最近我自己在折腾 Codex，原本挺兴奋的，想着这类 AI agent 应该能直接帮我把活干完 一开始我还去试了龙虾这种流程工具，做一些偏专业、结构化的任务确实还可以。但当我想做一份完整的 PPT 时，就开始不对劲了 你以为是一句话的事，结果变成：拆任务、找 skill、拼流程。写大纲一个，生成内容一个，排版可能还要再接工具 中间哪里不对，就得重新改 prompt，再跑一遍 一开始是期待，中间是反复调试，最后多少有点习惯这种“用 AI 也很费劲”的感觉 但问题是——同样的工具，有的人 20 分钟出成品，有的人折腾两小时还在调流程。慢慢你会发现，这其实是一道越来越明显的鸿沟 现在 AI 不缺能力，缺的是“怎么用” 
会不会写 prompt、会不会用 agent、会不会搭 skill，这些门槛在悄悄把人分层 很多时间，其实不是花在做事，而是花在让 AI 把事做对 这也是为什么我后来开始关注像 xBubble 这种 Low-prompt AI 它本质做了一件事：把“用 AI”这件事，也交给 AI 你只需要说一句：帮我做一份 AI 行业的投资人 PPT，剩下的不用管 背后其实有三层东西在跑： Bubble Pilot，相当于执行层，帮你调用各种 AI，把任务拆解并跑起来 
Bubble Engine，是学习层，在后台不断测试不同模型+工具组合，把效果最好的沉淀下来 
SOP，就是已经跑通的最优流程，本质就是一套可复用的 skill 整个逻辑很简单： 
AI 使用 AI + AI 学习 AI → 最后沉淀成 SOP → 下次直接给你更优解 对用户来说变化也很直接： 
模型选什么、prompt怎么写、skill怎么拼、结果怎么测，这些都不需要你管了 再加上它有两种运行环境： 
一个是 Bubble Computer，适合做完整项目，比如一份 PPT，从调研到生成一条龙跑完 
一个是 Bubble Personal，可以直接操作你本地文件、浏览器这些，但过程是可控的，不用折腾环境 可以简单对比一下： 以前：
我 → 拆任务 → 找工具 → 写 prompt → 拼流程 → 调试 → 出结果 现在：
我 → 说一句需求 → 系统匹配/生成 SOP → 直接出结果 差别其实不只是快不快，而是你有没有被卷进流程本身 回到我一开始做 PPT 的那个场景，如果是这种方式，大概率不会再卡在各种 skill 之间来回切 因为逻辑已经变了—— 
不是你在学习怎么用 AI，而是 AI 在学习怎么更好地帮你做事，同时 AI 也在替你使用 AI AI 使用 AI，AI 学习 AI，
我们只需要把目标说清楚就够了 有兴趣的可以关注 xBubble这个项目，感觉挺不错的