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

Com o desenvolvimento da tecnologia de IA, a produtividade daqueles que utilizam ferramentas de IA como o Codex e o Claude Code aumentou dez ou até cem vezes. Para utilizadores técnicos, desde que saibam escrever prompts, depurar, iterar e desenvolver Skills, a IA pode, de facto, tornar-se uma ferramenta de produção de alta alavancagem.

No entanto, para OPCs não técnicos, pequenas e médias empresas ou operações comerciais, a utilização de IA ainda é bastante desconfortável:

1. Se tentarem utilizá-la diretamente, precisam de despender muito tempo a aprender e a depurar. Modelos diferentes têm capacidades diferentes, a escrita de prompts varia e precisam de resolver eles próprios as falhas nos resultados. Desenvolver uma Skill utilizável tem o seu próprio limiar elevado. Ao mesmo tempo, as melhores práticas de Vibe Coding conflituam frequentemente com os hábitos de muitos utilizadores. Muitas pessoas preferem escrever todos os requisitos de uma só vez, esperando que a IA forneça diretamente um resultado satisfatório, mas isto é frequentemente difícil de alcançar. Na maioria dos casos, um fluxo de trabalho de IA verdadeiramente eficaz requer várias rondas de diálogo, prompts contínuos, testes e modificações antes de se aproximar do resultado desejado.

2. Se contratarem alguém para a utilizar, é geralmente difícil encontrar a pessoa certa e não existe uma carga de trabalho estável, para além dos custos salariais adicionais. Encontrar um funcionário que seja proativo e consiga utilizar a IA de forma eficaz não é fácil; a maioria dos funcionários tem uma atitude passiva em relação ao trabalho e pode até achar mais fácil comunicar diretamente com a IA. O resultado pode ser que se gasta dinheiro em IA, mas não há uma poupança real de custos, podendo até ser pior do que não contratar ninguém.

Será que este dilema desaparecerá com o avanço das capacidades dos grandes modelos subjacentes da IA? Atualmente, parece improvável.

A existência das Skills por si só prova que a saída direta dos grandes modelos muitas vezes não consegue satisfazer necessidades específicas e requer Skills pré-definidas para melhorar os resultados. Mesmo que a IA se torne tão inteligente como os humanos no futuro, esta questão continuará a existir. Na realidade, a menos que seja atingido um certo grau de normalização, comunicar claramente as necessidades e obter os resultados desejados de uma só vez é inerentemente difícil.

Portanto, é evidente que aqueles que não sabem utilizar a IA e aqueles que são proficientes na sua utilização terão um fosso de produtividade cada vez maior na era da IA em rápida evolução, o que é o verdadeiro pano de fundo por detrás da "ansiedade de IA" de muitas pessoas. Parece que estamos constantemente a aprender a utilizar a IA de forma eficaz, mas as novidades surgem demasiado depressa, fazendo com que pareça que nunca terminamos de aprender.

O xBubble lançado pela DAPPOS visa precisamente esta área. A sua abordagem não exige que cada utilizador se torne um especialista em IA ou aprenda Vibe Coding, mas utiliza um sistema SOP para encapsular o Vibe Coder para determinados problemas, ajudando pequenas e médias empresas ou indivíduos não técnicos a utilizar a IA sem perderem tempo a aprender e a depurar, nem precisarem de contratar pessoal adicional.

Arquitetura do xBubble

SOP é a solução que o xBubble utiliza com IA para resolver problemas específicos. Não é uma Skill autónoma ou um prompt mais longo, mas sim o empacotamento de Skills, ambientes de execução, seleção de modelos, MCPs e APIs de terceiros para obter um desempenho relativamente estável para problemas de domínios específicos.

Em torno do SOP, a arquitetura de produto do xBubble pode ser dividida em dois sistemas: Bubble Engine e Bubble Pilot.

O Bubble Engine é a camada de geração de soluções. É responsável por gerar e treinar SOPs, construir soluções para tarefas específicas através de agentes de codificação de IA e ajustar continuamente os resultados através de testes, avaliação e iteração para melhor satisfazer as necessidades.

O Bubble Pilot é a camada de distribuição de tempo de execução. Lê os pedidos dos utilizadores, identifica os tipos de tarefa e, em seguida, encontra a solução mais adequada da biblioteca de SOPs para executar. Se não existir um SOP dedicado adequado, pode recorrer a soluções mais gerais, como o Computer SOP.

