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

Với sự phát triển của công nghệ AI, năng suất của những người sử dụng các công cụ AI như Codex và Claude Code đã tăng gấp mười hoặc thậm chí hàng trăm lần. Đối với người dùng kỹ thuật, miễn là họ biết cách viết câu lệnh (prompt), gỡ lỗi, lặp lại và phát triển các Kỹ năng (Skills), AI thực sự có thể trở thành một công cụ sản xuất đòn bẩy cao.

Tuy nhiên, đối với các OPC không chuyên, các doanh nghiệp vừa và nhỏ hoặc các hoạt động kinh doanh, việc sử dụng AI vẫn còn khá bất tiện:

1. Nếu họ cố gắng sử dụng trực tiếp, họ cần dành nhiều thời gian để học hỏi và gỡ lỗi. Các mô hình khác nhau có khả năng khác nhau, cách viết câu lệnh cũng khác nhau và họ phải tự khắc phục các kết quả thất bại. Việc phát triển một Kỹ năng có thể sử dụng được có rào cản rất cao. Đồng thời, các phương pháp thực hành tốt nhất của Vibe Coding thường xung đột với thói quen của nhiều người dùng. Nhiều người thích viết tất cả các yêu cầu cùng một lúc với hy vọng AI có thể cung cấp trực tiếp kết quả thỏa đáng, nhưng điều này thường khó đạt được. Trong hầu hết các trường hợp, một quy trình làm việc AI thực sự hiệu quả đòi hỏi nhiều vòng đối thoại, liên tục nhắc nhở, thử nghiệm và sửa đổi trước khi đạt được kết quả mong muốn.

2. Nếu họ thuê người sử dụng, thường rất khó để tìm được người phù hợp và không có đủ khối lượng công việc ổn định, cộng với chi phí lương bổ sung. Việc tìm một nhân viên chủ động và có thể sử dụng AI hiệu quả không hề dễ dàng; hầu hết nhân viên có thái độ thụ động với công việc và thậm chí có thể thấy việc giao tiếp trực tiếp với AI dễ dàng hơn. Kết quả có thể là tiền đã chi cho AI nhưng không tiết kiệm được chi phí thực sự, thậm chí còn tệ hơn là không thuê ai cả.

Liệu tình thế tiến thoái lưỡng nan này có biến mất cùng với sự tiến bộ của các khả năng mô hình lớn cơ bản của AI? Hiện tại, điều đó có vẻ khó xảy ra.

Sự tồn tại của các Kỹ năng tự nó chứng minh rằng đầu ra trực tiếp của các mô hình lớn thường không thể đáp ứng các nhu cầu cụ thể và đòi hỏi các Kỹ năng được xác định trước để cải thiện kết quả. Ngay cả khi AI trở nên thông minh như con người trong tương lai, vấn đề này vẫn sẽ tồn tại. Trên thực tế, trừ khi đạt được một mức độ tiêu chuẩn hóa nhất định, việc truyền đạt rõ ràng các nhu cầu và đạt được kết quả mong muốn trong một lần thực hiện vốn dĩ rất khó khăn.

Do đó, rõ ràng là những người không biết cách sử dụng AI và những người thành thạo sử dụng AI sẽ có khoảng cách năng suất ngày càng lớn trong kỷ nguyên AI đang tiến triển nhanh chóng, đây chính là bối cảnh thực sự đằng sau "nỗi lo âu về AI" của nhiều người. Chúng ta dường như không ngừng học cách sử dụng AI hiệu quả, nhưng những thứ mới xuất hiện quá nhanh, khiến chúng ta cảm thấy như không bao giờ có thể học xong.

xBubble do DAPPOS ra mắt nhắm chính xác vào lĩnh vực này. Cách tiếp cận của nó không yêu cầu mọi người dùng phải trở thành chuyên gia AI hoặc học Vibe Coding, mà thay vào đó sử dụng hệ thống SOP để đóng gói Vibe Coder cho các vấn đề nhất định, giúp các doanh nghiệp vừa và nhỏ hoặc cá nhân không chuyên về kỹ thuật sử dụng AI mà không cần tốn thời gian học hỏi và gỡ lỗi, cũng không cần thuê thêm nhân viên.

