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

新刊大套組限定的泡泡浴電子檔⸝⸝⸝♡︎ 預購到今天晚上10點不要錯過啦.ᐟ.ᐟ.ᐟ - Bubble Bath digital set is only available for Big set of new photobook only⸝⸝⸝♡︎ Oversea purchase opens till 2/10 , don't miss it!!! #瑪麗蘿絲# #MarieRose#

这下设计师真要失业了，只需一句话就用 @dappOS_com的新产品 @xBubble_ai 做出了堪比资深设计师的海报作品。 重点是我并非一个会写AI提示词的用户，相反我只是小白，xBubble 这种专注于成果的AI也太好用了吧。 之前用 Midjourney，如果 Prompt 写的不好，出图就很抽象，需要一次次的调整，花了很多时间最终还是不尽人意。 这不是我一个人的问题，而是当前AI领域存在的痛点： 会写 Prompt 的用户 vs 不会写的用户：前者的图片精准可控，后者的输出飘忽不定。 对于不会写提示词的人来说，用AI很难得到自己想要的成果。 xBubble 则是用创新的 Low-prompt AI 解决了这个最大的应用痛点，它的底层是两个核心系统： Bubble Engine：负责在后台"学习"怎么用 AI。对于特定任务，它会自动测试哪些模型和工具组合效果最好，生成最优的执行方案。 Bubble Pilot：负责在运行时"使用"AI。它读懂你的简短请求，识别任务类型，然后把任务分发给最合适的执行路径，无论是现成的 SOP，还是更复杂的项目工作区。 简单来说，Bubble Engine 负责学习怎么用 AI，Bubble Pilot 负责替你用 AI，你只需要设定目标。 其次就是 xBubble 的两种运行环境，太懂不同用户想要的是什么了。 Bubble Computer：端到端项目工作空间，当 Pilot 检测到多步骤任务（比如既要出图又要写文案），自动路由至此，一次性交付完整成果，全程无需用户管理中间步骤。 Bubble Personal：本地环境模式，可以安全操作用户本机文件、浏览器、应用与日程；需要安装或系统级变更的操作在云端容器执行并销毁，本机只执行明确授权的动作。 总之，AI 图像模型的能力每个月都在进步，但绝大多数普通用户完全跟不上。 xBubble 的核心产品理念很简单：让 AI 主动去学习和使用 AI，让用户只需要设定目标即可，这就是我为什么推荐大家要尝试一下xBubble。 入口：

【怎么让AI更聪明的完成任务？】 这是一个在AI快速发展的现在，最常遇见的问题。 因为现在AI发展的很快，每个模型都在不停的迭代版本，并且不同的模型都有自己的特性，如何去挑选适合自己需求的模型，如何去调教不同模型的prompt，这会直接决定产品最终呈现效果的优劣。 之前做过好几个AI交易的辅助工具，模型尝试用过GPT、Deepseek、Claude，AI工具用过n8n、小龙虾、骡子，但是最后呈现的效果和自己预期的总是差很多，虽然最后做出来的不错的版本，但是消耗了太多的时间精力和Token，我也在寻求更好的解决方案，直到用了dappos！ dappos简单来说，就是：AI 替用户使用 AI，AI学习AI 你不需要再纠结选哪个模型、怎么写 prompt、要不要写 skill，你只需要说一句 简短请求，剩下的交给 xBubble。 其中的核心是Bubble Pilot帮用户去完成任务，取用户的简短请求，识别任务类型，检索匹配的 SOP 并分发到最优路径 Bubble Engine帮你去学习AI，针对特定任务，使用 AI 编程 Agent 生成解决方案变体，构建测试框架，组合候选模型与工具，将最优路径固化为可复用 SOP。 就比如说我想做一个Defi赛道的投资机会速览，同一套提示词，xBubble和豆包生成的图片可以说是天差地别，豆包连文字都是马赛克，而xBubble不仅逻辑清晰还有数据作为支撑，信息的详细程度和豆包不是一个层级上的！只有两个字，好用！ 总的来说，你有了dappos，就相当于有了一个AI秘书，直接跟秘书去提需求，秘书会帮你把剩下的流程全部走完，你等着接收汇报就行了！ 用dappos，当AI的老板，有事就让秘书干！

