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

З розвитком технологій штучного інтелекту продуктивність тих, хто використовує AI-інструменти, як-от Codex та Claude Code, зросла вдесятеро або навіть у сто разів. Для технічних користувачів, якщо вони вміють писати промпти, налагоджувати код, ітерувати та розробляти навички (Skills), AI дійсно може стати високоефективним інструментом виробництва.

Однак для нетехнічних фахівців, малого та середнього бізнесу або бізнес-операцій використання AI все ще досить незручне:

1. Якщо вони намагаються використовувати його безпосередньо, їм доводиться витрачати багато часу на навчання та налагодження. Різні моделі мають різні можливості, написання промптів варіюється, і їм доводиться самостійно виправляти помилки. Розробка корисної навички має власний високий поріг. Водночас найкращі практики Vibe Coding часто суперечать звичкам багатьох користувачів. Багато хто воліє писати всі вимоги одразу, сподіваючись, що AI зможе безпосередньо надати задовільний результат, але цього часто важко досягти. У більшості випадків справді ефективний робочий процес AI потребує багаторазових діалогів, постійного промптингу, тестування та модифікацій, перш ніж наблизитися до бажаного результату.

2. Якщо вони наймають когось для роботи з ним, зазвичай важко знайти потрібну людину, бракує стабільного обсягу роботи, а також виникають додаткові витрати на зарплату. Знайти працівника, який є проактивним і може ефективно використовувати AI, непросто; більшість працівників мають пасивне ставлення до роботи і можуть навіть вважати, що простіше спілкуватися з AI безпосередньо. Результатом може бути те, що гроші витрачаються на AI, але реальної економії коштів немає, і це може бути навіть гірше, ніж нікого не наймати.

Чи зникне ця дилема з розвитком можливостей базових великих моделей AI? Наразі це видається малоймовірним.

Існування самих навичок (Skills) доводить, що прямий вивід великих моделей часто не може задовольнити конкретні потреби і потребує попередньо визначених навичок для покращення результатів. Навіть якщо в майбутньому AI стане таким же розумним, як людина, ця проблема все одно існуватиме. Насправді, якщо не досягнуто певного рівня стандартизації, чітко сформулювати потреби та отримати бажані результати за один раз за своєю суттю важко.

Тому очевидно, що ті, хто не вміє користуватися AI, і ті, хто володіє ним досконало, матимуть дедалі більший розрив у продуктивності в епоху стрімкого розвитку AI, що є справжнім підґрунтям «AI-тривожності» багатьох людей. Ми, здається, постійно вчимося ефективно використовувати AI, але нові речі з'являються занадто швидко, через що здається, що ми ніколи не закінчимо вчитися.

xBubble, запущений DAPPOS, спрямований саме на цю сферу. Його підхід не вимагає від кожного користувача ставати експертом з AI або вивчати Vibe Coding, а натомість використовує систему SOP для інкапсуляції Vibe Coder для певних проблем, допомагаючи нетехнічним малим і середнім підприємствам або окремим особам використовувати AI, не витрачаючи час на навчання та налагодження, і не потребуючи найму додаткового персоналу.

Архітектура xBubble

SOP — це рішення, яке xBubble використовує за допомогою AI для вирішення конкретних завдань. Це не окрема навичка чи довший промпт, а пакет, що об'єднує навички, середовища виконання, вибір моделей, MCP та сторонні API для досягнення відносно стабільної продуктивності для завдань у певній галузі.

Навколо SOP архітектуру продукту xBubble можна розділити на дві системи: Bubble Engine та Bubble Pilot.

Bubble Engine — це рівень генерації рішень. Він відповідає за створення та навчання SOP, розробку рішень для конкретних завдань через AI-агентів кодування, а також постійне коригування результатів шляхом тестування, оцінки та ітерації для кращого задоволення потреб.

Bubble Pilot — це рівень розподілу середовища виконання. Він зчитує запити користувачів, ідентифікує типи завдань, а потім знаходить найбільш відповідне рішення з бібліотеки SOP для виконання. Якщо немає відповідного спеціалізованого SOP, він може повернутися до більш загальних рішень, таких як Computer SOP.

