12.6晚复盘 【新币】 $bubble 0xf68f621653c3515bdd789ac62fb70271eba04444 叙事：源于cz的推特，调侃沃伦多年来一直把终身当作泡沫 价格：最高1.7M，当前460K $币安身份卡 0xf4faf32ee53664680b248d4afbf2d1805a0a4444 叙事：币安官方推出的“币安身份卡”活动，用户可以自己领取 价格：最高850K，当前440K $poopoo BF7Sfr4soxrdWNiNbtDVDE2ucmfFYsib73PVPLVCpump 叙事：@kevinolearytv说大多数山寨币都是poopoo coins 价格：最高1.8M，当前970K 【次新币】 $franklin CSrwNk6B1DwWCHRMsaoDVUfD5bBMQCJPY72ZG3Nnpump 到达新高14.4M，当前10.9M $1 0xf5dfd94bf89e0948c7770adf5e747dfa47bc4444 到达新高8.1M，当前6M $umbra PRVT6TB7uss3FrUd2D9xs2zqDBsa3GbMJMwCQsgmeta 快到前高，当前55.2M

全球81亿人口中84%从未使用AI。 之前看过一份数据统计， 全球仅16%接触过免费AI工具，付费用户比例只有0.3%。 所以，AI普及程度类比2007年智能手机初期阶段。 那么，你如果懂prompt，skills， 甚至只是简单的chatbot沟通， 任何一项，就算是人上人。 但AI产品层出不穷，很难跟上更新迭代。 -dappOS的新上线xBubble， 核心是让AI去使用AI，AI 学习 AI。 它有两层。 -前台叫Bubble Pilot，本质是AI使用AI。 比如你说一句「做个比亚迪vs特斯拉的对比看板」， 它自己识别这是个什么任务，去库里找匹配的SOP， 也就是「专业流程模板」，挑出最合适的模型和工具组合，把结果跑出来。 要是库里没匹配的SOP，它就回退到通用Agent硬做一遍，并且把这次记下来。 -后台叫Bubble Engine。本质是AI学习AI。 它盯着前台哪些任务老回退，哪些做得不够稳， 针对这些任务让AI编程Agent生成几种解决方案， 挨个组合模型和工具去跑测试，挑出质量最好的那种。 最优解固化成新的SOP放进库里，发布前还会测一遍。 Pilot跑得越多，Engine学得越多，库就越厚。这是个滚雪球的结构。 xBubble跟通用Agent最大的区别就在这里。 通用Agent每次都现场琢磨怎么干，做十次同一类任务，质量能波动很大。 xBubble更像是「攒经验」的Agent，常见任务直接走打磨过的SOP， 没见过的现场琢磨，琢磨成熟了再补进库。 -xBubble有两种运行环境。 云端的Bubble Computer跑端到端项目，PPT，研究，对比网页都在它身上一次跑完。本地的Bubble Personal能动你电脑里的文件，浏览器和日程，但只有你授权了它才动手，不脏你电脑。 比如那84%的人，不会写prompt， 但会说「帮我搞个东西出来」。 AI本来就该这样。 @dappOS_com

太好了！太好了！太棒了！有救了！ dappOS出了一个ai产品，叫xBubble。 它是一个低提示词AI，啥叫低提示词AI呢，就是直接能把一句很短、很随便的话，直接变成完成好的工作，不用你自己去折腾提示词、选模型、调试、写技能。 🔗 上周，我朋友需要准备一场产品路演 PPT。 以前他会打开 Claude，试了七八个不同的 prompt，从最开始的“帮我做 15 页 PPT”，到后面具体要求“每页用 bullet points + 数据可视化”，改了三次结构、换了两次设计风格，花了快两个小时才勉强满意。 现在用了 xBubble，他只说了一句：“帮我做一份关于 AI 操作系统的产品路演 PPT，要 12-15 页，包含市场数据和视觉效果。” Bubble Pilot 直接匹配到合适的 SOP，十几分钟就给他生成了一份结构清晰、配色专业、数据图表完整的 PPT，连配图和演讲备注都一起做好了。 他只微调了两处，就直接能用了。省下来的时间，他拿去好好完善演讲稿，整体准备效率提升了很多。 这太牛逼了！ 完全解决了我的痛点！ 因为我不是ai专家，我是普通人，专家会写 prompt、会用工具、会编 skill，几分钟就出好结果。   而我这种普通人，要花大把时间研究、调试、踩坑，最后还可能不满意。 xBubble 把这个“学习 AI、操作 AI”的负担全部交给 AI 自己，我们只需要说要干啥就行了。 这个AI有两个核心部分组成。 一个叫Bubble Pilot，AI 替你用 AI。 你发一句短请求 → 它自动判断任务类型 → 找最合适的“标准流程（SOP）”去执行 → 没有就用通用模式 → 结果直接给你。 另外一个叫ubble Engine：AI 自己学习 AI。 它在后台不停研究任务、生成各种解决方案、测试哪个最好，然后把最好的方法固化成“标准流程（SOP）”，下次别人再提类似需求就直接用，越来越聪明。 然后运行环境也有两种。 Bubble Computer：云端的项目工作间。适合复杂、多步骤的大任务（比如调研+写报告+做图+核查），全程自动，不用你管中间步骤，一次就把最终成果给你。 Bubble Personal：本地模式。可以操作你电脑里的文件、浏览器、日历等，但所有危险操作安装软件、系统改动都在云端沙箱里做完就销毁，很安全。 他们的这句话我很喜欢⬇️ AI 应该学习 AI，AI 应该使用 AI，用户只需陈述目标。

