Interpretation of xBubble SOP: Packaging Vibe Coding for non-technical users

Con el desarrollo de la tecnología de IA, la productividad de quienes utilizan herramientas de IA como Codex y Claude Code ha aumentado diez o incluso cien veces. Para los usuarios técnicos, siempre que sepan cómo escribir prompts, depurar, iterar y desarrollar habilidades (Skills), la IA puede convertirse realmente en una herramienta de producción de alto apalancamiento.

Sin embargo, para los OPC no técnicos, las pequeñas y medianas empresas o las operaciones comerciales, el uso de la IA sigue siendo bastante incómodo:

1. Si intentan usarla directamente, deben dedicar mucho tiempo a aprender y depurar. Los diferentes modelos tienen diferentes capacidades, la escritura de prompts varía y ellos mismos deben solucionar los resultados fallidos. Desarrollar una habilidad utilizable tiene su propio umbral alto. Al mismo tiempo, las mejores prácticas de Vibe Coding a menudo entran en conflicto con los hábitos de muchos usuarios. Muchas personas prefieren escribir todos los requisitos a la vez, esperando que la IA pueda proporcionar directamente un resultado satisfactorio, pero esto suele ser difícil de lograr. En la mayoría de los casos, un flujo de trabajo de IA verdaderamente eficaz requiere múltiples rondas de diálogo, prompts continuos, pruebas y modificaciones antes de acercarse al resultado deseado.

2. Si contratan a alguien para usarla, suele ser difícil encontrar a la persona adecuada y no hay suficiente carga de trabajo estable, además de los costos salariales adicionales. Encontrar un empleado que sea proactivo y pueda utilizar la IA de manera efectiva no es fácil; la mayoría de los empleados tienen una actitud pasiva hacia el trabajo e incluso pueden encontrar más fácil comunicarse directamente con la IA. El resultado puede ser que se gaste dinero en IA, pero no haya un ahorro real de costos, y puede ser incluso peor que no contratar a nadie.

¿Desaparecerá este dilema con el avance de las capacidades de los modelos grandes subyacentes de la IA? Actualmente, parece poco probable.

La existencia de las Skills en sí misma demuestra que la salida directa de los modelos grandes a menudo no puede satisfacer necesidades específicas y requiere Skills predefinidas para mejorar los resultados. Incluso si la IA se vuelve tan inteligente como los humanos en el futuro, este problema seguirá existiendo. En realidad, a menos que se logre cierto grado de estandarización, comunicar claramente las necesidades y obtener los resultados deseados de una sola vez es intrínsecamente difícil.

Por lo tanto, es evidente que aquellos que no saben cómo usar la IA y aquellos que son expertos en usarla tendrán una brecha de productividad cada vez mayor en la era de rápido avance de la IA, lo cual es el trasfondo real detrás de la "ansiedad por la IA" de muchas personas. Parece que estamos aprendiendo constantemente a usar la IA de manera efectiva, pero las cosas nuevas emergen demasiado rápido, lo que hace sentir que nunca terminamos de aprender.

El xBubble lanzado por DAPPOS apunta precisamente a esta área. Su enfoque no requiere que cada usuario se convierta en un experto en IA o aprenda Vibe Coding, sino que utiliza un sistema SOP para encapsular Vibe Coder para ciertos problemas, ayudando a las pequeñas y medianas empresas o individuos no técnicos a usar la IA sin perder tiempo aprendiendo y depurando, ni necesitando contratar personal adicional.

Arquitectura de xBubble

SOP es la solución que utiliza xBubble para resolver problemas específicos mediante IA. No es una Skill independiente o un prompt más largo, sino que empaqueta Skills, entornos de ejecución, selección de modelos, MCP y API de terceros para lograr un rendimiento relativamente estable para problemas de dominios específicos.

En torno al SOP, la arquitectura del producto de xBubble se puede dividir en dos sistemas: Bubble Engine y Bubble Pilot.

Bubble Engine es la capa de generación de soluciones. Es responsable de generar y entrenar SOPs, construir soluciones para tareas específicas a través de agentes de codificación de IA y ajustar continuamente los resultados mediante pruebas, evaluación e iteración para satisfacer mejor las necesidades.

