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

Wraz z rozwojem technologii AI, produktywność osób korzystających z narzędzi AI, takich jak Codex i Claude Code, wzrosła dziesięciokrotnie, a nawet stukrotnie. Dla użytkowników technicznych, o ile potrafią pisać prompty, debugować, iterować i rozwijać umiejętności (Skills), AI może rzeczywiście stać się wysoce efektywnym narzędziem produkcyjnym.

Jednak dla nietechnicznych OPC, małych i średnich przedsiębiorstw lub operacji biznesowych, korzystanie z AI jest nadal dość niekomfortowe:

1. Jeśli próbują korzystać z niej bezpośrednio, muszą poświęcić dużo czasu na naukę i debugowanie. Różne modele mają różne możliwości, pisanie promptów jest zróżnicowane, a użytkownicy muszą samodzielnie rozwiązywać problemy z nieudanymi wynikami. Opracowanie użytecznej umiejętności (Skill) ma wysoki próg wejścia. Jednocześnie najlepsze praktyki Vibe Coding często kłócą się z nawykami wielu użytkowników. Wiele osób woli zapisać wszystkie wymagania naraz, mając nadzieję, że AI bezpośrednio dostarczy satysfakcjonujący wynik, co często jest trudne do osiągnięcia. W większości przypadków naprawdę skuteczny przepływ pracy AI wymaga wielu rund dialogu, ciągłego podpowiadania, testowania i modyfikacji, zanim zbliżymy się do pożądanego rezultatu.

2. Jeśli zatrudnią kogoś do obsługi AI, zazwyczaj trudno jest znaleźć odpowiednią osobę, a praca nie jest wystarczająco stabilna, dochodzą też dodatkowe koszty wynagrodzenia. Znalezienie pracownika, który jest proaktywny i potrafi skutecznie korzystać z AI, nie jest łatwe; większość pracowników ma pasywne podejście do pracy i może nawet uznać, że łatwiej jest komunikować się bezpośrednio z AI. Efektem może być wydanie pieniędzy na AI bez realnych oszczędności, a sytuacja może być nawet gorsza niż przy braku zatrudnienia kogokolwiek.

Czy ten dylemat zniknie wraz z postępem możliwości bazowych dużych modeli AI? Obecnie wydaje się to mało prawdopodobne.

Samo istnienie umiejętności (Skills) dowodzi, że bezpośrednie wyniki dużych modeli często nie spełniają konkretnych potrzeb i wymagają wstępnie zdefiniowanych umiejętności, aby poprawić rezultaty. Nawet jeśli w przyszłości AI stanie się tak inteligentna jak ludzie, ten problem nadal będzie istniał. W rzeczywistości, dopóki nie zostanie osiągnięty pewien stopień standaryzacji, jasne komunikowanie potrzeb i uzyskiwanie pożądanych wyników za jednym razem jest z natury trudne.

Dlatego oczywiste jest, że osoby, które nie potrafią korzystać z AI, oraz te, które są w tym biegłe, będą miały coraz większą lukę w produktywności w szybko rozwijającej się erze AI, co stanowi prawdziwe tło „lęku przed AI” u wielu osób. Wydaje się, że ciągle uczymy się, jak skutecznie korzystać z AI, ale nowe rzeczy pojawiają się zbyt szybko, przez co mamy wrażenie, że nigdy nie skończymy nauki.

xBubble uruchomione przez DAPPOS jest skierowane właśnie w ten obszar. Jego podejście nie wymaga, aby każdy użytkownik stał się ekspertem AI lub uczył się Vibe Coding, ale wykorzystuje system SOP do enkapsulacji Vibe Coder dla określonych problemów, pomagając nietechnicznym małym i średnim przedsiębiorstwom lub osobom prywatnym korzystać z AI bez poświęcania czasu na naukę i debugowanie, ani konieczności zatrudniania dodatkowego personelu.