SOP розташований між ними. Engine відповідає за створення SOP, а Pilot — за їх диспетчеризацію.

Таким чином, користувачі стикаються не з цілим набором складних AI-інструментів, а з більш простою точкою входу: «зазначте завдання — отримайте результат». Вибір моделі, середовище виконання, виклик навичок, конфігурація API та логіка ітерації максимально обробляються на стороні системи.

Що таке SOP

В xBubble:

SOP = Навички + середовище виконання + API + MCP + вибір моделі

Сама по собі навичка не може гарантувати стабільні результати. Фактичний вивід також залежить від того, яка модель використовується, у якому середовищі вона працює, чи підключені необхідні API, чи є відповідні MCP, і як обробляються винятки та ітерації під час виконання.

Якщо залишити це на розсуд користувачів для самостійного налаштування, поріг використання залишається високим. Підхід xBubble полягає в інкапсуляції цих змінних у SOP. Користувачам не потрібно вибирати моделі окремо, налаштовувати API самостійно або неодноразово тестувати серед кількох схожих навичок; натомість вони безпосередньо запускають відповідний шлях вирішення на основі описів завдань.

Порівняно зі звичайним ринком навичок, система SOP xBubble має три основні переваги:

1. Стабільна продуктивність

Оскільки SOP включають не лише навички, а й інкапсулюють середовища виконання, вибір моделей, MCP та сторонні API, це ефективно усуває багато невизначеностей під час виконання, забезпечуючи стабільніші результати. Водночас SOP використовуються лише для вирішення проблем у межах перевіреного діапазону і будуть протестовані в цих межах. Тому, коли завдання потрапляє в діапазон опису SOP, результати зазвичай досить стабільні.

Це відрізняється від логіки навичок з відкритим кодом. Навички з відкритим кодом часто прагнуть отримати більше зірок і, як правило, є більш загальними. Хоча загальність має свої переваги, недоліком є те, що багато навичок недостатньо протестовані поза прикладами, і існує багато навичок зі схожими функціями. У результаті користувачам все одно доводиться витрачати час на тестування, порівняння та перевірку, щоб визначити, чи може конкретна навичка задовольнити їхні потреби. Це завдання саме по собі є роботою Vibe Coder.

SOP xBubble наголошує на перевіреному діапазоні застосування. Це не означає, що SOP може робити все, а лише те, що в межах визначеного та протестованого діапазону він прагне забезпечити стабільні результати.

2. Простота та легкість у використанні

SOP приймає опис завдання користувача як основний вхідний сигнал. Користувачам не потрібно вибирати моделі, налаштовувати або оплачувати сторонні API, а також не потрібно розуміти, яка навичка викликається за лаштунками.

Bubble Pilot визначатиме тип завдання на основі потреб користувача і надаватиме пріоритет рекомендаціям більш спеціалізованих SOP. Оскільки SOP були протестовані та перевірені в певному діапазоні, користувачам зазвичай не потрібно неодноразово порівнювати кілька SOP. Якщо спеціалізований SOP вже охоплює завдання, йому буде надано пріоритет. Якщо результати все ще не ідеальні, користувачі можуть продовжувати автоматично ітерувати та оптимізувати через сервіс Bubble Engine (надсилаючи «Bubble Up»).

Іншими словами, те, що xBubble прагне вирішити, — це не «Чи може AI це зробити?», а «Чи можуть звичайні користувачі змусити AI зробити це з низькими витратами та стабільністю?». Налагодження промптів, вибір моделей, конфігурація API та ітерація результатів, які користувачам спочатку доводилося обробляти самостійно, були максимально перенесені на сторону системи.

3. Генерація самообслуговування

Розробка корисної навички має певний поріг і потребує часу на налагодження та оптимізацію. Для користувачів без технічного бекграунду це за своєю суттю недружньо. Крім того, навички з відкритим кодом часто занадто загальні і важко охоплюють більш індивідуальні потреби, такі як внутрішні формати, особисті звички або галузеві шаблони.

