Посмотрев на новое предложение команды @dappOS_com - xBubble, у меня возникло первое впечатление:

Они хотят решить более реальные проблемы: как обычным людям действительно использовать AI.

Я на самом деле следил за DappOS уже некоторое время, раньше команда получала инвестиции от YZi Labs и Sequoia China / 红杉中国. Финансовый фон, конечно, это плюс, но меня больше интересует, действительно ли их продуктовая стратегия отвечает на реальные нужды.

Сейчас многие AI продукты, по сути, уже имеют неплохие возможности.

Но проблема в том, что:

Пользователи все равно должны понимать Prompt, различия моделей и инструменты;
Нужно еще самому разбирать задачи, настраивать формат и исправлять результаты.
В некотором смысле ИИ стал сильнее, но многие пользователи вместо этого сначала превратились в «менеджеров проектов ИИ».

А вот у направления xBubble с low-prompt, думаю, самая интересная часть как раз в этом.

Это не хочет, чтобы пользователи учились «командовать ИИ», а хочет, чтобы пользователи просто формулировали цель, а дальше путь выполнения подхватывает система.

Самое ключевое здесь — это его двухуровневый дизайн:

Bubble Engine

Bubble Pilot
Если упростить понимание:

SOP больше похоже на набор «методов ведения дел», которые системно закрепились.

Например, сделать отраслевую PPT: не каждый раз начинать с нуля, а сначала сделать:

исследование

структурный дизайн
организацию контента
генерацию диаграмм
верстку и сдачу результата
Эти шаги постепенно превращаются в стабильный процесс.

Bubble Engine больше похож на обучающий слой на бэкенде.

Он будет постоянно тестировать разные модели, инструменты и пути выполнения, а самые стабильные варианты будет «оседать» в виде SOP.

А Bubble Pilot больше похож на слой диспетчеризации.

Пользователю достаточно сказать одну фразу с требованиями: он сначала определит тип задачи, а затем подберет наиболее подходящий SOP.

Если пока нет соответствующего процесса, он сначала вызовет универсальное решение, чтобы выполнить задачу, а при этом передаст новые требования в Engine — и продолжит учиться и накапливать SOP.

Мне кажется, этот дизайн более практичный, чем многие проекты, которые просто кричат про multi-agent.

Потому что многим пользователям на самом деле нужно не «сложная цепочка», а «стабильный результат».

Примеры, которые дает компания-заказчик, на самом деле довольно типичные:

Например:

сделать (обзор рынка китайского кофе 2025 и прогноз трендов 2026) бизнес-PPT

сделать дашборд с сравнением данных «BYD vs Tesla»
за одной фразой генерировать рекламные видеоролики для продуктов вроде айс-кофе и лимонного чая
В этих задачах акцент никогда не на том, «может ли ИИ генерировать контент».

А в том,

может ли он вместе хорошо обработать контент, структуру, визуал и формат сдачи.

И это, по сути, очень важно.

Многие универсальные агенты лучше подходят для открытого исследования.

Но в сценариях вроде PPT, отчетов, веб-дашбордов и рекламных видео пользователи обычно не хотят кучу промежуточных шагов.

Им нужен результат, максимально близкий к «готовому к немедленной сдаче».

Еще я раньше довольно узко понимал Bubble Computer.

Потом выяснилось, что по сути это два разных режима выполнения: Bubble Computer и Bubble Personal.

Bubble Computer больше похож на облачное проектное пространство.

Подходит для задач:

PPT

отчетов
сайтов
видео
и других многошаговых задач.

Система в песочнице выполняет исследования, генерирует, проверяет и сдает результат.

А Bubble Personal больше про локальную среду.

При наличии авторизации пользователя он может работать с локальными файлами, браузером, приложениями и расписанием.

Поэтому он ближе к реальному личному рабочему процессу.

С этой точки зрения xBubble по сути — это не просто чат-интерфейс.

Это скорее продуктизация «опыта использования ИИ».

Сейчас многие ИИ-агенты еще продолжают подчеркивать:

автономность

длинные цепочки
сотрудничество множества агентов
Но xBubble выбирает сначала прогнать конкретные процессы задач и сделать их стабильными.

Это направление, возможно, не такое «громкое».

Но, как мне кажется, оно как раз ближе к тому, что реально нужно обычным пользователям и малому/среднему бизнесу.

Конечно, сейчас продукт еще находится на стадии внутреннего тестирования.

Можно ли будет непрерывно улучшать SOP, сможет ли оно стабильно обобщаться между разными задачами, и останутся ли пользователи надолго — все это еще нужно подтвердить последующими данными.

Но как минимум по направлению я думаю, что они правы.

Признаком того, что ИИ по-настоящему получил массовое распространение, возможно будет не то, что все научились промптам.

А то, что большинству людей вообще не нужно знать, что такое промпт.


Добро пожаловать, чтобы попробовать: https://t.co/VAzxujfs7U