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

Avec le développement de la technologie de l'IA, la productivité de ceux qui utilisent des outils d'IA comme Codex et Claude Code a été multipliée par dix, voire par cent. Pour les utilisateurs techniques, tant qu'ils savent rédiger des prompts, déboguer, itérer et développer des Skills, l'IA peut effectivement devenir un outil de production à fort effet de levier.

Cependant, pour les OPC non techniques, les petites et moyennes entreprises ou les opérations commerciales, l'utilisation de l'IA reste assez inconfortable :

1. S'ils essaient de l'utiliser directement, ils doivent consacrer beaucoup de temps à l'apprentissage et au débogage. Les différents modèles ont des capacités variées, la rédaction des prompts diffère, et ils doivent résoudre eux-mêmes les échecs. Le développement d'une Skill utilisable présente un seuil d'entrée élevé. Parallèlement, les meilleures pratiques du « Vibe Coding » entrent souvent en conflit avec les habitudes de nombreux utilisateurs. Beaucoup préfèrent formuler toutes leurs exigences en une fois, espérant que l'IA fournira directement un résultat satisfaisant, ce qui est souvent difficile à obtenir. Dans la plupart des cas, un flux de travail IA réellement efficace nécessite plusieurs cycles de dialogue, des prompts continus, des tests et des modifications avant d'approcher le résultat souhaité.

2. S'ils embauchent quelqu'un pour l'utiliser, il est généralement difficile de trouver la bonne personne, la charge de travail n'est pas assez stable, et il y a des coûts salariaux supplémentaires. Trouver un employé proactif capable d'utiliser efficacement l'IA n'est pas chose aisée ; la plupart des employés ont une attitude passive face au travail et peuvent même trouver plus simple de communiquer directement avec l'IA. Le résultat peut être que de l'argent est dépensé dans l'IA sans réelle économie de coûts, voire avec un résultat pire que si personne n'avait été embauché.

Ce dilemme disparaîtra-t-il avec l'avancement des capacités des grands modèles sous-jacents de l'IA ? Actuellement, cela semble peu probable.

L'existence même des Skills prouve que la sortie directe des grands modèles ne peut souvent pas répondre à des besoins spécifiques et nécessite des Skills prédéfinies pour améliorer les résultats. Même si l'IA devient aussi intelligente que l'humain à l'avenir, ce problème persistera. En réalité, à moins d'atteindre un certain degré de standardisation, communiquer clairement ses besoins et obtenir les résultats souhaités en une seule fois est intrinsèquement difficile.

Par conséquent, il est évident que ceux qui ne savent pas utiliser l'IA et ceux qui maîtrisent l'IA auront un écart de productivité de plus en plus grand à l'ère de l'avancement rapide de l'IA, ce qui constitue le contexte réel derrière l'« anxiété liée à l'IA » de nombreuses personnes. Nous semblons apprendre constamment à utiliser l'IA efficacement, mais les nouveautés apparaissent si vite que nous avons l'impression de ne jamais finir d'apprendre.

Le xBubble lancé par DAPPOS vise précisément ce domaine. Son approche ne nécessite pas que chaque utilisateur devienne un expert en IA ou apprenne le « Vibe Coding », mais utilise plutôt un système de SOP pour encapsuler le « Vibe Coder » pour certains problèmes, aidant les petites et moyennes entreprises ou les particuliers non techniques à utiliser l'IA sans perdre de temps à apprendre et à déboguer, ni avoir besoin d'embaucher du personnel supplémentaire.

Architecture de xBubble

Le SOP est la solution que xBubble utilise via l'IA pour résoudre des problèmes spécifiques. Il ne s'agit pas d'une Skill isolée ou d'un prompt plus long, mais plutôt d'un regroupement de Skills, d'environnements d'exécution, de sélection de modèles, de MCP et d'API tierces pour obtenir des performances relativement stables sur des problèmes de domaine spécifiques.

Autour du SOP, l'architecture produit de xBubble peut être divisée en deux systèmes : Bubble Engine et Bubble Pilot.

Bubble Engine est la couche de génération de solutions. Elle est responsable de la génération et de l'entraînement des SOP, de la création de solutions pour des tâches spécifiques via des agents de codage IA, et de l'ajustement continu des résultats par le biais de tests, d'évaluations et d'itérations pour mieux répondre aux besoins.

Bubble Pilot est la couche de distribution d'exécution. Elle lit les requêtes des utilisateurs, identifie les types de tâches, puis trouve la solution la plus adaptée dans la bibliothèque de SOP pour l'exécuter. S'il n'y a pas de SOP dédié approprié, elle peut revenir à des solutions plus générales, comme le SOP Informatique.

