是的没错,今天的话题又是 AI。这两天我的时间线上已经被
@xBubble_ai 刷屏,研究下发现我 2024 年就已经在
@dappOS_com 的 discord 里面了🤣
项目方有一句话我印象很深,大意就是:“今天 AI capability 已经不是最大的瓶颈,真正的 gap 在 usability,在 operation。”
确实,事实上很多人还停留在 AI 使用的原始阶段,像是习惯使用各种大模型、透彻理解不同大模型的优势、知道什么任务该接什么工具、该怎么组合效果最好,已经早已脱离普通用户的范畴了。
非常现实:power users 和普通用户之间的差距正在不断被放大。
|Low-prompt
所以普通用户有没有机会跨越这道鸿沟?有没有一种 AI 工具来稳定地完成普通用户的模糊需求?所以 xBubble 提出了 Low-prompt AI 概念。
我对 xBubble 的理解:让用户不用再学怎么用聪明的 AI,怎么真正的回到傻瓜式的使用 AI。
power users 之所以成为 power users,是因为他们付出了巨大的时间成本、精力成本,研究不同模型不同工具的表现差异、反复调试最终形成一套难以复用的经验。而大多数的普通用户只有一句模糊的需求,期望能够得到满意的输出。
“用户只需要陈述目标”就是 xBubble 的核心。
|SOP?Skills?
那到底才能做到 Low-prompt?
Bubble Pilot 负责“听懂人话”,不管你的需求多模糊,它负责拆解:是走标准 SOP,还是交给通用 Agent。
Bubble Engine 负责“自我进化”,让 AI 学习 AI,将高频需求的最优路径固化为可复用的 SOP。
我自己比较习惯用的是 Claude Code,虽然在写 skills 的过程中花费了大量的时间和脑细胞,但是真的香,同样的工作内容,交付耗时缩短了60%~80%。
在我视角来看,xBubble 的 SOP 跟 Claude Code 的 skills 异曲同工,那么,是不是意味着 xBubble 可以实现自动帮我识别和编写高频任务 skills?🤔
|BubbleUp
现在市面上很多 AI 产品,本质上还是套壳大模型:换个 UI、包几个模板、接一点 tools、再加个 agent mode,底层还是在直接调用主流模型能力。
xBubble 除了做任务的 SOP,还引入了 BubbleUp,一个让你的 AI 变得更聪明、更懂你的反馈与成长机制。不符合预期时通过多次迭代和调用不同的 AI 模型进行自我优化,直到输出更高质量的结果。“AI 学习 AI”在此刻闭环,而用户只需要点击 BubbleUp 按钮。
看了眼 Discord,正好在搞一个 $300 美元生图 Bubble Up 活动,29 号截止,感兴趣的朋友可以试试看。
|xBubble VS Gemini
我自己先从简单案例试用了下,比如根据我的这篇文章为我生成一张海报,要求包含关键字、要求海报风格要跟 xBubble 风格一致,极简的 prompt 同时喂给 xBubble 和 Gemini,生成的效果如下对比图所示,各位觉得谁赢🤔?
我个人觉得这个案例下 xBubble 赢了。
除了生图,还尝试了生成视频、文字任务等,积分消耗和任务的复杂程度挂钩,暂时感觉还是挺耐用的。