Semalam, paman kembali mengalami siklus AI yang sudah dikenalnya

Melihat berita pendanaan sebuah proyek Web3, berpikir untuk merapikan dengan AI: latar belakang proyek, skala pendanaan, kondisi tim, kemajuan penting, mekanisme kegiatan dan cara partisipasi
Awalnya cukup optimis
GPT sudah begitu kuat, seharusnya bisa selesai dalam beberapa menit, kan?
Hasil versi pertama keluar, strukturnya sudah ada, tapi informasinya sangat berantakan
Versi kedua minta dia melengkapi sumber data, dia mulai menjadi sangat berhati-hati
Versi ketiga minta dia membongkar mekanisme kegiatan, malah menulisnya seperti promosi dari pihak proyek
Saya harus terus memperbaiki prompt, bertanya detail secara gila-gilaan, tiba-tiba merasa sangat absurd, saya tidak melepaskan diri dengan AI, malah menambah beban kerja.
Ini mungkin adalah bagian di mana kebanyakan orang benar-benar terhambat saat menggunakan AI: bukan karena tidak tahu apa yang diinginkan, tetapi karena tidak tahu bagaimana menerjemahkan kebutuhan menjadi Prompt yang bisa dijalankan secara stabil oleh AI.
👉 Jadi paman membuat perbandingan untuk permintaan yang sama:
「Teliti proyek Web3 yang selesai pendanaan dan diumumkan dalam 1 bulan terakhir, rangkum informasi dasar, skala pendanaan, kondisi tim, kemajuan penting, mekanisme kegiatan dan cara partisipasi」
Kiri adalah GPT, kanan adalah xBubble
Respon GPT sangat familiar: mulai menjawab, buatkan daftar proyek, tulis informasinya.
Bisa digunakan, tapi saya harus terus bertanya: sumber data dari mana? waktu pendanaan akurat tidak? proyek ini menerbitkan token tidak? mekanisme kegiatan ada yang terlewat? mana yang penting, mana yang cuma mengisi kekosongan? Ini adalah bagian tersulit saat menggunakan AI biasa, banyak informasi kunci yang harus saya verifikasi kembali.
Respon xBubble berbeda, kebutuhan diberikan, dia terlebih dahulu memilih jalur:
1️⃣ Crypto Research SOP (75% cocok, diperkirakan 3-4 menit)
2️⃣ Search&Answer (18% cocok, diperkirakan 20 detik)
3️⃣ Compound Skill-Bubble Computer (7% cocok, diperkirakan 2-10 menit)
Poin ini cukup penting: SOP bukan sekadar 「template prompt」, melainkan sebuah jalur tugas yang sudah berjalan lancar.
Bagaimana cara mencari data, sumber apa yang digunakan, bagaimana cross-check, bagaimana output terstruktur, sistem akan membantu mengaturnya terlebih dahulu.
Misalnya, pekerjaan riset dan analisis proyek Web3 ini, LLM biasa biasanya akan menjawab dulu, baru kemudian saya bertanya lagi, kualitas tergantung performa model saat itu.
xBubble akan terlebih dahulu menilai jenis tugas, lalu mencocokkan jalur yang paling sesuai.
Jadi perbedaannya sangat jelas:
👉 Tidak bisa menulis prompt + AI biasa: model menjawab dulu, pengguna memperbaiki secara perlahan
👉 Bisa menulis prompt + AI biasa: pengguna membagi kebutuhan menjadi satu rangkaian alur kerja
👉 Tidak bisa menulis prompt + xBubble: sistem terlebih dahulu membantu menentukan jalur mana yang harus diambil
Ini juga merupakan ide dari Low-prompt AI Agent xBubble
Pengguna berbicara manusiawi, sistem memilih jalur
AI seharusnya belajar dari AI
AI juga seharusnya menggunakan AI
@dappOS_com