Мета xBubble — інкапсулювати Vibe Coders. Для переважної більшості потреб це не вимагає від користувачів самостійної розробки та налагодження навичок, а допомагає користувачам інкапсулювати цю складність, дозволяючи їм самостійно генерувати спеціалізовані SOP через Bubble Engine.

Водночас діапазон застосування SOP може бути широким або вузьким. Наприклад, у режимі роботи, якщо немає спеціалізованого SOP для обробки певного типу завдань, система зазвичай використовуватиме Bubble Computer SOP для вирішення загальних питань. Однак, якщо у користувачів є дуже специфічні потреби, такі як створення PPT відповідно до специфікацій шаблону їхньої компанії, створення документів у фіксованому форматі або створення контенту в певному внутрішньому стилі, вони також можуть генерувати SOP, які застосовуються лише до конкретного користувача або підприємства.

Це також одна з відмінностей між системою SOP і звичайним ринком навичок. Вона не просто надає купу загальних компонентів на вибір, а дозволяє користувачам генерувати більш спеціалізовані рішення навколо меж їхніх завдань.

Як навчається SOP

В xBubble Bubble Engine використовується для навчання SOP, прагнучи замінити Vibe Coders і безпосередньо генерувати SOP, що відповідають потребам користувачів. Механічно SOP можна розглядати як функції, що відображають конкретні промпти на результати. Тому проблему, яку потрібно вирішити при налаштуванні продуктивності, можна спростити до:

Max Rank(SOP(prompt))

Це означає, що для однієї і тієї ж потреби користувача, обробленої через SOP, згенерований результат повинен мати якомога вищий рейтинг в системі оцінювання, наближаючись до того, чого насправді хоче користувач.

Навчальні кейси

Навчання SOP обертається навколо кейсів.

Користувачі можуть безпосередньо надсилати кейси, які, на їхню думку, відповідають вимогам, наприклад, промпти, що посилаються на відеорекламу певної компанії, або надсилати результати, які вони раніше виконали вручну. Ці кейси можуть бути документами, PPT, рекламними відео, стилями вебсторінок або будь-яким стилем виводу, який вони хочуть, щоб система імітувала.

Якщо в навчальному завданні немає відповідних кейсів, Bubble Engine також може автоматично шукати довідкові матеріали в Інтернеті або використовувати результати, згенеровані іншими AI-продуктами, як навчальні кейси.

Після підтвердження кейсів система виводитиме промпти на основі початкової проблеми та складності вхідних даних користувача, формуючи набори комбінацій (промпт, результат). Ці комбінації стануть основою для подальшої генерації та оцінки SOP.

Ключ до навчання полягає не в простому копіюванні кейсів, а в пошуку відповідних методів для генерації результатів, близьких до результатів кейсів на основі промптів, без змішування інформації про результат під час розробки. В іншому випадку система може добре працювати лише на навчальних кейсах, але давати збій на схожих завданнях.

Ітераційний цикл

Далі Bubble Engine розроблятиме нові спеціалізовані SOP на основі деяких еталонних SOP через агентів кодування.

Щоб уникнути перенавчання (overfitting), процес розробки також уникатиме прямого змішування конкретної інформації про результат у SOP. В іншому випадку може здатися, що результати навчання хороші, але фактичне використання може мати низьку здатність до узагальнення.

Після завершення розробки система запустить тести з новим SOP і оцінить результати, підсумовуючи будь-які існуючі проблеми.

Оцінка в основному складається з двох аспектів:

1. Використання AI для визначення того, чи відповідають результати вимогам, зазначеним користувачами в навчальних завданнях. Наприклад, чи правильний формат, чи повний вміст і чи відповідає він явним обмеженням, встановленим користувачем.

2. Визначення того, чи результати достатньо близькі до кейсів. Наприклад, стиль, структура, організація контенту та форма виводу повинні бути схожими на довідкові результати, надані користувачем.

На основі результатів оцінки агент кодування продовжуватиме модифікувати SOP, генерувати знову, оцінювати знову і модифікувати знову. Цей процес триватиме доти, доки результати не можна буде суттєво покращити.