Kiến trúc của xBubble

SOP là giải pháp mà xBubble sử dụng AI để giải quyết các vấn đề cụ thể. Nó không phải là một Kỹ năng độc lập hay một câu lệnh dài hơn, mà là đóng gói các Kỹ năng, môi trường thời gian chạy, lựa chọn mô hình, MCP và API của bên thứ ba lại với nhau để đạt được hiệu suất tương đối ổn định cho các vấn đề trong lĩnh vực cụ thể.

Xung quanh SOP, kiến trúc sản phẩm của xBubble có thể được chia thành hai hệ thống: Bubble Engine và Bubble Pilot.

Bubble Engine là lớp tạo giải pháp. Nó chịu trách nhiệm tạo và đào tạo các SOP, xây dựng các giải pháp cho các tác vụ cụ thể thông qua các tác nhân mã hóa AI (AI coding agents) và liên tục điều chỉnh kết quả thông qua thử nghiệm, đánh giá và lặp lại để đáp ứng tốt hơn các nhu cầu.

Bubble Pilot là lớp phân phối thời gian chạy. Nó đọc các yêu cầu của người dùng, xác định loại tác vụ và sau đó tìm giải pháp phù hợp nhất từ thư viện SOP để thực thi. Nếu không có SOP chuyên dụng phù hợp, nó có thể quay lại các giải pháp chung hơn, chẳng hạn như Computer SOP.

SOP được đặt ở giữa hai hệ thống này. Engine chịu trách nhiệm tạo SOP, trong khi Pilot chịu trách nhiệm điều phối SOP.

Bằng cách này, người dùng không phải đối mặt với một bộ chuỗi công cụ AI phức tạp, mà là một điểm truy cập đơn giản hơn theo kiểu "nêu tác vụ, nhận kết quả". Việc lựa chọn mô hình, môi trường thời gian chạy, gọi Kỹ năng, cấu hình API và logic lặp lại đều được xử lý ở phía hệ thống nhiều nhất có thể.

SOP là gì

Trong xBubble:

SOP = Kỹ năng + thời gian chạy + API + MCP + Lựa chọn mô hình

Một Kỹ năng đơn lẻ không thể đảm bảo kết quả ổn định. Đầu ra thực tế còn phụ thuộc vào việc mô hình nào được sử dụng, nó chạy trong môi trường nào, các API cần thiết có được kết nối hay không, có các MCP phù hợp hay không và các ngoại lệ cũng như việc lặp lại được xử lý như thế nào trong quá trình thực thi.

Nếu để người dùng tự cấu hình những điều này, rào cản sử dụng vẫn còn cao. Cách tiếp cận của xBubble là đóng gói các biến này vào các SOP. Người dùng không cần phải chọn mô hình riêng biệt, tự cấu hình API hoặc thử nghiệm lặp đi lặp lại giữa nhiều Kỹ năng tương tự; thay vào đó, họ trực tiếp kích hoạt đường dẫn giải pháp tương ứng dựa trên mô tả tác vụ.

So với thị trường Kỹ năng thông thường, hệ thống SOP của xBubble có ba ưu điểm chính:

1. Hiệu suất ổn định

Vì các SOP không chỉ bao gồm các Kỹ năng mà còn đóng gói môi trường thời gian chạy, lựa chọn mô hình, MCP và API của bên thứ ba, điều này loại bỏ hiệu quả nhiều sự không chắc chắn trong quá trình thực thi, tạo ra kết quả ổn định hơn. Đồng thời, các SOP chỉ được sử dụng để hoàn thành các vấn đề trong phạm vi đã xác minh và sẽ được kiểm tra trong phạm vi đó. Do đó, khi một tác vụ nằm trong phạm vi mô tả của SOP, hiệu quả thường khá ổn định.

Điều này khác với logic của các Kỹ năng mã nguồn mở. Các Kỹ năng mã nguồn mở thường nhắm đến nhiều lượt sao (stars) hơn và có xu hướng tổng quát hơn. Mặc dù tính tổng quát có những lợi ích riêng, nhưng nhược điểm là nhiều Kỹ năng không được kiểm tra đầy đủ ngoài các ví dụ và có nhiều Kỹ năng với các chức năng tương tự. Kết quả là người dùng vẫn cần dành thời gian thử nghiệm, so sánh và xác minh để xác định xem một Kỹ năng cụ thể có thể đáp ứng nhu cầu của họ hay không. Bản thân tác vụ này về cơ bản là công việc của một Vibe Coder.