Le SOP est positionné entre les deux. Le Engine est responsable de la création des SOP, tandis que le Pilot est responsable de leur déploiement.

De cette manière, les utilisateurs ne sont pas confrontés à tout un ensemble de chaînes d'outils IA complexes, mais plutôt à un point d'entrée plus direct : « énoncer la tâche, obtenir le résultat ». La sélection du modèle, l'environnement d'exécution, l'appel de Skill, la configuration de l'API et la logique d'itération sont tous gérés autant que possible côté système.

Qu'est-ce qu'un SOP

Dans xBubble :

SOP = Skills + environnement d'exécution + API + MCP + sélection de modèle

Une Skill seule ne peut garantir des résultats stables. La sortie réelle dépend également du modèle utilisé, de l'environnement dans lequel il s'exécute, de la connexion aux API nécessaires, de la présence de MCP adaptés, et de la manière dont les exceptions et les itérations sont gérées pendant l'exécution.

Si ces éléments sont laissés à la configuration de l'utilisateur, le seuil d'utilisation reste élevé. L'approche de xBubble consiste à encapsuler ces variables dans des SOP. Les utilisateurs n'ont pas besoin de sélectionner des modèles séparément, de configurer eux-mêmes des API ou de tester à plusieurs reprises parmi plusieurs Skills similaires ; ils déclenchent directement le chemin de solution correspondant en fonction des descriptions de tâches.

Comparé au marché classique des Skills, le système de SOP de xBubble présente trois avantages principaux :

1. Performance stable

Étant donné que les SOP incluent non seulement des Skills, mais encapsulent également les environnements d'exécution, la sélection de modèles, les MCP et les API tierces, cela élimine efficacement de nombreuses incertitudes lors de l'exécution, produisant des résultats de manière plus stable. Parallèlement, les SOP ne sont utilisés que pour résoudre des problèmes dans un périmètre vérifié et seront testés dans ce cadre. Par conséquent, lorsqu'une tâche se situe dans la plage de description du SOP, les effets sont généralement assez stables.

Ceci diffère de la logique des Skills open-source. Les Skills open-source visent souvent à obtenir plus d'étoiles et ont tendance à être plus générales. Bien que la généralité ait ses avantages, l'inconvénient est que de nombreuses Skills ne sont pas suffisamment testées en dehors des exemples et qu'il existe de nombreuses Skills aux fonctions similaires. Le résultat est que les utilisateurs doivent toujours consacrer du temps à tester, comparer et vérifier pour déterminer si une Skill particulière peut répondre à leurs besoins. Cette tâche elle-même est essentiellement le travail d'un « Vibe Coder ».

Le SOP de xBubble met l'accent sur la plage d'application vérifiée. Cela ne signifie pas qu'un SOP peut tout faire, mais plutôt que dans la plage définie et testée, il s'efforce de produire des résultats stables.

2. Simple et facile à utiliser

Le SOP prend la description de la tâche de l'utilisateur comme entrée principale. Les utilisateurs n'ont pas besoin de sélectionner des modèles, de configurer ou de payer des API tierces, et ils n'ont pas besoin de comprendre quelle Skill est invoquée en coulisses.

Bubble Pilot déterminera le type de tâche en fonction des besoins de l'utilisateur et donnera la priorité aux SOP plus spécialisés. Comme les SOP ont été testés et vérifiés dans une certaine plage, les utilisateurs n'ont généralement pas besoin de comparer plusieurs SOP à plusieurs reprises. Si un SOP dédié couvre déjà la tâche, il sera prioritaire. Si les résultats ne sont toujours pas idéaux, les utilisateurs peuvent continuer à itérer et à optimiser automatiquement via le service Bubble Engine (en soumettant un « Bubble Up »).

En d'autres termes, ce que xBubble cherche à résoudre n'est pas « L'IA peut-elle le faire ? » mais plutôt « L'utilisateur ordinaire peut-il obtenir de l'IA qu'elle le fasse à faible coût et avec stabilité ? ». Le débogage des prompts, la sélection des modèles, la configuration des API et l'itération des résultats que les utilisateurs devaient gérer eux-mêmes ont été transférés autant que possible côté système.

3. Génération en libre-service

Le développement d'une Skill utilisable comporte un certain seuil et nécessite du temps pour le débogage et l'optimisation. Pour les utilisateurs sans bagage technique, cela est intrinsèquement peu convivial. De plus, les Skills open-source sont souvent trop générales et peinent à couvrir des besoins plus personnalisés tels que les formats internes, les habitudes personnelles ou les modèles industriels.