Bubble Pilot es la capa de distribución en tiempo de ejecución. Lee las solicitudes de los usuarios, identifica los tipos de tareas y luego encuentra la solución más adecuada de la biblioteca de SOP para ejecutarla. Si no hay un SOP dedicado adecuado, puede recurrir a soluciones más generales, como el SOP de computadora.

El SOP se posiciona entre ambos. El Engine es responsable de crear los SOPs, mientras que el Pilot es responsable de distribuirlos.

De esta manera, los usuarios no se enfrentan a todo un conjunto de complejas cadenas de herramientas de IA, sino a un punto de entrada más directo de "indicar la tarea, obtener el resultado". La selección del modelo, el entorno de ejecución, la invocación de la Skill, la configuración de la API y la lógica de iteración se manejan en el lado del sistema tanto como sea posible.

Qué es el SOP

En xBubble:

SOP = Skills + entorno de ejecución + API + MCP + Selección de modelo

Una Skill por sí sola no puede garantizar resultados estables. La salida real también depende de qué modelo se utilice, en qué entorno se ejecute, si las API necesarias están conectadas, si hay MCP adecuados y cómo se manejan las excepciones y las iteraciones durante la ejecución.

Si se deja que los usuarios configuren esto por sí mismos, el umbral de uso sigue siendo alto. El enfoque de xBubble es encapsular estas variables en SOPs. Los usuarios no necesitan seleccionar modelos por separado, configurar las API ellos mismos o probar repetidamente entre múltiples Skills similares; en cambio, activan directamente la ruta de solución correspondiente según las descripciones de la tarea.

En comparación con el mercado de Skills convencional, el sistema SOP de xBubble tiene tres ventajas principales:

1. Rendimiento estable

Dado que los SOP no solo incluyen Skills, sino que también encapsulan entornos de ejecución, selección de modelos, MCP y API de terceros, esto elimina eficazmente muchas incertidumbres durante la ejecución, produciendo resultados de manera más estable. Al mismo tiempo, los SOP solo se utilizan para completar problemas dentro de un alcance verificado y se probarán dentro de ese alcance. Por lo tanto, cuando una tarea cae dentro del rango de descripción del SOP, los efectos suelen ser bastante estables.

Esto es diferente de la lógica de las Skills de código abierto. Las Skills de código abierto a menudo buscan más estrellas y tienden a ser más generales. Si bien la generalidad tiene sus beneficios, la desventaja es que muchas Skills no están suficientemente probadas fuera de los ejemplos y hay muchas Skills con funciones similares. El resultado es que los usuarios aún necesitan dedicar tiempo a probar, comparar y verificar para determinar si una Skill en particular puede satisfacer sus necesidades. Esta tarea en sí es esencialmente el trabajo de un Vibe Coder.

El SOP de xBubble enfatiza el rango de aplicación verificado. No significa que un SOP pueda hacerlo todo, sino que dentro del rango definido y probado, se esfuerza por producir resultados estables.

2. Simple y fácil de usar

El SOP toma la descripción de la tarea del usuario como la entrada principal. Los usuarios no necesitan seleccionar modelos, configurar o pagar por API de terceros, ni necesitan entender qué Skill se está invocando detrás de escena.

Bubble Pilot determinará el tipo de tarea según las necesidades del usuario y dará prioridad a recomendar SOPs más especializados. Dado que los SOPs han sido probados y verificados dentro de un cierto rango, los usuarios generalmente no necesitan comparar repetidamente múltiples SOPs. Si un SOP dedicado ya cubre la tarea, se le dará prioridad. Si los resultados aún no son ideales, los usuarios pueden continuar iterando y optimizando automáticamente a través del servicio Bubble Engine (enviando "Bubble Up").

En otras palabras, lo que xBubble pretende resolver no es "¿Puede la IA hacerlo?" sino "¿Pueden los usuarios comunes hacer que la IA lo haga a bajo costo y con estabilidad?". La depuración de prompts, la selección de modelos, la configuración de API y la iteración de resultados que los usuarios originalmente necesitaban manejar por sí mismos se han transferido al lado del sistema tanto como sea posible.

3. Generación de autoservicio

Desarrollar una Skill utilizable tiene cierto umbral y requiere tiempo para la depuración y optimización. Para los usuarios sin conocimientos técnicos, esto es intrínsecamente hostil. Además, las Skills de código abierto suelen ser demasiado generales y tienen dificultades para cubrir necesidades más personalizadas, como formatos internos, hábitos personales o plantillas de la industria.