SOP của xBubble nhấn mạnh phạm vi áp dụng đã được xác minh. Điều đó không có nghĩa là một SOP có thể làm mọi thứ, mà là trong phạm vi đã xác định và kiểm tra, nó cố gắng tạo ra kết quả ổn định.

2. Đơn giản và dễ sử dụng

SOP lấy mô tả tác vụ của người dùng làm đầu vào chính. Người dùng không cần chọn mô hình, cấu hình hoặc trả tiền cho các API của bên thứ ba, cũng như không cần hiểu Kỹ năng nào đang được gọi ở phía sau.

Bubble Pilot sẽ xác định loại tác vụ dựa trên nhu cầu của người dùng và ưu tiên đề xuất các SOP chuyên biệt hơn. Vì các SOP đã được kiểm tra và xác minh trong một phạm vi nhất định, người dùng thường không cần phải so sánh lặp đi lặp lại nhiều SOP. Nếu một SOP chuyên dụng đã bao gồm tác vụ đó, nó sẽ được ưu tiên. Nếu kết quả vẫn chưa lý tưởng, người dùng có thể tiếp tục tự động lặp lại và tối ưu hóa thông qua dịch vụ Bubble Engine (gửi "Bubble Up").

Nói cách khác, điều mà xBubble hướng tới giải quyết không phải là "AI có làm được không?" mà là "Người dùng bình thường có thể khiến AI thực hiện với chi phí thấp và sự ổn định hay không?". Việc gỡ lỗi câu lệnh, lựa chọn mô hình, cấu hình API và lặp lại kết quả mà người dùng ban đầu cần tự xử lý đã được chuyển sang phía hệ thống nhiều nhất có thể.

3. Tự tạo giải pháp

Việc phát triển một Kỹ năng có thể sử dụng được có một ngưỡng nhất định và đòi hỏi thời gian để gỡ lỗi và tối ưu hóa. Đối với người dùng không có nền tảng kỹ thuật, điều này vốn dĩ không thân thiện. Hơn nữa, các Kỹ năng mã nguồn mở thường quá tổng quát và khó đáp ứng các nhu cầu tùy chỉnh hơn như định dạng nội bộ, thói quen cá nhân hoặc mẫu ngành.

Mục tiêu của xBubble là đóng gói các Vibe Coder. Đối với đại đa số các nhu cầu, nó không yêu cầu người dùng tự phát triển và gỡ lỗi các Kỹ năng, mà giúp người dùng đóng gói sự phức tạp này, cho phép họ tự tạo các SOP chuyên dụng thông qua Bubble Engine.

Đồng thời, phạm vi áp dụng của các SOP có thể rộng hoặc hẹp. Ví dụ, trong chế độ Công việc (Work mode), nếu không có SOP chuyên dụng để xử lý một loại tác vụ nhất định, hệ thống thường sẽ sử dụng Bubble Computer SOP để giải quyết các vấn đề chung. Tuy nhiên, nếu người dùng có các nhu cầu rất cụ thể, chẳng hạn như tạo PPT theo thông số kỹ thuật mẫu của công ty họ, tạo tài liệu ở định dạng cố định hoặc tạo nội dung theo một phong cách nội bộ nhất định, họ cũng có thể tạo các SOP chỉ áp dụng cho một người dùng hoặc doanh nghiệp cụ thể.

Đây cũng là một trong những điểm khác biệt giữa hệ thống SOP và thị trường Kỹ năng thông thường. Nó không chỉ cung cấp một loạt các thành phần chung cho người dùng lựa chọn mà còn cho phép người dùng tạo ra các giải pháp chuyên biệt hơn xung quanh ranh giới tác vụ của họ.

Cách SOP được đào tạo

Trong xBubble, Bubble Engine được sử dụng để đào tạo các SOP, nhằm thay thế các Vibe Coder và trực tiếp tạo ra các SOP đáp ứng nhu cầu của người dùng. Về mặt cơ học, các SOP có thể được coi là các hàm ánh xạ các câu lệnh cụ thể thành kết quả. Do đó, vấn đề cần giải quyết trong việc điều chỉnh hiệu suất có thể được đơn giản hóa thành:

Max Rank(SOP(câu lệnh))

Điều này có nghĩa là đối với cùng một nhu cầu của người dùng được xử lý thông qua SOP, kết quả được tạo ra phải xếp hạng càng cao càng tốt trong hệ thống đánh giá, tiến gần hơn đến những gì người dùng thực sự muốn.

