eine sehr seltsame kleine Ecke des Raums.
Mit klaren Rollen bewegte sich alle verrückt schnell. Wir hatten die KI-Agenten so eingerichtet, dass sie unsere X-DM-Gruppe lasen, sodass diese Gruppe in gewisser Weise zum Kommunikationsprotokoll des Teams wurde.
Wir ließen alle eine Stunde arbeiten, ohne Integrationstests. Als der Wecker um 14:00 Uhr klingelte, stimmten wir uns ab.
Zu diesem Zeitpunkt hatten wir die Folien, ein Backend-Stub und das Frontend, abgesehen von den Speisekartenfotos. Nach etwas Hin und Her wurden Frontend und Backend auf Cloudflare verbunden.
Ich verwendete Grok Bot, um einen Organizer-Bot und drei Persona-Bots zu erstellen, einen für jede Person.
Dann stellte ich den nächsten Wecker auf 15:00 Uhr, und wir machten uns wieder an die Arbeit. Das Scannen eines QR-Codes zeigte nun die Speisekarte des Restaurants auf dem Handy. Ich probierte verschiedene Wege aus, wie die Grok Bots miteinander kommunizieren konnten, und entschied mich schließlich für SKILL + Webhook.
Das Entwicklungsrepository, das Limo eingerichtet hatte, schien etwas chaotisch zu werden, also erstellte ich ein separates Repository für die Einreichung.
15:00 Uhr. Dreißig Minuten bis zur internen Deadline unseres Teams.
Einige Teile funktionierten noch nicht, aber wir hatten das Konzept und die Bot-zu-Bot-Kommunikation implementiert. Als unsere Grok Bots tatsächlich miteinander verbunden waren, drehten alle durch. Wir spürten es: Das könnte funktionieren.
Was blieb, war das Beheben von Bugs und das Lesbarer-Machen der Benutzeroberfläche. Limo übernahm einen Teil der hektisch gewordenen Backend-Arbeit und brachte sie zum Abschluss. Pull Requests flogen überall herum. lol
Weiter zu Teil 2: KI-Bewertung, der Pitch und der erste Platz
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
We humans didn't write a single character of code. We barely touched our keyboards. We just talked to AI agents, basically thinking out loud.
And we took first place at the Grok Bot Tokyo Hackathon.
The half-asleep post on X that turned into this write-up
This is the English version of my original Japanese post on note.
I woke up and headed to the venue alone, without really thinking about a team. Then I stopped for meat udon at Oniyanma in Ochanomizu and ended up late.
When I got there, N (@_I__l__l__l__I_) was sitting at a table by himself, looking at me like he wanted to join my party. So I sat down next to him.
The morning was a beginner-friendly hands-on session. Connect to the venue Wi-Fi, get $50 in credits... except I already had a Cursor subscription, so I couldn't redeem them. Oh well. I set up a fresh environment instead.
About 30 minutes later, Limo (@vibe_walking) showed up even later than I did. When he signed up, he'd been assigned to a random team with people he didn't know.
I asked N next to me to team up, and with Limo fresh off his one-minute stint, we became a team of three. Limo suggested the name: Team Null.
Somehow I ended up as the leader and took on direction. Honestly, that's easier for me. I'm the type who loses power when someone else tells me what to do.
Limo and N went out to the convenience store. I'd already stocked up at the FamilyMart on B1, so I didn't go with the team. Instead, I remembered Cue had a phone number, and had Cue's AI agent call Limo to ask him to bring back a Diet Dr Pepper.
Limo's reaction: he brought me a Red Bull and got a call from an AI agent. lol
The three of us ate the boxed lunches at the venue and did some very informal team building. I'd met both of them a few times, but we'd never built anything together, so I didn't really know who was good at what. We started by chatting.
After lunch, we made an X DM group with the three of us and Naru-Ebi-chan, my AI agent. From then on, that group was our notepad. Limo recorded our call in the DM group, so the entire planning session was captured as audio.
We gave ourselves about 15 minutes, until 13:00, to come up with the idea. I set an alarm on my iPhone. No endless brainstorming.
There were three judging criteria, so we used those to guide the discussion. During lunch, Limo had mentioned recently trying to order through an agent and real-time voice. That sparked ideas like "AI places the order" and "when your beer mug is empty, AI orders another one automatically."
After 15 minutes, we had the broad plan:
At that point, I could already see where we were headed.
We gave the planning-session audio to Grok Bot and had it transcribe and organize everything. Here's how we split the work:
Limo set up a private GitHub repository for the team.
I went straight into making the slides. Starting with the presentation helps us:
To me, it's more about drawing a map for ourselves than making something for the judges.
I put just a rough outline into Google Slides and connected Grok Bot to it. After that, I could throw rough instructions at Grok Bot and it would turn them into something presentable. It already had the planning-session audio, so it knew the context.
Giving the hackathon-master Grok Bot editing access to Google Slides
Limo was firing off voice instructions to Grok Bot at ridiculous speed. N was doing the same through the DJI Mic he'd brought along. Nobody was typing anymore.
Just three people endlessly talking to themselves. A very weird little corner of the room.
With clear roles, everyone was moving ridiculously fast. We'd set up the AI agents to read our X DM group, so in a way, that group became the team's communication protocol.
We let everyone work for an hour without doing any integration testing. When the 14:00 alarm went off, we checked in.
By then, we had the slides, a backend stub, and the frontend, minus the menu photos. After a bit of back and forth, the frontend and backend were connected on Cloudflare.
I used Grok Bot to create an organizer bot and three persona bots, one for each person.
Then I set the next alarm for 15:00, and we went back to work. Scanning a QR code now brought up the restaurant menu on a phone. I tried various ways of getting the Grok Bots to communicate and eventually settled on SKILL + Webhook.
The development repository Limo had set up looked like it might be getting chaotic, so I created a separate repository for the submission.
15:00. Thirty minutes until our team's internal deadline.
Some parts still weren't working, but we'd implemented the concept and the bot-to-bot communication. When our Grok Bots actually connected to each other, everyone went nuts. We could feel it: this might work.
What remained was fixing bugs and making the UI easier to read. Limo took over some of the backend work that was getting hectic and got it finished. Pull requests flying everywhere. lol
Continue to Part 2: AI judging, the pitch, and first place