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。