Недавно я участвовал в нескольких офлайн-встречах по криптовалютам, и при разговоре с несколькими наставниками обнаружил, что все активно изучают возможности ИИ.

Причина очень проста: не хотеть быть вытесненным при следующем обновлении инструментов повышения эффективности.
Но все, наверное, знают, что ИИ не так просто открыть и сразу начать использовать.
Возьмем, к примеру, мой первый опыт с OpenClaw: когда я увидел на X, что кто-то рекомендует Skill, я установил практически все.
В итоге я понял, что многие Skill выглядят очень мощными, но не подходят под мои рабочие сценарии, и наоборот, использование их только делало меня, как маленький ракообразный, всё более глупым.
Дальше приходилось постоянно удалять, настраивать и тестировать.
Это и есть реальное состояние многих пользователей ИИ сейчас:
модели становятся всё мощнее, инструментов всё больше, но и учиться приходится всё больше, а порог входа в использование ИИ повышается.
Именно это пытается решить xBubble.
@xBubble_ai — это продукт AI Agent, разработанный командой @dappOS_com, с основной концепцией Low-prompt AI.
Проще говоря, это минимизация зависимости пользователя от сложных подсказок, выбора инструментов и настройки рабочих процессов.
Это не требует от пользователя становиться экспертом по ИИ, а наоборот — позволяет ИИ помогать пользователю, используя ИИ.
//
За xBubble стоят две основные системы.
Первая — Bubble Pilot, её можно понять как центр управления задачами.
Когда пользователь ставит простую задачу, Pilot сначала определяет тип задачи, затем подбирает подходящий SOP.
Если есть проверенный процесс, он идет по оптимизированному пути, если нет — возвращается к универсальному агенту для выполнения.
Здесь SOP — это набор проверенных методов выполнения задач.
Например, при исследовании проекта это может включать сбор данных, фильтрацию информации, структурирование, формулировку мнений и редактуру контента.
Пользователь видит только короткое описание задачи, а то, что реально влияет на качество результата, — это стабильность выбранного пути выполнения.
Вторая — Bubble Engine, больше похожа на фоновую систему обучения.
Она тестирует разные комбинации моделей, инструментов и процессов, выбирает более стабильные решения и закрепляет их в виде повторяемых SOP.
То есть пользователь не должен писать Skill, настраивать Prompt или пробовать инструменты — система старается заранее выполнить эти скрытые работы.
//
В плане продукта у xBubble есть два режима работы.
Bubble Computer больше похож на облачную рабочую станцию для проектов, подходит для исследований, писательства, дизайна и обработки данных.
Система может в изолированной среде по мере необходимости вызывать возможности, а пользователь не управляет промежуточными этапами.
Bubble Personal — это более локальный рабочий поток, который при разрешении пользователя может подключать файлы, браузеры, приложения и расписания.
Установка, скачивание и системные изменения выполняются в облачном контейнере и уничтожаются после, а на локальной машине выполняются только явно разрешённые операции.
//
Итак, я считаю, что главная идея xBubble — это попытка превратить опыт профессиональных пользователей ИИ в продукт.
Если перенести эту логику в мой первоначальный сценарий с OpenClaw, разница станет очень очевидной.
Раньше мне нужно было самостоятельно устанавливать Skill, настраивать и тестировать — если бы я использовал xBubble, я бы просто сказал, что мне нужно сделать, а Bubble Pilot определит тип задачи и подберет соответствующий SOP.
То есть часть, которая раньше требовала повторной установки, настройки и проверки, будет максимально автоматизирована системой.
Я считаю, что конечное направление развития ИИ — это не то, чтобы все научились писать Prompt.
А чтобы большинство людей могли получать относительно стабильные и готовые к сдаче результаты, не зная, что такое Prompt, Skill или рабочие процессы Agent.