Sven
419 posts

Sven
@svenfly8
Indie Hacker, Quit 9-5 to building https://t.co/6VMPK6urls ($2000+) Sharing practical AI workflows, useful tools, and open-source projects for indie hackers.




两个周收到了83美元,比上半个月少了差不多50美元左右,还是自己偷懒了,没有搞流量。 有想拿推特工资的来互关哇~ 蓝V互关第二十一期。 第二十期的都已经回关喽,没有回关的评论区艾特我一下,我都会回关~ 真诚找互关好友啦!关注必回,秒关不鸽~ #蓝V互关







有很多朋友都问我推文里的图怎么做的,为什么做这么快 其实 AI 时代作图已经不算护城河了 就像这篇推文的图是我在 dappOS 新推出的 xBubble 里把推文内容给他,然后用很自然的语言生成的 所以说现在获取 AI 已不再是限制因素,会用 AI 才是 而且现在新模型、新产品的不断发布,正在加剧三条鸿沟 1.会写 prompt 的用户 vs 不会写 prompt 的用户 2.会用 Codex / Claude Code 的用户 vs 不会用的用户 3.会写 skill 的用户 vs 不会写 skill 的用户 每一个新能力都是一道新门槛,学习成本也不断增加,其实我们是很需要 Low-prompt AI 的,因为不是每个人都能写出华丽的提示词,所以如何通过自然语言让 AI 写出完美的提示词是一个非常关键且急需的功能 这也是 dappOS 推出 xBubble 的目的,它做了个反向设计:免去用户的学习成本,让 AI 学习 AI,然后让 AI 使用 AI 核心就是两个系统: Bubble Engine = 自动化的 AI 专家 它会针对特定任务,自动生成解决方案变体、构建测试框架、组合候选模型与工具、评估输出质量,最后把最优路径固化为可复用的 SOP Bubble Pilot = 自动化的任务分发 它读取用户的简短请求,识别任务类型,检索匹配的 SOP 并分发到最优路径。如果没有匹配的 SOP,自动回退至通用 Agent,但这个回退会成为 Engine 下一步构建 SOP 的信号 用户视角,模型选择、提示词结构、技能编写、工具选取、结果测试,这些操作负担全部交由 xBubble 两种运行环境覆盖不同业务场景: Bubble Computer 适合项目制工作:端到端完成研究、写作、设计、核查,全程无需管理中间步骤 Bubble Personal 适合日常自动化:可操作本机文件、浏览器、应用与日程,但所有安装和系统级变更在云端容器执行,完成后销毁 就像我开头说的一样,我把这篇推文内容丢给它让它做图,于是它就做出来了这张图 AI 应该学习 AI,AI 应该使用 AI,用户只需陈述目标


#蓝v互关 第五期开干 有关必回,没回到评论区或者私信直接叼我就行,看到秒回,没回关的直接叼我、叼我,叼我!! 加油努力兄弟们,别放弃,总有一天也会轮到你的 #诚信互关

























