這段時間我真的被 AI 折磨得有點麻。前幾天想做一個“自動整理資料 + 自動生成內容”的 workflow。現在網上天天都在吹 AI Agent、自動化、低代碼未來，我一開始還覺得，這玩意應該隨便搭搭就能跑。

結果真正開始弄之後，我人直接進入無限調試模式。
這個 prompt 不對，換個寫法。Claude 跑出來太泛，換 GPT。GPT 邏輯對了，格式又不行。然後繼續換工具、補規則、改 workflow。有時候我已經分不清，自己到底是在“做內容”，還是在“訓練 AI”。
而且這種東西特別搞心態。
同樣一個工具，有人十幾分鐘搞定，我有時候能對著一個結果來回調兩個小時。網上那些高 star 的 Skill，看起來一個比一個猛，真正放進自己的場景，很多根本跑不順。
你照著抄，最後還是得自己一點點改。
我後來甚至動過找人專門幫我搭 workflow 的念頭。但仔細想想，小團隊其實很尷尬。專門招個懂 AI 的人，成本不低；自己溝通需求、解釋邏輯、來回返工，有時候甚至比自己折騰還累。
後來我慢慢發現，現在 AI 最大的問題，其實已經不是“不夠聰明”。
而是普通人為了用好 AI，要額外學習太多東西。
你得研究 prompt、研究模型區別、研究 skill、研究 workflow、研究哪個工具適合哪個任務。真正工作只佔一部分時間，剩下的大部分精力，全在“讓 AI 正常工作”。
所以我最近體驗@dappOS_com的 @xbubble_xyz 的時候，會覺得它思路還挺不一樣。
很多 AI 產品現在都在教用戶：怎麼寫 prompt、怎麼搭 workflow、怎麼調 Agent。
但 xBubble 更像是在做另一件事：
“ai 學習 ai，ai 使用 ai”
我自己體驗下來最大的感受就是，不用再一直糾結“這一步到底該用哪個模型”。
我只需要告訴它我要什麼。
Bubble Pilot 會自己識別任務類型，然後自動分發到適合的 SOP 和執行路徑。如果沒有現成 SOP，它也會自動回退到通用 Agent。
重點是，它後台那個 Bubble Engine 還會持續學習。
哪些模型適合什麼任務、哪些工具組合更穩定、哪些 workflow 成功率更高，這些以前特別費人的東西，現在開始交給 AI 自己處理。
這個體驗其實挺爽的。
因為以前很多時候，不是 AI 不會幹活，而是用戶為了讓 AI 幹活，自己快先學成半個程序員了。
尤其是 Bubble Computer 這種模式我感觸挺深。
以前做一個完整任務，我得自己切好幾個窗口：查資料、整理、寫內容、校對、再輸出。
現在它會自己把整條鏈路跑完。
包括 Bubble Personal 這種本地模式也挺有意思，能直接操作本機文件、瀏覽器這些，但用戶不用自己配環境。
我現在越來越覺得，未來真正好的 AI，不應該讓普通人越來越累。
而是 AI 自己學會怎麼使用 AI。
用戶只需要告訴它目標，剩下的事情，交給系統。