O SOP está posicionado entre os dois. O Engine é responsável por criar SOPs, enquanto o Pilot é responsável por distribuir SOPs.

Desta forma, os utilizadores não são confrontados com todo um conjunto de cadeias de ferramentas de IA complexas, mas sim com um ponto de entrada mais direto de "indicar a tarefa, obter o resultado". A seleção do modelo, o ambiente de execução, a invocação de Skills, a configuração da API e a lógica de iteração são todos tratados do lado do sistema tanto quanto possível.

O que é o SOP

No xBubble:

SOP = Skills + tempo de execução + APIs + MCPs + Seleção de Modelo

Uma Skill isolada não pode garantir resultados estáveis. A saída real também depende de qual modelo é utilizado, em que ambiente é executado, se as APIs necessárias estão ligadas, se existem MCPs adequados e como as exceções e iterações são tratadas durante a execução.

Se estas questões forem deixadas para os utilizadores configurarem por si próprios, o limiar de utilização permanece elevado. A abordagem do xBubble consiste em encapsular estas variáveis em SOPs. Os utilizadores não precisam de selecionar modelos separadamente, configurar APIs por si próprios ou testar repetidamente entre várias Skills semelhantes; em vez disso, acionam diretamente o caminho de solução correspondente com base nas descrições das tarefas.

Comparado com o mercado convencional de Skills, o sistema SOP do xBubble tem três vantagens principais:

1. Desempenho Estável

Uma vez que os SOPs incluem não só Skills, mas também encapsulam ambientes de execução, seleção de modelos, MCPs e APIs de terceiros, isto elimina eficazmente muitas incertezas durante a execução, produzindo resultados de forma mais estável. Ao mesmo tempo, os SOPs são utilizados apenas para concluir problemas dentro de um âmbito verificado e serão testados dentro desse âmbito. Portanto, quando uma tarefa se enquadra no âmbito da descrição do SOP, os efeitos são geralmente bastante estáveis.

Isto é diferente da lógica das Skills de código aberto. As Skills de código aberto visam frequentemente mais estrelas e tendem a ser mais gerais. Embora a generalidade tenha os seus benefícios, o lado negativo é que muitas Skills não são suficientemente testadas fora dos exemplos e existem muitas Skills com funções semelhantes. O resultado é que os utilizadores ainda precisam de gastar tempo a testar, comparar e verificar para determinar se uma determinada Skill pode satisfazer as suas necessidades. Esta tarefa, por si só, é essencialmente o trabalho de um Vibe Coder.

O SOP do xBubble enfatiza o âmbito de aplicação verificado. Não significa que um SOP possa fazer tudo, mas sim que, dentro do âmbito definido e testado, se esforça por produzir resultados estáveis.

2. Simples e Fácil de Usar

O SOP utiliza a descrição da tarefa do utilizador como a principal entrada. Os utilizadores não precisam de selecionar modelos, configurar ou pagar por APIs de terceiros, nem precisam de compreender qual a Skill que está a ser invocada nos bastidores.

O Bubble Pilot determinará o tipo de tarefa com base nas necessidades do utilizador e dará prioridade à recomendação de SOPs mais especializados. Uma vez que os SOPs foram testados e verificados dentro de um determinado âmbito, os utilizadores normalmente não precisam de comparar repetidamente vários SOPs. Se um SOP dedicado já cobrir a tarefa, será dada prioridade. Se os resultados ainda não forem ideais, os utilizadores podem continuar a iterar e otimizar automaticamente através do serviço Bubble Engine (submetendo "Bubble Up").

Por outras palavras, o que o xBubble pretende resolver não é "A IA consegue fazê-lo?" mas sim "Os utilizadores comuns conseguem que a IA o faça a baixo custo e com estabilidade?" A depuração de prompts, a seleção de modelos, a configuração de APIs e a iteração de resultados que os utilizadores precisavam originalmente de tratar sozinhos foram transferidas para o lado do sistema tanto quanto possível.

3. Geração de Autosserviço

Desenvolver uma Skill utilizável tem um certo limiar e requer tempo para depuração e otimização. Para utilizadores sem conhecimentos técnicos, isto é inerentemente pouco amigável. Além disso, as Skills de código aberto são frequentemente demasiado gerais e têm dificuldade em cobrir necessidades mais personalizadas, tais como formatos internos, hábitos pessoais ou modelos da indústria.