站在浪潮上还是远离浪潮是一个蛮有趣的选择。 看到朋友们去迭代最快的前沿AI做应用。模型能力的外溢，尤其是AI Coding能力的迅速涌现，一边带来了很多曾经难以想象的创业机会，一边也用每三个月一次迭代的速度把创业公司的产品嵌入到模型里。很可能一个企业随着一个模型发版就失去了存在的意义。 也有朋友远离SF这个小科创bubble圈，去最无聊最传统的行业，构建模型能力外溢也不能替代的行业资源。

这段时间我真的被 AI 折磨得有点麻。前几天想做一个“自动整理资料 + 自动生成内容”的 workflow。现在网上天天都在吹 AI Agent、自动化、低代码未来，我一开始还觉得，这玩意应该随便搭搭就能跑。 结果真正开始弄之后，我人直接进入无限调试模式。 这个 prompt 不对，换个写法。Claude 跑出来太泛，换 GPT。GPT 逻辑对了，格式又不行。然后继续换工具、补规则、改 workflow。有时候我已经分不清，自己到底是在“做内容”，还是在“训练 AI”。 而且这种东西特别搞心态。 同样一个工具，有人十几分钟搞定，我有时候能对着一个结果来回调两小时。网上那些高 star 的 Skill，看起来一个比一个猛，真正放进自己的场景，很多根本跑不顺。 你照着抄，最后还是得自己一点点改。 我后来甚至动过找人专门帮我搭 workflow 的念头。但仔细想想，小团队其实很尴尬。专门招个懂 AI 的人，成本不低；自己沟通需求、解释逻辑、来回返工，有时候甚至比自己折腾还累。 后来我慢慢发现，现在 AI 最大的问题，其实已经不是“不够聪明”。 而是普通人为了用好 AI，要额外学习太多东西。 你得研究 prompt、研究模型区别、研究 skill、研究 workflow、研究哪个工具适合哪个任务。真正工作只占一部分时间，剩下的大部分精力，全在“让 AI 正常工作”。 所以我最近体验@dappOS_com的 @xbubble_xyz  的时候，会觉得它思路还挺不一样。 很多 AI 产品现在都在教用户：怎么写 prompt、怎么搭 workflow、怎么调 Agent。 但 xBubble 更像是在做另一件事： “ai 学习 ai，ai 使用 ai” 我自己体验下来最大的感受就是，不用再一直纠结“这一步到底该用哪个模型”。 我只需要告诉它我要什么。 Bubble Pilot 会自己识别任务类型，然后自动分发到适合的 SOP 和执行路径。如果没有现成 SOP，它也会自动回退到通用 Agent。 重点是，它后台那个 Bubble Engine 还会持续学习。 哪些模型适合什么任务、哪些工具组合更稳定、哪些 workflow 成功率更高，这些以前特别费人的东西，现在开始交给 AI 自己处理。 这个体验其实挺爽的。 因为以前很多时候，不是 AI 不会干活，而是用户为了让 AI 干活，自己快先学成半个程序员了。 尤其是 Bubble Computer 这种模式我感触挺深。 以前做一个完整任务，我得自己切好几个窗口：查资料、整理、写内容、校对、再输出。 现在它会自己把整条链路跑完。 包括 Bubble Personal 这种本地模式也挺有意思，能直接操作本机文件、浏览器这些，但用户不用自己配环境。 我现在越来越觉得，未来真正好的 AI，不应该让普通人越来越累。 而是 AI 自己学会怎么使用 AI。 用户只需要告诉它目标，剩下的事情，交给系统。

