我发现很多时候我用AI工具有一个核心问题，就是不知道怎么精准地写prompt，特别是在生成图片和生成视频的时候。 对于非科班的我来说，我不知道要告诉AI怎么设置镜头角度，图片曝光度、饱和度、色调、色相，以及脚本语言应该怎么去描述，我甚至都不知道这些术语。 编程也一样，写prompt的时候只能模糊写个大概，无法给出我不知道的指令。 所以如果有AI工具能够在特定场景下，让实现效果达到“是你想要的，但是你说不出想要什么”的时候，AI工具才能发挥最大的作用。 xBubble胖鹅AI现在就在做这件事，先来看一下同样的prompt实现的效果（见下图） 可以看出来没有经过对齐的大模型输出了一个看似质量很高，但有严重bug的图片；而场景对齐后的xbubble则给出了相当令人满意的答案。 xBubble 的机制很简单：用户只需要说出想做什么，Bubble Pilot 会判断任务类型，并寻找是否有对应的 SOP（标准操作流程）。 命中 SOP 时，系统会自动选择合适的模型、工具和执行流程，给出更稳定的结果；没有命中时，就先用通用 Agent 完成任务。 后台的 Bubble Engine 会持续学习这些请求，尤其是反复出现但没有 SOP 的任务。它会测试不同的模型、工具和流程，把效果最好的方案沉淀成新的 SOP。 这样，xBubble 会越用越懂用户常见需求，把原本需要用户自己完成的模型选择、提示词设计、工具调用和结果测试，逐步交给系统自动处理。 xBubble目前也支持Bubble Computer和Bubble Personal两种模式，Bubble Computer是端到端项目工作空间，相当于在沙盒中自动运行，不需要用户中间干预。Bubble Personal是本地环境模式，可以支持操作用户本机文件、浏览器、应用与日程等本地应用。 AI工具背后都是大模型，但是好用的工具永远是需要的，有了好的工具，同样的token才能发挥出不同的价值。