L'objectif de xBubble est d'encapsuler les « Vibe Coders ». Pour la grande majorité des besoins, il n'est pas nécessaire que les utilisateurs développent et déboguent eux-mêmes les Skills, mais cela aide les utilisateurs à encapsuler cette complexité, leur permettant de générer eux-mêmes des SOP dédiés via le Bubble Engine.

Parallèlement, la plage d'application des SOP peut être large ou étroite. Par exemple, en mode Travail, s'il n'y a pas de SOP dédié pour gérer un certain type de tâche, le système utilisera généralement le SOP Bubble Computer pour résoudre les problèmes généraux. Cependant, si les utilisateurs ont des besoins très spécifiques, comme la création de PPT selon les spécifications de modèle de leur entreprise, la génération de documents dans un format fixe ou la production de contenu dans un certain style interne, ils peuvent également générer des SOP qui ne s'appliquent qu'à un utilisateur ou une entreprise spécifique.

C'est aussi l'une des distinctions entre le système de SOP et le marché des Skills ordinaire. Il ne fournit pas seulement un tas de composants généraux parmi lesquels les utilisateurs peuvent choisir, mais permet aux utilisateurs de générer des solutions plus spécialisées autour des limites de leurs tâches.

Comment le SOP est entraîné

Dans xBubble, le Bubble Engine est utilisé pour entraîner les SOP, visant à remplacer les « Vibe Coders » et à générer directement des SOP qui répondent aux besoins des utilisateurs. Mécaniquement, les SOP peuvent être considérés comme des fonctions qui mappent des prompts spécifiques à des résultats. Par conséquent, le problème à résoudre dans le réglage des performances peut être simplifié comme suit :

Max Rank(SOP(prompt))

Cela signifie que pour le même besoin utilisateur traité via un SOP, le résultat généré doit être classé aussi haut que possible dans le système d'évaluation, se rapprochant de ce que l'utilisateur souhaite réellement.

Cas d'entraînement

L'entraînement des SOP s'articule autour de cas.

Les utilisateurs peuvent envoyer directement des cas qu'ils estiment répondre aux exigences, tels que des prompts faisant référence à une publicité vidéo d'une certaine entreprise ou en envoyant des résultats qu'ils ont précédemment réalisés manuellement. Ces cas peuvent être des documents, des PPT, des vidéos publicitaires, des styles de page web ou tout style de sortie qu'ils espèrent que le système imitera.

S'il n'y a pas de cas pertinents dans la tâche d'entraînement, le Bubble Engine peut également rechercher automatiquement des documents de référence en ligne ou utiliser des résultats générés par d'autres produits d'IA comme cas d'entraînement.

Une fois les cas confirmés, le système déduira des prompts basés sur le problème original et la complexité des entrées de l'utilisateur, formant des ensembles de combinaisons (prompt, résultat). Ces combinaisons deviendront la base de la génération et de l'évaluation ultérieures des SOP.

La clé de l'entraînement n'est pas simplement de copier les cas, mais de trouver des méthodes appropriées pour générer des résultats proches des résultats des cas basés sur les prompts, sans mélanger les informations de résultat pendant le développement. Sinon, le système pourrait ne fonctionner correctement que sur les cas d'entraînement mais échouer sur des tâches similaires.

Cycle d'itération

Ensuite, le Bubble Engine développera de nouveaux SOP dédiés basés sur certains SOP de référence via des agents de codage.

Pour éviter le surapprentissage (overfitting), le processus de développement évitera également de mélanger directement des informations de résultat spécifiques dans les SOP. Sinon, il peut sembler que les résultats de l'entraînement sont bons, mais l'utilisation réelle peut avoir une faible capacité de généralisation.

Une fois le développement terminé, le système effectuera des tests avec le nouveau SOP et évaluera les résultats, résumant tout problème existant.

L'évaluation consiste principalement en deux aspects :

1. Utiliser l'IA pour déterminer si les résultats répondent aux exigences spécifiées par les utilisateurs dans les tâches d'entraînement. Par exemple, si le format est correct, si le contenu est complet et s'il respecte les contraintes explicites fixées par l'utilisateur.

2. Déterminer si les résultats sont suffisamment proches des cas. Par exemple, le style, la structure, l'organisation du contenu et la forme de sortie doivent être similaires aux résultats de référence fournis par l'utilisateur.

Sur la base des résultats de l'évaluation, l'agent de codage continuera à modifier le SOP, à générer à nouveau, à évaluer à nouveau et à modifier à nouveau. Ce processus se poursuivra jusqu'à ce que les résultats ne puissent plus être significativement améliorés.