终端编程 Agent（最接近 Claude Code） 1. OpenCode ⭐ 165k+ - 协议: MIT | 语言: Go/TypeScript - 免费: 完全免费开源，支持 75+ LLM 提供商 - 特色: - 事实上的开源 Claude Code 替代品 - 本地优先架构，支持本地模型（Ollama 等） - Provider-agnostic：同一会话可切换 Claude/Gemini/GPT/本地模型 - 精美 TUI 界面，支持桌面端和 IDE 扩展 - 中国讨论度: 低，国内媒体很少报道 - 🔗 2. Pi ⭐ 54k+ - 协议: MIT | 语言: Python - 作者: Armin Ronacher（Flask/Jinja2 作者） - 免费: 完全免费开源 - 特色: - 系统提示 < 1,000 tokens，极简设计 - "Lazy Skills" 机制：技能按需加载 - 专为 fork 和二次开发设计 - 增长速度惊人（短时间内突破 54k stars） - 中国讨论度: 极低 - 🔗 3. Crush ⭐ 25k+ - 协议: FSL（2年后转MIT）| 语言: Go - 团队: Charm（Bubble Tea 团队） - 免费: 免费使用 - 特色: - 终端美学标杆，极其流畅的 TUI - 多模型支持，会话中可切换模型 - 原生 LSP 和 MCP 支持 - 适合追求终端体验的开发者 - 中国讨论度: 低 - 🔗 4. Qwen Code ⭐ 25k+ - 协议: Apache-2.0 | 语言: TypeScript - 免费: 免费，配合 Qwen 模型有免费额度 - 特色: - 阿里巴巴出品，Gemini CLI 的开源 fork - Gemini CLI 6月停服后，这是其开源延续 - 专门优化 Qwen-Coder 模型 - 国内用户访问友好 - 中国讨论度: 中等（但远低于其价值） - 🔗 --- 通用 Agent 框架 5. OpenClaw - 协议: 开源 | 免费: 完全免费，云版待定 - 特色: - 自托管 AI Agent，50+ 原生集成 - 零外部 API 调用，隐私优先 - 连接 Slack/GitHub/Notion 等无需第三方 API - 支持 Docker 部署 - 中国讨论度: 低 - 🔗 6. Agno - 协议: 开源 | 语言: Python - 免费: 开源免费，平台版 $99/月起 - 特色: - 2 微秒 Agent 运行时间，极致轻量 - 内置记忆、存储、多模态工具 - 生产级 Python 框架 - 适合需要高性能的场景 - 中国讨论度: 极低 - 🔗 7. Hermes Agent ⭐ 60k+ - 协议: 开源 - 免费: 开源免费 - 特色: - 2个月内突破 60k stars，增速最快 - 持久多层记忆：长期语义记忆 + 工作记忆 + 情景日志 - 云优先架构，独立于本地设备 - 30天学习期后能理解用户工作模式 - 与小米 MiMo V2 Pro 合作 - 中国讨论度: 中等（小米合作有报道，但产品本身讨论少） - 🔗 --- MCP 生态工具 8. MCPX (IBM) - 协议: 开源 - 免费: 开源免费 - 特色: - MCP 网关，统一管理多个 MCP 服务器 - Tool Groups：不同团队看到不同工具子集 - Agent 访问控制 + 实时 Prometheus 指标 - 支持 Cursor/Claude Code/VS Code/Copilot 等 - 中国讨论度: 极低 - 🔗 9. ContextForge (IBM) - 协议: 开源 - 免费: 开源免费 - 特色: - 联邦化 AI 网关，跨多集群 Kubernetes - 支持 MCP/A2A/REST-to-MCP/gRPC-to-MCP - 40+ 插件 - OpenTelemetry 追踪 - 中国讨论度: 极低 - 🔗 --- 多 Agent 编排 10. Microsoft Conductor ⭐ 新项目 - 协议: MIT | 版本: v0.1.1 - 免费: 完全免费开源 - 特色: - 微软出品，GitHub Copilot SDK + Anthropic Agents SDK - YAML 定义工作流 + Web 仪表板 - 适合企业级多 Agent 场景 - 中国讨论度: 极低 - 🔗 11. Agent Skills (by Addy Osmani) ⭐ 43.8k+ - 协议: 开源 - 免费: 完全免费 - 特色: - 23 个生产级工程技能 - 7 个斜杠命令覆盖完整开发生命周期 - 编码 Google 工程文化（Hyrum's Law、trunk-based development） - 渐进式披露设计 - 中国讨论度: 低 - 🔗

