Gần đây tôi đã tham gia vài cuộc gặp mặt Crypto offline, và khi trò chuyện với vài người thầy, tôi nhận ra mọi người đều chủ động học hỏi khả năng AI.

Nguyên nhân cũng rất đơn giản: không muốn bị loại khỏi vòng nâng cấp công cụ hiệu quả tiếp theo.
Nhưng mọi người đều biết rằng, AI không phải mở ra là dùng được ngay.
Lấy ví dụ như tôi ban đầu thử nghiệm OpenClaw, khi đó thấy có người trên X giới thiệu Skill, tôi cài gần như tất cả. Kết quả sau đó phát hiện nhiều Skill trông rất mạnh, nhưng không phù hợp với cảnh làm việc của mình, thậm chí khiến cá tôm càng dùng càng ngu.
Sau đó chỉ còn cách xóa đi, điều chỉnh lại, thử nghiệm liên tục.
Đây cũng chính là trạng thái thực tế của nhiều người khi dùng AI hiện nay:
Mô hình ngày càng mạnh, công cụ ngày càng nhiều, nhưng người dùng phải học thêm nhiều thứ, rào cản để sử dụng AI ngày càng cao.
Đây chính là vấn đề mà xBubble muốn giải quyết.
@xBubble_ai là sản phẩm AI Agent do đội ngũ @dappOS_com ra mắt, định hướng cốt lõi là Low-prompt AI. Hiểu đơn giản là giảm thiểu sự phụ thuộc của người dùng vào các câu lệnh phức tạp, lựa chọn công cụ và cấu hình quy trình làm việc.
Nó không yêu cầu người dùng trở thành chuyên gia AI, mà ngược lại, để AI thay người dùng sử dụng AI.
//
xBubble có hai hệ thống chính phía sau.
Lớp đầu tiên là Bubble Pilot, có thể hiểu là trung tâm điều phối nhiệm vụ.
Sau khi người dùng đề xuất yêu cầu đơn giản, Pilot sẽ xác định loại nhiệm vụ, rồi ghép phù hợp với SOP. Có quy trình đã có sẵn thì theo đường tối ưu, không có SOP phù hợp thì quay về dùng Agent chung.
Ở đây, SOP có thể hiểu là một bộ phương pháp đã được kiểm chứng để làm việc.
Ví dụ như làm nghiên cứu dự án, có thể liên quan đến thu thập tài liệu, sàng lọc thông tin, xây dựng cấu trúc, rút ra quan điểm và chỉnh sửa nội dung. Người dùng chỉ cần đưa ra yêu cầu một câu, nhưng thực tế quyết định chất lượng kết quả là đường đi thực thi phía sau có ổn định hay không.
Lớp thứ hai là Bubble Engine, giống như hệ thống học tập phía sau.
Nó sẽ thử nghiệm các tổ hợp mô hình, công cụ và quy trình khác nhau, chọn ra phương án ổn định hơn, rồi tích lũy thành SOP có thể tái sử dụng.
Nói cách khác, người dùng không cần tự viết Skill, điều chỉnh Prompt, thử nghiệm công cụ, hệ thống sẽ cố gắng hoàn thành các công việc hậu trường này sớm nhất có thể.
//
Về dạng sản phẩm, xBubble cũng có hai môi trường hoạt động.
Bubble Computer giống như bàn làm việc dự án trên đám mây, phù hợp cho các nhiệm vụ nhiều bước như nghiên cứu, viết lách, thiết kế, xử lý tài liệu. Hệ thống có thể gọi các khả năng theo nhu cầu trong môi trường sandbox, người dùng không cần quản lý quá trình trung gian.
Bubble Personal hướng tới quy trình làm việc cá nhân cục bộ, có thể kết nối file, trình duyệt, ứng dụng và lịch trình dưới sự ủy quyền của người dùng. Các phần liên quan đến cài đặt, tải xuống, thay đổi hệ thống sẽ được thực hiện và tiêu hủy trong container đám mây, máy tính của người dùng chỉ thực hiện các thao tác rõ ràng đã được cấp phép.
//
Vì vậy, tôi hiểu trọng tâm của xBubble là cố gắng đưa trải nghiệm sử dụng AI của người dùng chuyên nghiệp thành sản phẩm.
Nếu đặt logic này vào trong cảnh tôi bắt đầu thử nghiệm OpenClaw ban đầu, sự khác biệt rõ ràng.
Trước đây tôi phải tự cài Skill, điều chỉnh, kiểm thử hiệu quả, còn nếu dùng xBubble, tôi chỉ cần nói rõ mình muốn hoàn thành gì, Bubble Pilot sẽ xác định loại nhiệm vụ rồi ghép SOP phù hợp.
Nói cách khác, những phần trước đây cần người dùng cài đặt, điều chỉnh, xác nhận sẽ được hệ thống xử lý tự động nhiều hơn.
Tôi nghĩ rằng hướng đi cuối cùng của AI có thể không phải là tất cả mọi người đều học cách viết Prompt.
Mà là phần lớn mọi người không cần biết Prompt, Skill, Agent workflow là gì, vẫn có thể nhận được kết quả ổn định, có thể giao hàng.