Architektura xBubble

SOP to rozwiązanie, w którym xBubble wykorzystuje AI do rozwiązywania konkretnych problemów. Nie jest to samodzielna umiejętność (Skill) ani dłuższy prompt, lecz pakiet łączący umiejętności, środowiska wykonawcze, wybór modelu, MCP i zewnętrzne API, aby osiągnąć stosunkowo stabilną wydajność w rozwiązywaniu problemów z określonych domen.

Wokół SOP architekturę produktu xBubble można podzielić na dwa systemy: Bubble Engine i Bubble Pilot.

Bubble Engine to warstwa generowania rozwiązań. Odpowiada za generowanie i trenowanie SOP, budowanie rozwiązań dla konkretnych zadań poprzez agentów kodujących AI oraz ciągłe dostosowywanie wyników poprzez testowanie, ocenę i iterację, aby lepiej spełniać potrzeby.

Bubble Pilot to warstwa dystrybucji czasu wykonywania. Odczytuje żądania użytkowników, identyfikuje typy zadań, a następnie znajduje najbardziej pasujące rozwiązanie z biblioteki SOP do wykonania. Jeśli nie ma odpowiedniego dedykowanego SOP, może powrócić do bardziej ogólnych rozwiązań, takich jak Computer SOP.

SOP jest umiejscowiony pomiędzy nimi. Engine odpowiada za tworzenie SOP, podczas gdy Pilot odpowiada za ich dysponowanie.

W ten sposób użytkownicy nie stają przed całym zestawem złożonych łańcuchów narzędzi AI, lecz otrzymują bardziej bezpośredni punkt wejścia: „określ zadanie, uzyskaj wynik”. Wybór modelu, środowisko wykonawcze, wywołanie umiejętności, konfiguracja API i logika iteracji są w jak największym stopniu obsługiwane po stronie systemu.

Czym jest SOP

W xBubble:

SOP = Umiejętności (Skills) + środowisko wykonawcze + API + MCP + wybór modelu

Sama umiejętność nie gwarantuje stabilnych wyników. Rzeczywisty wynik zależy również od tego, jaki model jest używany, w jakim środowisku działa, czy podłączone są niezbędne API, czy istnieją odpowiednie MCP oraz jak obsługiwane są wyjątki i iteracje podczas wykonywania.

Jeśli pozostawi się to użytkownikom do samodzielnej konfiguracji, próg użytkowania pozostaje wysoki. Podejście xBubble polega na enkapsulacji tych zmiennych w SOP. Użytkownicy nie muszą osobno wybierać modeli, samodzielnie konfigurować API ani wielokrotnie testować wielu podobnych umiejętności; zamiast tego bezpośrednio uruchamiają odpowiednią ścieżkę rozwiązania na podstawie opisów zadań.

W porównaniu do konwencjonalnego rynku umiejętności (Skill market), system SOP xBubble ma trzy główne zalety:

1. Stabilna wydajność

Ponieważ SOP obejmują nie tylko umiejętności, ale także enkapsulują środowiska wykonawcze, wybór modelu, MCP i zewnętrzne API, skutecznie eliminuje to wiele niepewności podczas wykonywania, zapewniając bardziej stabilne wyniki. Jednocześnie SOP są używane tylko do rozwiązywania problemów w zweryfikowanym zakresie i będą testowane w tym zakresie. Dlatego, gdy zadanie mieści się w zakresie opisu SOP, efekty są zazwyczaj dość stabilne.

Różni się to od logiki umiejętności open-source. Umiejętności open-source często dążą do zdobycia większej liczby gwiazdek i mają tendencję do bycia bardziej ogólnymi. Choć ogólność ma swoje zalety, wadą jest to, że wiele umiejętności nie jest wystarczająco przetestowanych poza przykładami i istnieje wiele umiejętności o podobnych funkcjach. W rezultacie użytkownicy nadal muszą poświęcać czas na testowanie, porównywanie i weryfikację, aby ustalić, czy dana umiejętność może spełnić ich potrzeby. To zadanie samo w sobie jest w istocie pracą Vibe Codera.