Các trường hợp đào tạo

Việc đào tạo SOP xoay quanh các trường hợp (cases).

Người dùng có thể trực tiếp gửi một số trường hợp mà họ tin là đáp ứng các yêu cầu, chẳng hạn như các câu lệnh tham chiếu đến video quảng cáo của một công ty nhất định hoặc gửi các kết quả mà họ đã hoàn thành thủ công trước đó. Các trường hợp này có thể là tài liệu, PPT, video quảng cáo, kiểu trang web hoặc bất kỳ phong cách đầu ra nào mà họ hy vọng hệ thống sẽ bắt chước.

Nếu không có các trường hợp liên quan trong tác vụ đào tạo, Bubble Engine cũng có thể tự động tìm kiếm tài liệu tham khảo trực tuyến hoặc sử dụng kết quả do các sản phẩm AI khác tạo ra làm trường hợp đào tạo.

Khi các trường hợp đã được xác nhận, hệ thống sẽ suy ra các câu lệnh dựa trên vấn đề ban đầu và độ phức tạp của đầu vào người dùng, tạo thành các tập hợp kết hợp (câu lệnh, kết quả). Những kết hợp này sẽ trở thành cơ sở cho việc tạo và đánh giá SOP sau này.

Chìa khóa của việc đào tạo không chỉ đơn giản là sao chép các trường hợp mà là tìm các phương pháp phù hợp để tạo ra kết quả gần với kết quả của trường hợp dựa trên các câu lệnh, mà không trộn lẫn thông tin kết quả trong quá trình phát triển. Nếu không, hệ thống có thể hoạt động tốt chỉ trên các trường hợp đào tạo nhưng thất bại trên các tác vụ tương tự.

Chu kỳ lặp lại

Tiếp theo, Bubble Engine sẽ phát triển các SOP chuyên dụng mới dựa trên một số SOP chuẩn thông qua các tác nhân mã hóa.

Để tránh quá khớp (overfitting), quá trình phát triển cũng sẽ tránh trộn trực tiếp thông tin kết quả cụ thể vào các SOP. Nếu không, có vẻ như kết quả đào tạo tốt, nhưng việc sử dụng thực tế có thể có khả năng tổng quát hóa kém.

Sau khi quá trình phát triển hoàn tất, hệ thống sẽ chạy thử nghiệm với SOP mới và đánh giá kết quả, tóm tắt mọi vấn đề hiện có.

Việc đánh giá chủ yếu bao gồm hai khía cạnh:

1. Sử dụng AI để xác định xem kết quả có đáp ứng các yêu cầu do người dùng chỉ định trong các tác vụ đào tạo hay không. Ví dụ: định dạng có đúng không, nội dung có đầy đủ không và có đáp ứng các ràng buộc rõ ràng do người dùng đặt ra hay không.

2. Xác định xem kết quả có đủ gần với các trường hợp hay không. Ví dụ: phong cách, cấu trúc, cách tổ chức nội dung và hình thức đầu ra phải tương tự như kết quả tham khảo do người dùng cung cấp.

Dựa trên kết quả đánh giá, tác nhân mã hóa sẽ tiếp tục sửa đổi SOP, tạo lại, đánh giá lại và sửa đổi lại. Quá trình này sẽ tiếp tục cho đến khi kết quả không thể cải thiện đáng kể hơn nữa.

Toàn bộ quá trình này về cơ bản tự động hóa những gì các Vibe Coder ban đầu đã làm thủ công: xem xét các trường hợp, viết kế hoạch, chạy kết quả, xác định vấn đề, sửa đổi kế hoạch và lặp lại nhiều lần.

Định nghĩa phạm vi

Trước khi kết nối SOP đã được điều chỉnh hiệu suất vào hệ thống, cần phải xác định phạm vi áp dụng của nó.

Bước này rất quan trọng. Bởi vì các SOP chuyên dụng không phải cứ nhiều là tốt hơn, cũng không nên được ưu tiên mọi lúc. Nếu một SOP chỉ hiệu quả cho một tác vụ rất hẹp nhưng lại được sử dụng để xử lý các vấn đề rộng hơn, nó có thể tệ hơn một SOP chung.

Bubble Engine sẽ xác định tác vụ nào SOP phù hợp và tác vụ nào không bằng cách thử nghiệm các trường hợp khác nhau và phân tích nội dung Kỹ năng trong SOP.

