前两天看到抖音有个话题挺好，现在的孩子还要不要学这么多知识，因为现在各个领域的问题AI就能很全面的回答那么学习的意义在哪呢？

其中有一个博主说的话我蛮共鸣的，基础知识以及基础原理还是要掌握的，毕竟在使用AI的时候所描述的指令也很重要，就像让生成个图片，没有好的描述最终图片也不是自己想要的那种

现在科技进步太快了，但门槛也越来越高，会写指令的会搞自动化Skill的人，很快就能搞定，但是像我这种初学的菜鸟，每天还在研究该怎么操作，半天也鼓捣不出想要的，而且我认为像我这样的人有很多，比如没有任何代码基础或者并不是资深AI使用者来说，想要AI帮我们具体的去完成某一项工作时，往往对于关键词的输入以及细节上的input做不到最佳，通常是给AI一个模糊的指令，而AI产出的结果也是不尽人意。就像使用AI制作一个视频视频的背景音乐、旁白、角度、转场等等，大部分人都会被难住，因为大部分人并没有打磨好适配的AI工作流或者AI代理

这就是为什么我花费大半天时间来了解@DAPPOS_COM 的 xBubble ，感觉蛮适合我现在的状态，就好比我描述个很简单的指令，就能理解我的意图（Low-prompt AI）并回答我所描述的东西

介绍 xBubble的文章，我也反复看了很多次，才慢慢理解它里面有两个核心：

1、Bubble Pilot（AI替你用AI）：
你给句大白话，它自动帮你识别这是啥任务，然后去后台匹配最牛的标准作业流程（SOP）

2、Bubble Engine（AI自己学AI）： 为什么它这么聪明
因为后台有个教练在不断测试各种模型和工具的组合。如果这次没完美解决，它会自动优化，下次直接给你端出最好的结果

xBubble的这两个核心功能，其实就是帮助大部分人解决AI使用门槛的，Low-prompt AI也就是提示词AI，它的内部预置了复杂逻辑、工具调用、工作流和上下文管理等这样做的优点就是用户只需说“帮我做一个XXX”或简短描述AI 就能自动分解任务、规划步骤、执行并输出成品

我认为它的AI的进化版，让大多数普通用户不想花时间学复杂提示词技巧，而且在企业、Agent 系统中特别有用用户不需要懂 AI 就能构建复杂工作流

例如：
①自动生成 App
②处理多步任务
③同时又是短提示在用户端减少了 token 消耗

另外它还自带两个运行环境：
①一个Bubble Computer，像个独立的秘密工作舱，把调研、写作、设计一条龙全干了

②另一个Bubble Personal，能安全地帮你处理本地文件和日程，最麻烦的事在云端沙箱跑，跑完就销毁，所有操作都隔离处理，不会搞乱电脑

AI我的理解就是：让我处理事会更加方便，而不是让我一直修改我的指令才能达到我想要的结果，那样很浪费我的时间，让AI去学习AI，让AI去操作AI，这也许是我宁愿花费半天时间也要认真研究DAPPOS的原因

最后说下我的总结：Low-prompt AI 是 AI 向更智能、更人性化演进的产物。它把 Prompt Engineering 的复杂度从用户端转移到系统设计端，让 AI 真正成为人人可以用的工具，如果你用过 ChatGPT 觉得写提示好麻烦，那 Low-prompt 就是解决这个痛点的方案，最后的最后强烈大家去体验一把 @xBubble_ai