O objetivo do xBubble é encapsular Vibe Coders. Para a grande maioria das necessidades, não exige que os utilizadores desenvolvam e depurem Skills por si próprios, mas ajuda os utilizadores a encapsular esta complexidade, permitindo-lhes gerar autonomamente SOPs dedicados através do Bubble Engine.

Ao mesmo tempo, o âmbito de aplicação dos SOPs pode ser amplo ou restrito. Por exemplo, no modo de Trabalho, se não existir um SOP dedicado para tratar de um determinado tipo de tarefa, o sistema utilizará normalmente o SOP Bubble Computer para resolver problemas gerais. No entanto, se os utilizadores tiverem necessidades muito específicas, como criar PPTs de acordo com as especificações do modelo da sua empresa, gerar documentos num formato fixo ou produzir conteúdo num determinado estilo interno, também podem gerar SOPs que se aplicam apenas a um utilizador ou empresa específica.

Esta é também uma das distinções entre o sistema SOP e o mercado de Skills comum. Não fornece apenas um conjunto de componentes gerais para os utilizadores escolherem, mas permite que os utilizadores gerem soluções mais especializadas em torno dos limites das suas tarefas.

Como o SOP é Treinado

No xBubble, o Bubble Engine é utilizado para treinar SOPs, visando substituir os Vibe Coders e gerar diretamente SOPs que satisfaçam as necessidades dos utilizadores. Mecanicamente, os SOPs podem ser vistos como funções que mapeiam prompts específicos para resultados. Portanto, o problema a resolver na otimização do desempenho pode ser simplificado como:

Max Rank(SOP(prompt))

Isto significa que, para a mesma necessidade do utilizador processada através do SOP, o resultado gerado deve classificar-se o mais alto possível no sistema de avaliação, aproximando-se do que o utilizador realmente pretende.

Casos de Treino

O treino de SOP gira em torno de casos.

Os utilizadores podem enviar diretamente alguns casos que considerem cumprir os requisitos, tais como prompts que referenciam o anúncio em vídeo de uma determinada empresa ou enviar resultados que concluíram anteriormente de forma manual. Estes casos podem ser documentos, PPTs, vídeos publicitários, estilos de página web ou qualquer estilo de saída que esperem que o sistema imite.

Se não existirem casos relevantes na tarefa de treino, o Bubble Engine também pode procurar automaticamente materiais de referência online ou utilizar resultados gerados por outros produtos de IA como casos de treino.

Uma vez confirmados os casos, o sistema deduzirá prompts com base no problema original e na complexidade das entradas do utilizador, formando conjuntos de combinações (prompt, resultado). Estas combinações tornar-se-ão a base para a subsequente geração e avaliação de SOPs.

A chave para o treino não é simplesmente copiar casos, mas encontrar métodos adequados para gerar resultados próximos dos resultados dos casos com base em prompts, sem misturar informações de resultados durante o desenvolvimento. Caso contrário, o sistema pode ter um bom desempenho apenas nos casos de treino, mas falhar em tarefas semelhantes.

Ciclo de Iteração

Em seguida, o Bubble Engine desenvolverá novos SOPs dedicados com base em alguns SOPs de referência através de agentes de codificação.

Para evitar o sobreajuste (overfitting), o processo de desenvolvimento também evitará misturar diretamente informações de resultados específicos nos SOPs. Caso contrário, pode parecer que os resultados do treino são bons, mas a utilização real pode ter uma fraca capacidade de generalização.

Após a conclusão do desenvolvimento, o sistema executará testes com o novo SOP e avaliará os resultados, resumindo quaisquer problemas existentes.

A avaliação consiste principalmente em dois aspetos:

1. Utilizar IA para determinar se os resultados cumprem os requisitos especificados pelos utilizadores nas tarefas de treino. Por exemplo, se o formato está correto, se o conteúdo está completo e se cumpre as restrições explícitas definidas pelo utilizador.

2. Determinar se os resultados são suficientemente próximos dos casos. Por exemplo, o estilo, a estrutura, a organização do conteúdo e a forma de saída devem ser semelhantes aos resultados de referência fornecidos pelo utilizador.

Com base nos resultados da avaliação, o agente de codificação continuará a modificar o SOP, gerar novamente, avaliar novamente e modificar novamente. Este processo continuará até que os resultados já não possam ser significativamente melhorados.