SOP w xBubble kładzie nacisk na zweryfikowany zakres zastosowania. Nie oznacza to, że SOP potrafi wszystko, ale raczej, że w zdefiniowanym i przetestowanym zakresie dąży do uzyskania stabilnych wyników.

2. Prosty i łatwy w użyciu

SOP przyjmuje opis zadania użytkownika jako główne wejście. Użytkownicy nie muszą wybierać modeli, konfigurować ani płacić za zewnętrzne API, ani nie muszą rozumieć, jaka umiejętność jest wywoływana za kulisami.

Bubble Pilot określi typ zadania na podstawie potrzeb użytkownika i nada priorytet rekomendowaniu bardziej wyspecjalizowanych SOP. Ponieważ SOP zostały przetestowane i zweryfikowane w określonym zakresie, użytkownicy zazwyczaj nie muszą wielokrotnie porównywać wielu SOP. Jeśli dedykowany SOP już obejmuje zadanie, będzie on traktowany priorytetowo. Jeśli wyniki nadal nie są idealne, użytkownicy mogą kontynuować automatyczną iterację i optymalizację poprzez usługę Bubble Engine (przesyłając „Bubble Up”).

Innymi słowy, xBubble ma na celu rozwiązanie nie pytania „Czy AI może to zrobić?”, ale raczej „Czy zwykli użytkownicy mogą sprawić, by AI to zrobiła przy niskich kosztach i stabilnie?”. Debugowanie promptów, wybór modelu, konfiguracja API i iteracja wyników, którymi użytkownicy musieli się wcześniej zajmować sami, zostały w jak największym stopniu przeniesione na stronę systemu.

3. Samoobsługowe generowanie

Opracowanie użytecznej umiejętności (Skill) ma pewien próg wejścia i wymaga czasu na debugowanie i optymalizację. Dla użytkowników bez zaplecza technicznego jest to z natury nieprzyjazne. Co więcej, umiejętności open-source są często zbyt ogólne i mają trudności z pokryciem bardziej dostosowanych potrzeb, takich jak formaty wewnętrzne, osobiste nawyki czy szablony branżowe.

Celem xBubble jest enkapsulacja Vibe Coders. W przypadku zdecydowanej większości potrzeb nie wymaga od użytkowników samodzielnego opracowywania i debugowania umiejętności, ale pomaga im enkapsulować tę złożoność, umożliwiając samodzielne generowanie dedykowanych SOP za pośrednictwem Bubble Engine.

Jednocześnie zakres zastosowania SOP może być szeroki lub wąski. Na przykład w trybie pracy (Work mode), jeśli nie ma dedykowanego SOP do obsługi określonego typu zadania, system zazwyczaj użyje Bubble Computer SOP do rozwiązania ogólnych problemów. Jeśli jednak użytkownicy mają bardzo specyficzne potrzeby, takie jak tworzenie prezentacji PPT zgodnie ze specyfikacjami szablonu firmy, generowanie dokumentów w ustalonym formacie lub tworzenie treści w określonym stylu wewnętrznym, mogą również wygenerować SOP, które mają zastosowanie tylko do konkretnego użytkownika lub przedsiębiorstwa.

Jest to również jedno z rozróżnień między systemem SOP a zwykłym rynkiem umiejętności. Nie zapewnia on tylko zestawu ogólnych komponentów do wyboru, ale pozwala użytkownikom generować bardziej wyspecjalizowane rozwiązania wokół granic ich zadań.

Jak trenowany jest SOP

W xBubble, Bubble Engine służy do trenowania SOP, mając na celu zastąpienie Vibe Coders i bezpośrednie generowanie SOP, które spełniają potrzeby użytkowników. Mechanicznie SOP można postrzegać jako funkcje, które mapują określone prompty na wyniki. Dlatego problem, który należy rozwiązać w dostrajaniu wydajności, można uprościć do:

Max Rank(SOP(prompt))

Oznacza to, że dla tej samej potrzeby użytkownika przetworzonej przez SOP, wygenerowany wynik powinien zajmować jak najwyższą pozycję w systemie oceny, zbliżając się do tego, czego użytkownik naprawdę oczekuje.