El objetivo de xBubble es encapsular a los Vibe Coders. Para la gran mayoría de las necesidades, no requiere que los usuarios desarrollen y depuren las Skills ellos mismos, sino que ayuda a los usuarios a encapsular esta complejidad, permitiéndoles autogenerar SOPs dedicados a través del Bubble Engine.

Al mismo tiempo, el rango aplicable de los SOPs puede ser amplio o estrecho. Por ejemplo, en el modo de trabajo, si no hay un SOP dedicado para manejar cierto tipo de tarea, el sistema generalmente usará el SOP de Bubble Computer para abordar problemas generales. Sin embargo, si los usuarios tienen necesidades muy específicas, como crear PPT de acuerdo con las especificaciones de la plantilla de su empresa, generar documentos en un formato fijo o producir contenido en un cierto estilo interno, también pueden generar SOPs que solo se apliquen a un usuario o empresa específica.

Esta es también una de las distinciones entre el sistema SOP y el mercado de Skills ordinario. No solo proporciona un montón de componentes generales para que los usuarios elijan, sino que permite a los usuarios generar soluciones más especializadas en torno a los límites de sus tareas.

Cómo se entrena el SOP

En xBubble, el Bubble Engine se utiliza para entrenar SOPs, con el objetivo de reemplazar a los Vibe Coders y generar directamente SOPs que satisfagan las necesidades del usuario. Mecánicamente, los SOPs pueden verse como funciones que asignan prompts específicos a resultados. Por lo tanto, el problema a resolver en el ajuste del rendimiento se puede simplificar como:

Max Rank(SOP(prompt))

Esto significa que para la misma necesidad del usuario procesada a través del SOP, el resultado generado debe clasificarse lo más alto posible en el sistema de evaluación, acercándose a lo que el usuario realmente quiere.

Casos de entrenamiento

El entrenamiento de SOP gira en torno a casos.

Los usuarios pueden enviar directamente algunos casos que crean que cumplen con los requisitos, como prompts que hacen referencia al anuncio de video de una empresa o enviar resultados que completaron manualmente anteriormente. Estos casos pueden ser documentos, PPT, videos publicitarios, estilos de página web o cualquier estilo de salida que esperen que el sistema imite.

Si no hay casos relevantes en la tarea de entrenamiento, el Bubble Engine también puede buscar automáticamente materiales de referencia en línea o utilizar resultados generados por otros productos de IA como casos de entrenamiento.

Una vez confirmados los casos, el sistema deducirá los prompts en función del problema original y la complejidad de las entradas del usuario, formando conjuntos de combinaciones de (prompt, resultado). Estas combinaciones se convertirán en la base para la generación y evaluación posterior del SOP.

La clave del entrenamiento no es simplemente copiar casos, sino encontrar métodos adecuados para generar resultados cercanos a los resultados del caso basados en prompts, sin mezclar información de resultados durante el desarrollo. De lo contrario, el sistema puede funcionar bien solo en casos de entrenamiento, pero fallar en tareas similares.

Ciclo de iteración

A continuación, el Bubble Engine desarrollará nuevos SOPs dedicados basados en algunos SOPs de referencia a través de agentes de codificación.

Para evitar el sobreajuste, el proceso de desarrollo también evitará mezclar directamente información de resultados específicos en los SOPs. De lo contrario, puede parecer que los resultados del entrenamiento son buenos, pero el uso real puede tener una mala capacidad de generalización.

Una vez completado el desarrollo, el sistema ejecutará pruebas con el nuevo SOP y evaluará los resultados, resumiendo cualquier problema existente.

La evaluación consiste principalmente en dos aspectos:

1. Usar IA para determinar si los resultados cumplen con los requisitos especificados por los usuarios en las tareas de entrenamiento. Por ejemplo, si el formato es correcto, si el contenido está completo y si cumple con las restricciones explícitas establecidas por el usuario.

2. Determinar si los resultados son lo suficientemente cercanos a los casos. Por ejemplo, el estilo, la estructura, la organización del contenido y la forma de salida deben ser similares a los resultados de referencia proporcionados por el usuario.

Basándose en los resultados de la evaluación, el agente de codificación continuará modificando el SOP, generando de nuevo, evaluando de nuevo y modificando de nuevo. Este proceso continuará hasta que los resultados ya no puedan mejorarse significativamente.