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。

发现一个宝藏应用，@dappOS_com 旗下的新产品 @xBubble_ai 简直惊喜。 记着明天得前几天晚上，为了制作一份详细的新项目投研简报，我全神贯注地在屏幕前与 AI 工具深度互动到了凌晨。 我尝试了多个不同的大模型，不断精进和打磨提示词，希望得到最完美的输出。 这个过程让我深刻意识到，熟练驾驭 AI 需要极高的耐心与时间投入。 我们都满怀期待地想让 AI 成为得力助手，但在实际操作中，为了让结果更精准，我们往往要投入大量精力去引导。 这让我开始思考：一定存在一种更流畅、更懂人心意的方式，让工具真正服务于我们的直觉。 于是，我发现了xBubble，它更加高效几乎能够一键解决我的烦恼，一图看清！ 2.如今大模型的迭代日新月异，获取强大现在各大平台的新模型层出不穷，算力早已不是瓶颈， 但真正拉开体验差距的是什么？是“会写神级提示词”与“不会写”的差距，是“懂代码和编写技能（Skill）”与“完全不懂”的差距。 为了让大家直观感受到这种体验上的天壤之别，我们可以从几个真实的投研和工作场景，来看看传统 AI 工具和采用“低提示词”理念的 xBubble 到底有何不同：  3.对于很多追求高效的专业人士和中小团队来说，这背后隐藏着巨大的隐性时间投入。 为了让 AI 的输出稳定可靠，我们需要持续评估不同模型在各类任务中的表现，精心挑选适配的工具组合。 很多创业团队也面临着权衡：增设专职岗位预算较高，而让现有团队从头学习 AI 调优，沟通和学习成本同样可观。 更重要的是，每当大模型迎来更新，我们积累的经验往往需要重新建立。 我们真正渴望的，是一个能精准理解模糊指令、即开即用的智能系统，让大家把宝贵的时间集中在核心业务上。 4.好消息是，技术创新的脚步总能为我们带来极佳的解决方案。 近期 dappOS 推出的 xBubble 就是那个让人充满期待的行业破局者！它创新性地提出了 Low-prompt AI0理念，简单来说，就是“AI 替用户使用 AI”。 其核心枢纽 Bubble Pilot 就像一位超级懂你的智能管家，你只需要像和朋友聊天一样输入一句简短的需求，Pilot 就会自动接管后续的所有统筹工作。 它能迅速识别任务类型，自动匹配最优的处理路径，将繁杂的模型挑选、提示词构建、工具调用全部包揽，让你轻松畅享一键直达结果的愉悦体验。 你可能会好奇，Pilot 为什么能如此精准地理解我们的意图？ 这要归功于其背后时刻都在成长进化的强大引擎——Bubble Engine。这是真正的“AI 学习 AI”。 当你提出一个新颖的需求时，Engine 会在后台自动生成海量的解决方案组合，  通过严格的测试框架与质量标准进行比对，最终将最高效、最完美的路径固化为通用的 SOP。 这意味着，在 xBubble 的生态里，随着大家的使用，高难度的技能会被自动沉淀，哪怕是零基础的小白 也能毫不费力地直接调用这些千锤百炼的最优解，获得大师级的交付品质。 为了满足极其多元的使用场景，xBubble 精心打造了两种极具安全感与实用性的运行环境。  第一种是云端的“Bubble Computer”，这是一个端到端的专属工作区。 面对需要搜集资料、撰写、排版等多步协同的复杂项目，它会自动开启安全的沙盒环境，按需加载所有技能，一气呵成地完成并交付最终成果。 第二种是主打本地陪伴的“Bubble Personal”模式，它能在你的设备上安全运行，协助管理本地文件与日程， 回想当初那个专注打磨提示词的夜晚，如果当时有 xBubble 的协助，我只需轻松输入一句“请帮我汇总今日链上热点并生成一份深度简报”， 便可去享受一杯香醇的咖啡，回来就能收获排版精美的专业成果。 科技演进的终极方向，永远是让人的创造力得到最大程度的释放。 正如 xBubble 所倡导的核心愿景：AI 应该学习 AI，AI 应该使用 AI，而用户，只需陈述目标。 兄弟们冲一波官网： dappOS 官网（