Весь цей процес по суті автоматизує те, що Vibe Coders спочатку робили вручну: перегляд кейсів, написання планів, запуск результатів, виявлення проблем, модифікація планів і багаторазова ітерація.

Визначення сфери застосування

Перед підключенням налаштованого на продуктивність SOP до системи необхідно визначити сферу його застосування.

Цей крок є вирішальним. Оскільки спеціалізовані SOP не є кращими у більшій кількості, і їм не слід надавати пріоритет у будь-який час. Якщо SOP ефективний лише для дуже вузького завдання, але використовується для вирішення ширших питань, він може бути гіршим за загальний SOP.

Bubble Engine визначатиме, для яких завдань SOP підходить, а для яких ні, шляхом тестування різних кейсів та аналізу вмісту навичок у межах SOP.

Мета цього кроку — гарантувати, що Bubble Pilot рекомендує спеціалізовані SOP лише тоді, коли їхня продуктивність краща за продуктивність загальних SOP. В іншому випадку система повернеться до більш загальних рішень.

Професійні рішення

Для особливо складної генерації SOP, наприклад, завдань, що потребують сторонніх платних API, або завдань, які поточні можливості великих моделей не можуть повністю автоматизувати, xBubble також надає професійні рішення за допомогою людей для задоволення індивідуальних потреб корпоративних користувачів.

Цей тип допомоги людей діє як перехідний рівень між поточними можливостями моделей і потребами підприємств. Оскільки базові моделі AI продовжують вдосконалюватися, кількість кейсів, що потребують допомоги людей, швидко зменшуватиметься.

Підсумок інтерпретації

З точки зору логіки продукту, система SOP xBubble не просто створює звичайний ринок навичок і не просто з'єднує кілька AI-інструментів разом; скоріше, вона перетворює на продукт сам акт Vibe Coding.

Ринок навичок відповідає на питання «Які навички доступні?», але для нетехнічних користувачів складнішою частиною часто є остання: яка навичка підходить для мого сценарію? Яку модель слід підібрати? Як її запустити? Що робити, якщо результати нестабільні? Чи можна її використати повторно наступного разу? Якщо навички з відкритим кодом не працюють, як я можу створити корисну навичку?

SOP має на меті вирішити саме ці питання. Він намагається перенести завдання вибору, конфігурації, тестування, розробки, визначення сфери застосування та ітерації — які спочатку були роботою Vibe Coders — на сторону системи. Користувачам потрібно лише описати завдання зі свого боку.

Звісно, як далеко зайде ця система, зрештою залежить від двох змінних: чи достатньо стабільна якість SOP, згенерованих Bubble Engine, і чи встигає швидкість охоплення SOP за змінами в потребах користувачів та загальними можливостями агентів.

Але принаймні на поточному етапі для людей без технічного бекграунду та малих і середніх підприємств xBubble пропонує інший шлях: не вивчати весь ланцюжок AI-інструментів, а потім намагатися використовувати AI, а безпосередньо інкапсулювати передову продуктивність AI у багаторазові робочі процеси через SOP на рівні завдань.

Користувачі уточнюють свої цілі, а xBubble обробляє базові операції AI.

Про DAPPOS

DAPPOS — це компанія зі штучного інтелекту, зосереджена на AI-продуктах з низьким порогом входу, що створює простіші у використанні робочі процеси AI для звичайних і професійних користувачів. DAPPOS залучила понад 20 мільйонів доларів фінансування, серед інвесторів — Polychain, Binance Labs, Sequoia China, IDG Capital, OKX Ventures та інші установи.

Про xBubble

xBubble — це AI-агентний продукт з низьким рівнем промптів, запущений DAPPOS, спрямований на допомогу користувачам у виконанні таких завдань, як документи, PPT, вебсайти, зображення, відео, дослідження, автоматизація та заплановані завдання з коротшими описами вимог.

xBubble інкапсулює передову продуктивність AI з меншими витратами на навчання для звичайних користувачів через SOP на рівні завдань, дозволяючи користувачам отримати професійну продуктивність AI без необхідності вивчати весь ланцюжок AI-інструментів.