Todo este proceso esencialmente automatiza lo que los Vibe Coders hacían originalmente manualmente: revisar casos, escribir planes, ejecutar resultados, identificar problemas, modificar planes e iterar repetidamente.

Definición del alcance

Antes de conectar el SOP ajustado al sistema, es necesario definir su alcance aplicable.

Este paso es crucial. Porque los SOP dedicados no son mejores en mayor número, ni deben priorizarse en todo momento. Si un SOP solo es efectivo para una tarea muy estrecha pero se utiliza para manejar problemas más amplios, puede ser peor que un SOP general.

El Bubble Engine determinará para qué tareas es adecuado el SOP y para cuáles no, probando diferentes casos y analizando el contenido de la Skill dentro del SOP.

El objetivo de este paso es garantizar que Bubble Pilot solo recomiende SOPs dedicados cuando su rendimiento sea mejor que el de los SOPs generales. De lo contrario, el sistema volverá a soluciones más generales.

Soluciones profesionales

Para la generación de SOP particularmente complejos, como tareas que requieren API pagas de terceros o tareas que las capacidades actuales de los modelos grandes no pueden automatizar por completo, xBubble también proporciona soluciones profesionales asistidas por humanos para cubrir las necesidades personalizadas de los usuarios empresariales.

Este tipo de asistencia humana actúa como una capa de transición entre las capacidades actuales del modelo y las necesidades de la empresa. A medida que los modelos de IA subyacentes sigan mejorando, el número de casos que requieren asistencia humana disminuirá rápidamente.

Resumen de la interpretación

Desde la perspectiva de la lógica del producto, el sistema SOP de xBubble no solo está creando un mercado de Skills ordinario, ni simplemente conectando varias herramientas de IA; más bien, está convirtiendo en producto el acto mismo de Vibe Coding.

El mercado de Skills aborda la pregunta de "¿Qué Skills están disponibles?", pero para los usuarios no técnicos, la parte más desafiante suele ser la última: ¿Qué Skill es adecuada para mi escenario? ¿Qué modelo se debe emparejar? ¿Cómo ejecutarlo? ¿Qué pasa si los resultados son inestables? ¿Se puede reutilizar la próxima vez? Si las Skills de código abierto no funcionan, ¿cómo puedo crear una Skill utilizable?

El SOP tiene como objetivo resolver precisamente estos problemas. Intenta trasladar las tareas de selección, configuración, pruebas, desarrollo, definición de alcance e iteración (originalmente el trabajo de los Vibe Coders) al lado del sistema. Los usuarios solo necesitan describir la tarea por su parte.

Por supuesto, hasta dónde puede llegar este sistema depende en última instancia de dos variables: si la calidad de los SOP generados por el Bubble Engine es lo suficientemente estable y si la velocidad de cobertura del SOP puede seguir el ritmo de los cambios en las necesidades del usuario y las capacidades generales de los agentes.

Pero al menos en la etapa actual, para las personas sin conocimientos técnicos y las pequeñas y medianas empresas, xBubble ofrece un camino diferente: no aprender toda la cadena de herramientas de IA primero y luego intentar usar la IA, sino encapsular directamente la productividad de la IA de vanguardia en flujos de trabajo reutilizables a través de SOP a nivel de tarea.

Los usuarios aclaran sus objetivos y xBubble maneja las operaciones de IA subyacentes.

Sobre DAPPOS

DAPPOS es una empresa de inteligencia artificial centrada en productos de IA de bajo umbral, que construye flujos de trabajo de IA más fáciles de usar para usuarios comunes y profesionales. DAPPOS ha completado más de $20 millones en financiamiento, con inversores que incluyen Polychain, Binance Labs, Sequoia China, IDG Capital, OKX Ventures y otras instituciones.

Sobre xBubble

xBubble es un producto de agente de IA de bajo prompt lanzado por DAPPOS, destinado a ayudar a los usuarios a completar tareas como documentos, PPT, sitios web, imágenes, videos, investigación, automatización y tareas programadas con descripciones de requisitos más cortas.

xBubble encapsula la productividad de la IA de vanguardia a un menor costo de aprendizaje para los usuarios comunes a través de SOP a nivel de tarea, permitiendo a los usuarios obtener una productividad de IA de nivel profesional sin necesidad de aprender toda la cadena de herramientas de IA.