Ontem à noite, o tio viveu mais uma vez um ciclo familiar de IA

Viu uma notícia de financiamento de um projeto Web3, pensando em usar IA para organizar rapidamente: contexto do projeto, escala de financiamento, situação da equipe, avanços importantes, mecanismo de atividades e formas de participação
No começo, estava bastante otimista
O GPT já é tão forte, deveria levar poucos minutos, certo?
Resultado, a primeira versão saiu, a estrutura está lá, mas as informações estão confusas
Na segunda versão, pediu para complementar as fontes de dados, e ele começou a ficar muito cauteloso
Na terceira versão, pediu para dividir o mecanismo de atividades, e ele acabou escrevendo como uma propaganda do projeto
Tive que continuar ajustando o prompt, perguntando obsessivamente pelos detalhes, de repente senti uma sensação muito absurda, eu não estava liberando minha criatividade com a IA, mas sim aumentando a carga de trabalho.
Isso pode ser exatamente o ponto onde a maioria das pessoas fica presa ao usar IA: não é que não saibam o que querem, mas que não sabem como traduzir suas necessidades em um Prompt que a IA possa executar de forma estável.
👉 Então, o tio fez uma comparação usando a mesma solicitação:
「Pesquise projetos Web3 que tenham concluído financiamento e divulgado nos últimos 1 mês, organize informações básicas, escala de financiamento, situação da equipe, avanços importantes, mecanismo de atividades e formas de participação」
À esquerda, GPT, à direita, xBubble
A reação do GPT é bem familiar: começa respondendo, listando projetos, escrevendo informações.
Funciona, mas depois tenho que continuar perguntando: de onde vêm as fontes? o tempo de financiamento está correto? o projeto lançou token? o mecanismo de atividades foi omitido? Quais são os pontos principais, quais são só para preencher espaço?
Esse é o aspecto mais cansativo do uso comum de IA, muitas informações-chave precisam ser revisadas por mim.
A reação do xBubble é diferente, a solicitação é enviada e ele primeiro me dá uma rota de escolha:
1️⃣ Crypto Research SOP (75% de correspondência, previsão de 3-4 minutos)
2️⃣ Search&Answer (18% de correspondência, previsão de 20 segundos)
3️⃣ Compound Skill-Bubble Computer (7% de correspondência, previsão de 2-10 minutos)
Esse ponto é bastante importante: SOP não é apenas um “modelo de prompt”, é uma rota de tarefa já otimizada.
Para esse tipo de tarefa, como pesquisar projetos Web3, o sistema já ajuda a planejar: como pesquisar, quais fontes usar, como validar cruzadamente, como estruturar a saída.
Por exemplo, para análise de projetos Web3, os LLMs comuns geralmente respondem primeiro e depois o usuário revisa, a qualidade depende do desempenho do modelo na hora.
O xBubble primeiro avalia o tipo de tarefa, depois encontra a rota mais adequada.
Portanto, a diferença fica clara:
👉 Não sabe escrever prompt + IA comum: o modelo responde primeiro, o usuário ajusta depois
👉 Sabe escrever prompt + IA comum: o usuário divide a necessidade em um fluxo de trabalho completo
👉 Não sabe escrever prompt + xBubble: o sistema primeiro ajuda a decidir qual caminho seguir
Essa é a ideia do Low-prompt AI Agent do xBubble.
O usuário fala de forma natural, o sistema escolhe a rota.
A IA deve aprender com a IA.
A IA também deve usar a IA.
@dappOS_com