Przypadki treningowe

Trening SOP koncentruje się na przypadkach.

Użytkownicy mogą bezpośrednio przesyłać przypadki, które ich zdaniem spełniają wymagania, takie jak prompty odnoszące się do reklamy wideo danej firmy lub przesyłanie wyników, które wcześniej wykonali ręcznie. Takimi przypadkami mogą być dokumenty, prezentacje PPT, filmy reklamowe, style stron internetowych lub dowolny styl wyjściowy, który użytkownik chce, aby system naśladował.

Jeśli w zadaniu treningowym nie ma odpowiednich przypadków, Bubble Engine może również automatycznie wyszukiwać materiały referencyjne w Internecie lub wykorzystywać wyniki wygenerowane przez inne produkty AI jako przypadki treningowe.

Po potwierdzeniu przypadków system wywnioskuje prompty na podstawie pierwotnego problemu i złożoności danych wejściowych użytkownika, tworząc zestawy kombinacji (prompt, wynik). Kombinacje te staną się podstawą do późniejszego generowania i oceny SOP.

Kluczem do treningu nie jest proste kopiowanie przypadków, ale znalezienie odpowiednich metod generowania wyników zbliżonych do wyników przypadków na podstawie promptów, bez mieszania informacji o wynikach podczas tworzenia. W przeciwnym razie system może działać dobrze tylko w przypadkach treningowych, ale zawieść w podobnych zadaniach.

Cykl iteracji

Następnie Bubble Engine opracuje nowe dedykowane SOP na podstawie niektórych wzorcowych SOP za pomocą agentów kodujących.

Aby uniknąć przeuczenia (overfitting), proces tworzenia będzie również unikał bezpośredniego mieszania konkretnych informacji o wynikach z SOP. W przeciwnym razie może się wydawać, że wyniki treningu są dobre, ale rzeczywiste użycie może mieć słabą zdolność generalizacji.

Po zakończeniu tworzenia system przeprowadzi testy z nowym SOP i oceni wyniki, podsumowując wszelkie istniejące problemy.

Ocena składa się głównie z dwóch aspektów:

1. Użycie AI do określenia, czy wyniki spełniają wymagania określone przez użytkowników w zadaniach treningowych. Na przykład, czy format jest poprawny, czy treść jest kompletna i czy spełnia wyraźne ograniczenia nałożone przez użytkownika.

2. Określenie, czy wyniki są wystarczająco zbliżone do przypadków. Na przykład styl, struktura, organizacja treści i forma wyjściowa powinny być podobne do wyników referencyjnych dostarczonych przez użytkownika.

Na podstawie wyników oceny agent kodujący będzie kontynuował modyfikację SOP, ponowne generowanie, ponowną ocenę i ponowną modyfikację. Proces ten będzie trwał, dopóki wyników nie będzie można już znacząco poprawić.

Cały ten proces w istocie automatyzuje to, co Vibe Coders robili pierwotnie ręcznie: przeglądanie przypadków, pisanie planów, uruchamianie wyników, identyfikowanie problemów, modyfikowanie planów i wielokrotną iterację.

Definicja zakresu

Przed podłączeniem dostrojonego SOP do systemu konieczne jest zdefiniowanie jego zakresu zastosowania.

Ten krok jest kluczowy. Ponieważ dedykowane SOP nie są lepsze w większej liczbie, ani nie powinny być traktowane priorytetowo przez cały czas. Jeśli SOP jest skuteczny tylko w bardzo wąskim zadaniu, ale jest używany do obsługi szerszych problemów, może być gorszy niż ogólny SOP.

Bubble Engine określi, do jakich zadań SOP jest odpowiedni, a do jakich nie, testując różne przypadki i analizując zawartość umiejętności wewnątrz SOP.