不知大家是否有这样的一个问题，我们在努力追赶AI的脚步，却始终跟不上它的进化速度。 这不是玩笑。今年AI迭代有多快，看看前段时间还火爆的龙虾现在几乎没人提了，就知道答案了。我们好不容易搭好一个Agent，转眼就被更强的新版本取代。你是不是又要去换一个？不换的话你的效率产出不如人家，换的话又浪费大量的时间以及金钱，左右为男。 我自己也在研究AI新手该怎么入门。网上教程五花八门，每个都试一遍成本不低。作为小白，也不想跑太多复杂任务，花那么多也不太值得，而且也不知道花了钱以后能不能达到自己想要的结果。更让人焦虑的是，模型更新太快，你这边还没搞明白，新模型又出来了，感觉白忙一场。 这俩天看到一个文章，有一句话特别好：不是模型越能干，用户就越轻松；反倒是因为模型越强，AI 能做的事情更多，高级用法也就越复杂了。 现在我就是这样想的，现在AI的使用门槛其实越来越高。大多数人还停留在用豆包做题、问简单问题的阶段，没能把AI当成真正的生产力。就是因为门槛太高了，把绝大多数人都挡在了门外，我感觉后面这种差距会越来越大，因为AI可以当几个人、几十个人来使用，会用善用AI的人以一当百了，你还在一个人战斗...想想就可怕。 所以我最近一直在找一个真正好用易上手的AI工具，还真发现了一个不错的产品，就是意图龙头 @dappOS_com 新推出的一个AI产品 xBubble ，它完美的解决了我前面所说的上手难的问题，它用AI学习AI，然后再用AI使用AI。听起来是不是很抽象？那就对了，只有天马行空的产品才是好产品。 @xBubble_ai ，一款低提示率的 AI 代理，可将简短的请求转化为最终成果。用人话说就是我们要生成一个比较复杂的图或问题，只需要一个简单的提示词，它就能根据这个提示词，给你生成一个质量不错、能直接拿来用的结果，比绝大多数的AI都简单实用。 很多人这时候就会问了，为什么能达到这种效果？其实挺简单，它就靠两个协同工作的系统，Bubble Pilot 和 Bubble Engine 。 Bubble Engine 就是AI学习AI，它就是不停地让AI自己写 AI、自己测AI、自己挑最好的AI方案，然后选出一个最优的方案固化成一个能重复利用的标准操作流程（SOP）,相当于你玩游戏获得的大招技能一样，可以一直用，这么说应该懂了吧？然后技能不是只能获得一个，它能获得多个大招，专门针对不同的场景。 Bubble Pilot 就是AI替用户使用AI。比如说你提出一个问题，它会跟据这个问题去找大招，也就是SOP，给你这个问题的最优方案。如果没有匹配的大招，它就会用通用 Agent 给你解决方案，然后记录下来这个问题，让 Bubble Engine 抓紧研究大招~ 总体下来就是 Engine 负责后台建设，Pilot 负责前台执行，分工明确干活不累！随着Engine构建的 SOP越来越多，Pilot就能将更多请求都转到更快更好的路径，性能也就更好，形成了一个能无限检索的正循环，你就说这强不强吧! 使用也超级简单，有两种模式：分别是Bubble Computer 和 Bubble Personal。 - Bubble Computer 是 xBubble 的端到端项目工作空间，Bubble Pilot 检测到多步骤的任务就会路由到这，沙箱环境自动启动，自动选择合适的模型和技能，一次性完成交付从研究到交付的完整流程。云端大工厂，一条龙交付！ - Bubble Personal 是一个本地环境模式，这个相当于现在市场上的AI助手吧，可以帮你完成一些自动化任务，安全隔离还是做的挺不错的，本地计算机上不安装任何软件、不修改系统环境，安全级别很高。 这才是我最想要的AI工具，让我这种小白也能使用的AI工具才是大众最想要的，而不是那种入门难，有各种门槛需要各种专业化技能才能使用的AI，未来的大方向不应该是把工具做得越来越复杂才对，应该是让AI学习AI，然后再用AI使用AI！