Todo este processo automatiza essencialmente o que os Vibe Coders faziam originalmente de forma manual: rever casos, escrever planos, executar resultados, identificar problemas, modificar planos e iterar repetidamente.

Definição de Âmbito

Antes de ligar o SOP otimizado ao sistema, é necessário definir o seu âmbito de aplicação.

Este passo é crucial. Porque os SOPs dedicados não são melhores em maior número, nem devem ser priorizados a todo o momento. Se um SOP é eficaz apenas para uma tarefa muito restrita, mas é utilizado para tratar de questões mais amplas, pode ser pior do que um SOP geral.

O Bubble Engine determinará para que tarefas o SOP é adequado e para quais não é, testando diferentes casos e analisando o conteúdo da Skill dentro do SOP.

O objetivo deste passo é garantir que o Bubble Pilot apenas recomende SOPs dedicados quando o seu desempenho for melhor do que o dos SOPs gerais. Caso contrário, o sistema voltará a soluções mais gerais.

Soluções Profissionais

Para a geração de SOPs particularmente complexos, tais como tarefas que requerem APIs pagas de terceiros ou tarefas que as capacidades atuais dos grandes modelos não conseguem automatizar totalmente, o xBubble também fornece soluções profissionais assistidas por humanos para cobrir as necessidades personalizadas dos utilizadores empresariais.

Este tipo de assistência humana atua como uma camada de transição entre as capacidades atuais dos modelos e as necessidades das empresas. À medida que os modelos de IA subjacentes continuam a melhorar, o número de casos que requerem assistência humana diminuirá rapidamente.

Resumo da Interpretação

Do ponto de vista da lógica do produto, o sistema SOP do xBubble não está apenas a criar um mercado de Skills comum, nem está simplesmente a ligar várias ferramentas de IA; em vez disso, está a transformar em produto o próprio ato de Vibe Coding.

O mercado de Skills aborda a questão de "Que Skills estão disponíveis?", mas para utilizadores não técnicos, a parte mais desafiante é muitas vezes a última: Que Skill é adequada para o meu cenário? Que modelo deve ser emparelhado? Como executá-lo? E se os resultados forem instáveis? Pode ser reutilizado da próxima vez? Se as Skills de código aberto não funcionarem, como posso criar uma Skill utilizável?

O SOP visa resolver precisamente estas questões. Tenta mover as tarefas de seleção, configuração, teste, desenvolvimento, definição de âmbito e iteração — originalmente o trabalho dos Vibe Coders — para o lado do sistema. Os utilizadores só precisam de descrever a tarefa do seu lado.

Claro que, até onde este sistema pode ir, depende, em última análise, de duas variáveis: se a qualidade dos SOPs gerados pelo Bubble Engine é suficientemente estável e se a velocidade de cobertura dos SOPs consegue acompanhar as mudanças nas necessidades dos utilizadores e nas capacidades gerais dos Agentes.

Mas, pelo menos na fase atual, para indivíduos sem conhecimentos técnicos e pequenas e médias empresas, o xBubble fornece um caminho diferente: não aprender toda a cadeia de ferramentas de IA primeiro e depois tentar usar a IA, mas encapsular diretamente a produtividade de IA de ponta em fluxos de trabalho reutilizáveis através de SOPs ao nível da tarefa.

Os utilizadores clarificam os seus objetivos e o xBubble trata das operações de IA subjacentes.

Sobre a DAPPOS

A DAPPOS é uma empresa de inteligência artificial focada em produtos de IA de baixo limiar, construindo fluxos de trabalho de IA mais fáceis de utilizar para utilizadores comuns e profissionais. A DAPPOS concluiu mais de 20 milhões de dólares em financiamento, com investidores incluindo Polychain, Binance Labs, Sequoia China, IDG Capital, OKX Ventures e outras instituições.

Sobre o xBubble

O xBubble é um produto de Agente de IA de baixo prompt lançado pela DAPPOS, destinado a ajudar os utilizadores a concluir tarefas como documentos, PPTs, websites, imagens, vídeos, investigação, automação e tarefas agendadas com descrições de requisitos mais curtas.

O xBubble encapsula a produtividade de IA de ponta a um custo de aprendizagem mais baixo para utilizadores comuns através de SOPs ao nível da tarefa, permitindo que os utilizadores obtenham produtividade de IA de nível profissional sem precisarem de aprender toda a cadeia de ferramentas de IA.