Depois de conferir o que a equipe do @dappOS_com lançou com o xBubble, minha primeira impressão é:

Eles querem resolver uma questão mais prática: como as pessoas comuns podem realmente usar a IA.

Na verdade, já estou de olho no DappOS há um tempo; a equipe já recebeu investimentos da YZi Labs e da Sequoia China / HongShan. O histórico de captação de recursos é claro que conta pontos, mas o que me interessa mesmo é se essa nova linha de produtos atende à demanda real.

Hoje em dia, muitos produtos de IA já têm uma capacidade bem sólida.

Mas o problema é que:

os usuários ainda precisam entender sobre Prompt, as diferenças de modelos e a cadeia de ferramentas;
Ainda é preciso desmontar as tarefas, ajustar a formatação e corrigir os resultados.
De certa forma, a IA ficou mais forte, mas muitos usuários acabaram virando, primeiro, “gerentes de projeto de IA”.

Quanto ao caminho de low-prompt do xBubble, acho que o ponto interessante aqui está justamente nisso.

Ele não quer que o usuário aprenda como “comandar a IA”, e sim que o usuário expresse apenas o objetivo; o resto do caminho de execução é tratado pelo sistema.

O mais central aqui é o design em duas camadas:

Bubble Engine

Bubble Pilot
Se entender de forma simples:

SOP é mais como um conjunto de “métodos para fazer as coisas” que vai sendo sedimentado como conhecimento do sistema.

Por exemplo, fazer uma apresentação de PowerPoint de um setor: não é que toda vez comece do zero para gerar; em vez disso, você vai:

pesquisar

desenhar a estrutura
organizar o conteúdo
gerar gráficos
entregar com formatação
Essas etapas vão sendo, aos poucos, consolidadas como um fluxo estável.

O Bubble Engine é como uma camada de aprendizado no back-end.

Ele fica testando continuamente diferentes modelos, ferramentas e caminhos de execução, e vai consolidando em SOP a solução mais estável até obter resultados melhores.

Já o Bubble Pilot é como uma camada de escalonamento/coordenação.

O usuário só precisa dizer uma necessidade; ele primeiro identifica o tipo de tarefa e então escolhe a SOP mais adequada.

Se, por enquanto, não existir um fluxo correspondente, ele também chama uma solução genérica para concluir a tarefa; ao mesmo tempo, devolve as novas exigências para o Engine, continuando a aprender e sedimentar o conhecimento.

Acho que esse design é mais prático do que muitos projetos que só ficam defendendo multi-agent.

Porque, para muitos usuários, o que eles realmente precisam não é “um fluxo complexo”, e sim “um resultado estável”.

Alguns exemplos fornecidos pela equipe do projeto, na verdade, são bem típicos:

Por exemplo:

fazer um PowerPoint de negócios (revisão do mercado de café na China 2025 e perspectivas de tendências para 2026)

fazer um Dashboard comparando “BYD vs Tesla” a partir de dados
gerar, em uma frase, vídeos promocionais de produtos como café gelado, chá de limão etc.
Nessas tarefas, o foco nunca foi “se a IA consegue gerar conteúdo”.

Mas sim:

se ela consegue tratar tudo bem em conjunto — conteúdo, estrutura, visual e formato de entrega.

Isso é realmente muito importante.

Muitos Agentes genéricos são mais adequados para exploração aberta.

Mas, em cenários como PPT, relatórios, painéis/boards de sites e vídeos promocionais, o que o usuário realmente quer costuma não ser um monte de processos intermediários.

É, na verdade, um resultado bem próximo de “entrega imediata”.

Além disso, minha compreensão anterior do Bubble Computer era um pouco limitada.

Depois descobri que ele e o Bubble Personal, na essência, são dois ambientes de execução diferentes.

O Bubble Computer é mais como um espaço de projetos na nuvem.

Ele é adequado para lidar com:

PPT

relatórios
sites
vídeos
essas tarefas com vários passos.

O sistema realiza pesquisa, gera conteúdo, faz validação e entrega dentro de um ambiente sandbox.

Já o Bubble Personal é mais voltado para o ambiente local.

Ele pode, com autorização do usuário, operar arquivos do computador, o navegador, aplicativos e a agenda.

Por isso, ele se parece mais com o fluxo de trabalho real de uma pessoa.

Sob esse ponto de vista, o xBubble, na essência, não é apenas criar uma interface de chat.

Ele é mais como transformar “experiências de uso de IA” em um produto.

Agora, muitos Agentes de IA ainda enfatizam:

autonomia

cadeias longas de etapas
cooperação entre múltiplos agentes
Mas o xBubble escolhe primeiro fazer com que o fluxo de tarefas específico rode com estabilidade.

Essa direção talvez não seja tão “chamativa”.

Mas acho que ela está mais alinhada com o que usuários comuns e pequenas/médias empresas realmente precisam de IA.

Claro, por enquanto o produto ainda está em fase de testes internos.

Se os SOPs conseguem iterar continuamente, se conseguem generalizar de forma estável entre tarefas diferentes e se os usuários vão ficar a longo prazo — tudo isso ainda precisa ser validado com dados futuros.

Mas, pelo menos em direção, acho que está certo.

O verdadeiro sinal de popularização da IA talvez não seja o fato de todo mundo aprender Prompt.

Em vez disso, a maioria nem precisa saber o que é Prompt.


Bem-vindo para experimentar: https://t.co/VAzxujfs7U