Après avoir regardé @dappOS_com et leur nouveau xBubble, ma première impression est :

Il veut résoudre un problème plus concret : comment les gens ordinaires peuvent réellement utiliser l'IA.

Je suis en fait DappOS depuis un moment, l'équipe a auparavant reçu des investissements de YZi Labs et Sequoia China / HongShan. Le contexte de financement est bien sûr un plus, mais ce qui m'intéresse davantage, c'est si cette fois-ci leur produit répond à un besoin réel.

De nos jours, de nombreux produits IA ont déjà des capacités impressionnantes.

Mais le problème réside dans :

Les utilisateurs doivent encore comprendre les prompts, les différences de modèles, les chaînes d'outils ;
Ils doivent aussi décomposer les tâches, ajuster les formats, corriger les résultats.
Dans une certaine mesure, l'IA est devenue plus puissante, mais de nombreux utilisateurs sont devenus des 'chefs de projet IA'.

Le chemin low-prompt de xBubble est ce qui m'intéresse ici.

Il ne cherche pas à ce que les utilisateurs apprennent à 'commander l'IA', mais à ce que les utilisateurs expriment simplement leurs objectifs, et le chemin d'exécution est pris en charge par le système.

Le cœur de cela est sa conception à deux niveaux :

Bubble Engine

Bubble Pilot
Si on comprend simplement :

SOP ressemble plus à un ensemble de 'méthodes de travail' que le système a accumulées.

Par exemple, pour créer un PPT sectoriel, on ne commence pas chaque fois à zéro, mais on prend :

la recherche

la conception de la structure
l'organisation du contenu
la génération de graphiques
la mise en page et la livraison
Ces étapes se solidifient progressivement en un processus stable.

Bubble Engine ressemble plus à un niveau d'apprentissage en arrière-plan.

Il teste en continu différents modèles, outils et chemins d'exécution, et fixe les solutions les plus stables en tant que SOP.

Et Bubble Pilot ressemble plus à un niveau de planification.

Les utilisateurs n'ont qu'à exprimer un besoin, il va d'abord juger le type de tâche, puis associer le SOP le plus approprié.

S'il n'y a pas de processus correspondant pour l'instant, il utilisera d'abord une solution générique pour accomplir la tâche, tout en renvoyant la nouvelle demande à l'Engine pour continuer à apprendre et à s'accumuler.

Je pense que cette conception est plus pragmatique que de nombreux projets qui se contentent de crier 'multi-agent'.

Parce que ce que de nombreux utilisateurs ont vraiment besoin, ce n'est pas 'des chaînes complexes', mais 'des résultats stables'.

Les exemples donnés par le projet sont en fait assez typiques :

Par exemple :

Créer un PPT commercial sur '(la rétrospective du marché du café en Chine 2025 et les tendances pour 2026)

Créer un tableau de bord comparant 'BYD vs Tesla'
Générer une vidéo promotionnelle pour des produits comme un café glacé ou un thé au citron en une phrase
Le point clé de ces tâches n'a jamais été 'l'IA peut-elle générer du contenu'.

Mais c'est :

Peut-elle gérer le contenu, la structure, le visuel et le format de livraison ensemble.

C'est en fait très crucial.

De nombreux agents génériques conviennent mieux à une exploration ouverte.

Mais dans des scénarios comme les PPT, les rapports, les tableaux de bord web, les vidéos promotionnelles, ce que les utilisateurs veulent vraiment, ce n'est pas une multitude de processus intermédiaires.

Mais plutôt un résultat qui se rapproche d'une 'livraison directe'.

De plus, ma compréhension de Bubble Computer était en fait un peu limitée auparavant.

J'ai réalisé plus tard qu'il et Bubble Personal sont en essence deux environnements d'exécution différents.

Bubble Computer ressemble plus à un espace de projet cloud.

Il est adapté pour traiter :

PPT

rapports
sites web
vidéos
Ce type de tâche à plusieurs étapes.

Le système effectuera des recherches, générera, vérifiera et livrera dans un environnement sandbox.

Tandis que Bubble Personal est plus orienté vers l'environnement local.

Il peut, avec l'autorisation de l'utilisateur, manipuler des fichiers locaux, des navigateurs, des applications et des agendas.

Donc, il est plus proche du flux de travail personnel réel.

Sous cet angle, xBubble ne fait pas seulement un point d'entrée de chat.

Il ressemble davantage à la productisation de 'l'expérience d'utilisation de l'IA'.

De nombreux agents IA insistent encore sur :

l'autonomie

des chaînes longues
la collaboration multi-agent
Mais xBubble choisit d'abord de stabiliser les processus de tâches spécifiques.

Cette direction peut ne pas sembler aussi éblouissante.

Mais je pense qu'elle est en fait plus proche de ce dont les utilisateurs ordinaires et les PME ont vraiment besoin en matière d'IA.

Bien sûr, le produit est encore en phase de test interne.

Si le SOP peut continuer à itérer, si les différentes tâches peuvent se généraliser de manière stable, si les utilisateurs resteront longtemps, tout cela doit encore être validé par des données ultérieures.

Mais au moins en termes de direction, je pense qu'il est bon.

Le véritable signe de la généralisation de l'IA n'est peut-être pas que tout le monde sache ce qu'est un prompt.

Mais plutôt que la plupart des gens n’ont même pas besoin de savoir ce qu'est un prompt.


Bienvenue à essayer : https://t.co/VAzxujfs7U