Belakangan ini saya mengikuti beberapa pertemuan Crypto offline, dan saat berbicara dengan beberapa guru, saya menemukan bahwa semua orang sedang aktif mempelajari kemampuan AI.

Alasannya juga sangat sederhana: tidak ingin tertinggal dalam peningkatan alat efisiensi berikutnya.
Tapi semua orang harus tahu, AI tidak langsung bisa digunakan begitu saja.
Ambil contoh saya yang awalnya bereksperimen dengan OpenClaw, saat itu melihat ada orang yang merekomendasikan Skill di X, saya hampir menginstalnya semua. Hasilnya kemudian saya sadar, banyak Skill terlihat sangat kuat, tapi tidak cocok dengan skenario kerja saya, malah membuat si kepiting semakin bodoh saat digunakan.
Akhirnya saya harus menghapus, menyesuaikan, dan menguji berulang kali.
Ini juga mencerminkan kondisi nyata banyak orang saat ini menggunakan AI:
Model semakin kuat, alat semakin banyak, tapi pengguna harus belajar lebih banyak hal, dan ambang penggunaan AI semakin tinggi.
Inilah masalah yang ingin diselesaikan oleh xBubble.
@xBubble_ai adalah produk Agen AI yang dirilis oleh tim @dappOS_com, dengan fokus utama pada AI Low-prompt. Secara sederhana, artinya berusaha mengurangi ketergantungan pengguna terhadap kata kunci kompleks, pemilihan alat, dan konfigurasi alur kerja.
Ini bukan meminta pengguna menjadi ahli AI, melainkan membalikkan keadaan, membiarkan AI yang menggunakan AI untuk pengguna.
//
Di balik xBubble ada dua sistem utama.
Lapisan pertama adalah Bubble Pilot, yang bisa dipahami sebagai pusat penjadwalan tugas.
Setelah pengguna mengajukan kebutuhan sederhana, Pilot akan menilai jenis tugas terlebih dahulu, lalu mencocokkan SOP yang sesuai. Jika ada proses yang sudah matang, akan mengikuti jalur optimal, jika tidak, akan kembali ke Agen umum untuk menyelesaikan.
Di sini, SOP bisa dipahami sebagai satu set metode yang sudah teruji.
Misalnya dalam melakukan riset proyek, mungkin melibatkan pengumpulan data, penyaringan informasi, pembangunan struktur, penarikan pendapat, dan penyempurnaan konten. Pengguna melihatnya sebagai kebutuhan satu kalimat, tapi yang benar-benar menentukan kualitas hasil adalah kestabilan jalur eksekusi ini.
Lapisan kedua adalah Bubble Engine, yang lebih mirip sistem pembelajaran latar belakang.
Ia akan menguji kombinasi model, alat, dan alur kerja yang berbeda, menyaring solusi yang lebih stabil, dan mengendapkan SOP yang dapat digunakan kembali.
Dengan kata lain, pengguna tidak perlu menulis Skill, menyesuaikan Prompt, atau mencoba alat sendiri, sistem akan berusaha menyelesaikan pekerjaan belakang layar ini terlebih dahulu.
//
Dalam bentuk produk, xBubble juga memiliki dua lingkungan operasional.
Bubble Computer lebih mirip dengan ruang kerja proyek cloud, cocok untuk penelitian, penulisan, desain, dan pengolahan data yang melibatkan banyak langkah. Sistem dapat memanggil kemampuan sesuai kebutuhan di lingkungan sandbox, pengguna tidak perlu mengelola proses tengah.
Bubble Personal lebih condong ke alur kerja lokal pribadi, dapat terhubung ke file, browser, aplikasi, dan jadwal dengan izin pengguna. Bagian yang melibatkan instalasi, pengunduhan, dan perubahan tingkat sistem akan dieksekusi dan dihancurkan di wadah cloud, hanya operasi yang secara eksplisit diizinkan yang dilakukan di perangkat lokal.
//
Jadi saya memahami bahwa inti dari xBubble adalah mencoba memproduksi pengalaman penggunaan AI profesional menjadi sebuah produk.
Jika logika ini diterapkan kembali ke skenario awal saya bereksperimen dengan OpenClaw, perbedaannya sangat jelas.
Dulu saya harus menginstal Skill, melakukan debugging, dan menguji hasilnya sendiri, tapi jika menggunakan xBubble, saya cukup memberi tahu apa yang ingin saya capai, lalu Bubble Pilot akan menilai jenis tugas dan mencocokkan SOP yang sesuai.
Dengan kata lain, bagian yang dulu harus diinstal, disesuaikan, dan diverifikasi berulang kali, akan diserahkan sebisa mungkin ke sistem.
Saya rasa arah akhir AI mungkin bukan semua orang belajar menulis Prompt.
Tapi kebanyakan orang tidak perlu tahu apa itu Prompt, Skill, atau alur kerja Agent, dan tetap bisa mendapatkan hasil yang relatif stabil dan dapat diserahkan.