2026年AI卷疯了，但我卷不动了。 GPT、DeepSeek、Gemini……一个比一个能打。 多模态、上万亿参数，一个比一个牛逼。 但你有没有发现一个问题——会用AI和用不上好AI的人，差距正在以肉眼可见的速度拉大？ 作为一个普通币圈人，我每天要看线、收集信息、撸交互、盯数据……光这些就够累了。想着用AI帮我省点事吧，结果呢？ 我得先学会怎么跟AI「说话」。 同一个模型，大佬用出来是专业级作品，我用出来就是请您再说清楚一点，光教AI怎么干活的时间，比我自己干还长。 这还没完。我自己的数据、本地的文件、浏览器记录、日程安排——想用AI自动化处理？先担心隐私问题吧。搞复杂了要开好几个窗口切换，搞简单了AI根本不懂我在说什么。 中登老登们更难受，学不动了，真的学不动了。 币圈混久了都信一件事：认知差就是印钞机。可问题是，现在的认知门槛「不在知道AI能干什么」，而在「有没有时间精力学会怎么用它」。 那有没有一款产品，让普通人直接就能用上好AI，不用学、不用磨、不用调试？ Yizilabs投资的 @dappOS_com 早在2025年就开始做AI转型尝试。最近他们推出了「低Prompt AI代理系统」xBubble。 核心理念很戳我：别学AI了，你就说你要什么，让AI自己去干。 我用一句话，30秒，搞定了一张海报，我平时要写文章、做贴图、弄梗图，搓AI是刚需。这次标题图就是用xBubble做的。而且这些海报都能商用，对比传统的llm来说直接免去后顾之忧了 我就直接发了一句： 「帮我设计一个以「现在AI太聪明了，但是我真的卷不动了」为标题的海报」 同样一句话，拿去喂给grok还要我手动更改几次才能生成，对比下来还没有xBubble更灵动（下方是grok生图） 👉 先知也附上基础的交互指引给大家使用 1.进入 2.选择运行环境（Computer / Personal）发出请求 3.系统自动处理：匹配SOP → 执行 → 输出结果 看上去很省事儿吧，让我们看看背后的逻辑。是两套核心引擎在跑 1️⃣ Bubble Pilot：你说一句话，它跑一遍流程 Pilot做的事很简单：读取你的需求，判断任务类型，然后去系统里找有没有现成的SOP 有，直接调用，秒出结果。没有？它自己兜底干。 这就是AI使用AI——你不需要知道背后用了哪个模型、调了哪些工具，Pilot帮你把路走通。 2️⃣ Bubble Engine：AI自己攒经验，越用越懂你 Engine是 xBubble 最不一样的地方。 它会在后台为任务自动生成多套方案，拿不同模型反复试、反复比，找出最优的那条路，固化成SOP。下次再来同样的事，直接走成熟流程，又快又稳。 这意味着什么？AI在学习AI，AI在使用AI。 你不需要研究GPT-5和Claude-4哪个更适合做海报，Engine早就帮你测试过了。你不需要积累什么提示词宝典，Engine把最优路径固化好了直接给你用。 系统的进化速度比你快，用AI的效率比你高，而你只需要做一件事：说出你要什么。 还有就是两种运行环境：隐私和安全都想到了，不同场景、不同信任度 1️⃣Bubble Computer：端到端项目工作空间。当你需要研究+写作+设计+验证一套流程跑完时，Computer模式在沙盒环境里把全链路打通，不用你手动切换工具。 2️⃣Bubble Personal：本地环境模式。需要操作你本地文件、浏览器、日程？Personal模式在沙盒化执行模型下处理：安装、下载、系统级改动都在云容器里完成，任务结束即销毁。你的机器上只执行明确授权的操作，重活儿留在云端，干净结果流回本地。 说白了：信云就选Computer模式，想保护隐私就选Personal模式。你自己说了算。 目前xBubble支持10+种任务类型： 快速模式（日常小任务）→ 语音听写、文本转语音、对话头像、深度研究 工作模式（SOP驱动，稳定专业）→ 幻灯片创作、文档创作、事实核查、定时任务、海报创作、图像创作、视频创作、网站开发 覆盖主流需求，关键是——每个任务都不需要你调提示词。 确实XBubble算不上什么颠覆世界的东西。 但它确实解决了一个让我头疼很久的问题：让普通人不用跟AI墨迹，就能把事办了。 AI应该学习AI，AI应该使用AI。 你只需要说出目标，能解决普通人的需求，我认为这就已经做得很棒了。