Mục tiêu của bước này là đảm bảo rằng Bubble Pilot chỉ đề xuất các SOP chuyên dụng khi hiệu suất của chúng tốt hơn so với các SOP chung. Nếu không, hệ thống sẽ quay lại các giải pháp chung hơn.

Giải pháp chuyên nghiệp

Đối với việc tạo SOP đặc biệt phức tạp, chẳng hạn như các tác vụ yêu cầu API trả phí của bên thứ ba hoặc các tác vụ mà khả năng mô hình lớn hiện tại không thể tự động hóa hoàn toàn, xBubble cũng cung cấp các giải pháp chuyên nghiệp có sự hỗ trợ của con người để đáp ứng các nhu cầu tùy chỉnh của người dùng doanh nghiệp.

Loại hỗ trợ con người này đóng vai trò là lớp chuyển tiếp giữa khả năng mô hình hiện tại và nhu cầu của doanh nghiệp. Khi các mô hình AI cơ bản tiếp tục cải thiện, số lượng các trường hợp yêu cầu hỗ trợ của con người sẽ giảm nhanh chóng.

Tóm tắt giải thích

Từ góc độ logic sản phẩm, hệ thống SOP xBubble không chỉ tạo ra một thị trường Kỹ năng thông thường, cũng không chỉ đơn giản là kết nối một vài công cụ AI lại với nhau; mà nó đang sản phẩm hóa chính hành động Vibe Coding.

Thị trường Kỹ năng giải quyết câu hỏi "Có những Kỹ năng nào?" nhưng đối với người dùng không chuyên về kỹ thuật, phần khó khăn hơn thường là phần sau: Kỹ năng nào phù hợp với kịch bản của tôi? Nên ghép nối với mô hình nào? Làm thế nào để chạy nó? Nếu kết quả không ổn định thì sao? Có thể tái sử dụng vào lần sau không? Nếu các Kỹ năng mã nguồn mở không hoạt động, làm thế nào tôi có thể tạo ra một Kỹ năng có thể sử dụng được?

SOP nhằm giải quyết chính xác những vấn đề này. Nó cố gắng chuyển các tác vụ lựa chọn, cấu hình, thử nghiệm, phát triển, định nghĩa phạm vi và lặp lại—vốn là công việc của các Vibe Coder—sang phía hệ thống. Người dùng chỉ cần mô tả tác vụ ở phía họ.

Tất nhiên, hệ thống này có thể đi được bao xa cuối cùng phụ thuộc vào hai biến số: chất lượng của các SOP do Bubble Engine tạo ra có đủ ổn định hay không và tốc độ bao phủ SOP có thể theo kịp những thay đổi trong nhu cầu của người dùng và khả năng của các Agent chung hay không.

Nhưng ít nhất ở giai đoạn hiện tại, đối với các cá nhân không có nền tảng kỹ thuật và các doanh nghiệp vừa và nhỏ, xBubble cung cấp một con đường khác: không cần học toàn bộ chuỗi công cụ AI trước rồi mới thử sử dụng AI, mà trực tiếp đóng gói năng suất AI tiên tiến vào các quy trình làm việc có thể tái sử dụng thông qua các SOP cấp tác vụ.

Người dùng làm rõ mục tiêu của họ và xBubble xử lý các hoạt động AI cơ bản.

Về DAPPOS

DAPPOS là một công ty trí tuệ nhân tạo tập trung vào các sản phẩm AI có rào cản thấp, xây dựng các quy trình làm việc AI dễ sử dụng hơn cho người dùng bình thường và chuyên nghiệp. DAPPOS đã hoàn thành hơn 20 triệu USD tài trợ, với các nhà đầu tư bao gồm Polychain, Binance Labs, Sequoia China, IDG Capital, OKX Ventures và các tổ chức khác.

Về xBubble

xBubble là một sản phẩm AI Agent ít câu lệnh do DAPPOS ra mắt, nhằm giúp người dùng hoàn thành các tác vụ như tài liệu, PPT, trang web, hình ảnh, video, nghiên cứu, tự động hóa và các tác vụ theo lịch trình với các mô tả yêu cầu ngắn hơn.

xBubble đóng gói năng suất AI tiên tiến với chi phí học tập thấp hơn cho người dùng bình thường thông qua các SOP cấp tác vụ, cho phép người dùng đạt được năng suất AI cấp chuyên nghiệp mà không cần phải học toàn bộ chuỗi công cụ AI.