Ce processus entier automatise essentiellement ce que les « Vibe Coders » faisaient manuellement à l'origine : examiner les cas, rédiger des plans, exécuter les résultats, identifier les problèmes, modifier les plans et itérer à plusieurs reprises.

Définition du périmètre

Avant de connecter le SOP optimisé au système, il est nécessaire de définir son périmètre d'application.

Cette étape est cruciale. Car les SOP dédiés ne sont pas meilleurs en plus grand nombre, et ne doivent pas non plus être priorisés à tout moment. Si un SOP n'est efficace que pour une tâche très étroite mais est utilisé pour traiter des problèmes plus larges, il peut être moins bon qu'un SOP général.

Le Bubble Engine déterminera pour quelles tâches le SOP est adapté et pour lesquelles il ne l'est pas en testant différents cas et en analysant le contenu de la Skill au sein du SOP.

L'objectif de cette étape est de s'assurer que Bubble Pilot ne recommande des SOP dédiés que lorsque leurs performances sont meilleures que celles des SOP généraux. Sinon, le système reviendra à des solutions plus générales.

Solutions professionnelles

Pour la génération de SOP particulièrement complexes, tels que les tâches nécessitant des API payantes tierces ou les tâches que les capacités actuelles des grands modèles ne peuvent pas entièrement automatiser, xBubble fournit également des solutions professionnelles assistées par l'humain pour couvrir les besoins personnalisés des utilisateurs professionnels.

Ce type d'assistance humaine agit comme une couche de transition entre les capacités actuelles des modèles et les besoins des entreprises. À mesure que les modèles d'IA sous-jacents continuent de s'améliorer, le nombre de cas nécessitant une assistance humaine diminuera rapidement.

Résumé de l'interprétation

Du point de vue de la logique produit, le système de SOP de xBubble ne crée pas seulement un marché de Skills ordinaire, et ne se contente pas de connecter plusieurs outils d'IA entre eux ; il industrialise l'acte même du « Vibe Coding ».

Le marché des Skills répond à la question « Quelles Skills sont disponibles ? » mais pour les utilisateurs non techniques, la partie la plus difficile est souvent la seconde : Quelle Skill est adaptée à mon scénario ? Quel modèle doit être associé ? Comment l'exécuter ? Que faire si les résultats sont instables ? Peut-on le réutiliser la prochaine fois ? Si les Skills open-source ne fonctionnent pas, comment puis-je créer une Skill utilisable ?

Le SOP vise à résoudre précisément ces problèmes. Il tente de déplacer les tâches de sélection, de configuration, de test, de développement, de définition de périmètre et d'itération — qui étaient à l'origine le travail des « Vibe Coders » — vers le côté système. Les utilisateurs n'ont qu'à décrire la tâche de leur côté.

Bien sûr, jusqu'où ce système peut aller dépend finalement de deux variables : si la qualité des SOP générés par le Bubble Engine est suffisamment stable, et si la vitesse de couverture des SOP peut suivre les changements dans les besoins des utilisateurs et les capacités générales des agents.

Mais au moins au stade actuel, pour les particuliers sans bagage technique et les petites et moyennes entreprises, xBubble offre une voie différente : ne pas apprendre toute la chaîne d'outils d'IA d'abord pour ensuite essayer d'utiliser l'IA, mais encapsuler directement la productivité de l'IA de pointe dans des flux de travail réutilisables via des SOP au niveau de la tâche.

Les utilisateurs clarifient leurs objectifs, et xBubble gère les opérations d'IA sous-jacentes.

À propos de DAPPOS

DAPPOS est une entreprise d'intelligence artificielle axée sur les produits d'IA à faible seuil d'accès, construisant des flux de travail d'IA plus faciles à utiliser pour les utilisateurs ordinaires et professionnels. DAPPOS a finalisé plus de 20 millions de dollars de financement, avec des investisseurs incluant Polychain, Binance Labs, Sequoia China, IDG Capital, OKX Ventures et d'autres institutions.

À propos de xBubble

xBubble est un produit d'agent IA à faible besoin de prompt lancé par DAPPOS, visant à aider les utilisateurs à accomplir des tâches telles que des documents, des PPT, des sites web, des images, des vidéos, de la recherche, de l'automatisation et des tâches planifiées avec des descriptions d'exigences plus courtes.

xBubble encapsule la productivité de l'IA de pointe à un coût d'apprentissage inférieur pour les utilisateurs ordinaires grâce à des SOP au niveau de la tâche, permettant aux utilisateurs d'obtenir une productivité IA de niveau professionnel sans avoir besoin d'apprendre toute la chaîne d'outils d'IA.