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

学习中文比较难这件事，AI挺有发言权。 我有时候写条推文想配张图，跟prompt斗智斗勇斗半小时，最后索性放弃了😂 AI工具对中文都不太友好，那生出来的图片全是乱码，反复改提示词都不行，简直人工智障。 看别人做的图都很好，一到自己手上，就开始各种拉扯，想生成个马斯克喝豆汁儿的，几个字AI都写不出来，而且那豆汁…看着像泔水。 时间全用在调教AI上了。 然后发现用xBubble @dappOS_com 能解决这个问题。 它是一个低提示词（low-prompt）的AI代理。 把大家常用的逻辑，基本上都已经理解透彻了。 你不用再绞尽脑汁写复杂提示词，也不用反复调试，它就能把你的简单一句话，变成靠谱的最终成果。 这就省去了大量修改的时间，不用再跟AI较劲置气了。 了解了一下，是因为这个AI有个引擎在不停地练习、测试这些常用任务。 Bubble Pilot就像一个超级聪明的助手。 你只需要用一句大白话说出想要什么，它立刻读懂你的真实意图，然后精准地把任务交给最合适的专家流程。 不需要你操心模型选哪个、工具怎么搭，它全自动搞定。 Bubble Engine则是它背后的大脑工厂。 它在后台不停地用AI去练习、测试、优化各种常用任务，把这些任务提前练成一套套的标准操作流程SOP。 SOP里面已经把模型、技能、工具、运行步骤都演练好了，一旦匹配上，就能一次直接给你稳定、高质量的结果。 也就是说你给个弱指令，他能理解后给你一个强结果。 而且有两种运营环境： Bubble Computer，是云端的工作间。 适合做复杂项目，它能自动调研、写作、设计、检查、核对，一次性把最终成果交到你手里，你都不用管中间那些繁琐步骤。 Bubble Personal，是个人向的本地模式。 可以直接操作你电脑里的文件、浏览器、日历、应用，用完就自动清理，安全方便。 这回舒服多了。 再也不用当AI的S和保姆，不用天天调教它、伺候它了。 用户只需陈述目标。 AI就应该学习AI，AI也应该学会使用AI。

不知道你们有没有遇到过 AI 生成素材。 结果生成出来视频很好看，但是里面全是错字…… 我不知道现在普遍的解决方案是什么， 反正我是挺头疼的。可能会有一些外置的工具，但是我觉得还是很不方便，为什么 ai 不能直接做出来就是对的呢？ 然后我的朋友让我去试试 胖鹅 AI。 用同一个 prompt 来生成蒸汽眼罩，图1是胖鹅生成的，图二是别的ai生成的。视频效果差不多，但是图二的错字根本无法用。 普通 AI 生成视频的流程，就是把你的 prompt 丢给一个底层模型，等它吐出来什么算什么。错字、比例不对、风格跑偏，都是开盲盒。 而 xBubble 在中间加了一层。 胖鹅ai 会在后台一直跑实验，同一类任务拿不同的模型、不同的 prompt、不同的工具组合反复试，比谁的输出最稳。最优的那套打包成一个 SOP 存起来。sop其实就是这种任务用这套组合最好用的固定配方。 而且用得越久，它越懂同类任务该怎么做。就像一个经验丰富的老中医熟练掌握了很多药方。 xBubble 主要分为两个部分： Bubble Engine一直在跑实验。同一类任务它会换不同的模型、不同的 prompt、不同的工具组合反复试，比谁的结果最稳，然后把最优的那套打包成 SOP 存起来。sop可以理解为这种任务用这套组合最好用的固定配方。 另外一块叫 Bubble Pilot，是前台跟用户对话的。 比如前段跟用户对话，接收到了一个需求：扫一下最近 24 小时哪些聪明钱在加仓 AI 代币"。它会先判断这属于什么类型的任务，去后台找有没有现成的 SOP。命中了，直接给你最优解。没命中，先用通用模型勉强跑一个，同时把你这个请求记下来，告诉 Engine以后多练这种。所以用得越久，它越懂你那一类任务该怎么做。 xBubble 分两种运行环境。 1️⃣Bubble Computer 是云端的项目工作间。 做素材、做看板、做网页这种从零到一的活就走这里。 碰到多步骤任务自动开沙箱，按需加载工具，中间过程你不用管。研究、生成、核对、出成品，一次跑完， 拿到的是一个独立 URL。直接转发给客户看，或者丢进群。 2️⃣Bubble Personal 是本地模式。 偏向在你已有环境里干活。可以读你电脑里的文件、操作浏览器、用你的应用、看你的日程。装软件、改系统这种重活在云端容器里跑完销毁，本机只动你明确授权的东西，不污染你电脑。 第一次了解这个项目的时候我想的是为什么我以前没想到还有这种精细的创业方向…… 只能说xBubble 团队 dappos 还是很懂目前用户使用ai的痛点的，dappos本身也是很成熟老牌的 web3 项目了，母公司 DappOS 曾获得过红杉中国和 Yzi Labs 等知名机构的投资。 建议大家可以去体验一下，新东西出来了，只有自己试过才知道好不好用。 link：