Celem tego kroku jest zapewnienie, że Bubble Pilot rekomenduje dedykowane SOP tylko wtedy, gdy ich wydajność jest lepsza niż ogólnych SOP. W przeciwnym razie system powróci do bardziej ogólnych rozwiązań.

Profesjonalne rozwiązania

W przypadku szczególnie złożonego generowania SOP, takich jak zadania wymagające płatnych zewnętrznych API lub zadania, których obecne możliwości dużych modeli nie mogą w pełni zautomatyzować, xBubble zapewnia również wspierane przez ludzi profesjonalne rozwiązania, aby pokryć dostosowane potrzeby użytkowników korporacyjnych.

Ten rodzaj wsparcia ludzkiego działa jako warstwa przejściowa między obecnymi możliwościami modelu a potrzebami przedsiębiorstwa. W miarę jak bazowe modele AI będą się nadal rozwijać, liczba przypadków wymagających wsparcia ludzkiego będzie szybko spadać.

Podsumowanie interpretacji

Z perspektywy logiki produktu, system SOP xBubble nie tylko tworzy zwykły rynek umiejętności, ani nie łączy po prostu kilku narzędzi AI; raczej produktuje sam akt Vibe Coding.

Rynek umiejętności odpowiada na pytanie „Jakie umiejętności są dostępne?”, ale dla użytkowników nietechnicznych trudniejszą częścią jest często to drugie: Jaka umiejętność jest odpowiednia dla mojego scenariusza? Jaki model powinien być sparowany? Jak to uruchomić? Co jeśli wyniki są niestabilne? Czy można to wykorzystać ponownie następnym razem? Jeśli umiejętności open-source nie działają, jak mogę stworzyć użyteczną umiejętność?

SOP ma na celu rozwiązanie właśnie tych problemów. Próbuje przenieść zadania wyboru, konfiguracji, testowania, tworzenia, definicji zakresu i iteracji – pierwotnie pracę Vibe Coders – na stronę systemu. Użytkownicy muszą jedynie opisać zadanie po swojej stronie.

Oczywiście to, jak daleko zajdzie ten system, ostatecznie zależy od dwóch zmiennych: czy jakość SOP generowanych przez Bubble Engine jest wystarczająco stabilna oraz czy szybkość pokrycia SOP nadąża za zmianami w potrzebach użytkowników i ogólnych możliwościach agentów.

Ale przynajmniej na obecnym etapie, dla osób bez zaplecza technicznego oraz małych i średnich przedsiębiorstw, xBubble zapewnia inną ścieżkę: nie uczenie się całego łańcucha narzędzi AI, a następnie próbę korzystania z AI, ale bezpośrednią enkapsulację najnowocześniejszej produktywności AI w przepływy pracy wielokrotnego użytku poprzez SOP na poziomie zadań.

Użytkownicy wyjaśniają swoje cele, a xBubble zajmuje się podstawowymi operacjami AI.

O DAPPOS

DAPPOS to firma zajmująca się sztuczną inteligencją, skupiona na niskoprogowych produktach AI, budująca łatwiejsze w użyciu przepływy pracy AI dla zwykłych i profesjonalnych użytkowników. DAPPOS sfinalizowało finansowanie na kwotę ponad 20 milionów dolarów, a wśród inwestorów znajdują się Polychain, Binance Labs, Sequoia China, IDG Capital, OKX Ventures i inne instytucje.

O xBubble

xBubble to produkt AI Agent z niskim progiem promptów uruchomiony przez DAPPOS, mający na celu pomóc użytkownikom w wykonywaniu zadań, takich jak dokumenty, prezentacje PPT, strony internetowe, obrazy, filmy, badania, automatyzacja i zaplanowane zadania, za pomocą krótszych opisów wymagań.

xBubble enkapsuluje najnowocześniejszą produktywność AI przy niższym koszcie nauki dla zwykłych użytkowników poprzez SOP na poziomie zadań, umożliwiając użytkownikom uzyskanie produktywności AI na profesjonalnym poziomie bez konieczności uczenia się całego łańcucha narzędzi AI.