Bubble Up, 결과가 마음에 안 들 때 쓰는 장치. 출처

공식 게시글에 따르면 Code 모드는 한 번에 끝나는 빌드가 아닙니다. 결과가 제품 목표에 못 미치면 Bubble Up을 제출하면 됩니다.

그러면 Bubble Engine이 테스트하고 평가한 뒤, 밑에 깔린 Coding SOP 자체를 반복적으로 최적화합니다. 게시글의 표현을 빌리면 개선의 책임을 사용자에게서 시스템으로 옮기는 구조입니다.

보통 AI 도구에서 결과가 안 좋으면 사용자가 프롬프트를 고칩니다. 사용자가 학습하고 사용자가 요령을 쌓습니다.

Bubble Up은 반대 방향입니다. 사용자는 목표만 다시 말하고 절차를 고치는 일은 엔진이 합니다. 개선분이 개인의 요령이 아니라 시스템에 쌓인다는 점이 차이입니다.

구조에 관한 설명은 공식 문서에 정리돼 있습니다.

🔗 웹사이트 | 트위터 | 텔레그램 | 커뮤니티

#DAPPOS #BubbleUp #BubbleEngine #스토리텔러

SOP는 어떻게 훈련되나

DAPPOS의 SOP는 사람이 한 번 써두고 끝나는 문서가 아닙니다. 공식 문서가 그 과정을 설명합니다.

Bubble Engine이 특정 작업에 맞는 절차를 생성하고 실제로 테스트합니다. 결과를 평가해 더 나은 형태로 다듬는 과정을 반복합니다.

즉 SOP는 만들어지는 것이 아니라 훈련되는 것에 가깝습니다.

이 구조의 장점은 개선이 누적된다는 점입니다. 한 사용자의 실패가 절차를 고치는 재료가 되고, 고쳐진 절차는 모든 사용자에게 적용됩니다. 개인의 요령이 아니라 시스템의 자산으로 쌓입니다.

🔗 웹사이트 | 트위터 | 텔레그램 | 커뮤니티

#DAPPOS #SOP #BubbleEngine #스토리텔러

강화학습으로 계속 나아진다는 설계

DAPPOS Bubble Engine의 개선 방식입니다. 공식 문서에 나옵니다.

실행 결과를 평가해 절차를 다듬는 과정을 반복합니다. 잘된 경로는 강화되고 실패한 경로는 걸러집니다.

핵심은 이 개선이 자동으로 누적된다는 점입니다. 사용자가 피드백을 정리해 전달하지 않아도 시스템이 결과에서 배웁니다.

쓰면 쓸수록 나아지는 도구와 처음 그대로인 도구의 차이는 시간이 갈수록 벌어집니다.

🔗 웹사이트 | 트위터 | 텔레그램 | 커뮤니티

#DAPPOS #강화학습 #BubbleEngine #스토리텔러

SOP는 예시를 보고 만들어진다. 공식 문서

DAPPOS 공식 문서는 SOP 훈련이 사례를 중심으로 돌아간다고 설명합니다. 규칙을 말로 적어주는 방식이 아니라 결과물을 보여주는 방식입니다.

먼저 사용자가 좋다고 판단한 결과물을 예시로 넣습니다. 예전에 손으로 만든 산출물, 참고할 영상 광고, 따라 하고 싶은 문서 양식 같은 것들입니다.

예시가 부족하면 Bubble Engine이 참고 자료를 찾거나 직접 만들어 채웁니다. 아무것도 없는 상태에서 시작하지 않아도 된다는 뜻입니다.

사례가 확정되면 거기서 요청과 결과의 쌍을 뽑아냅니다. 이런 요청에는 이런 결과가 나와야 한다는 기준표를 만드는 단계입니다.

그다음 코딩 에이전트가 기본 SOP를 바탕으로 전용 SOP를 만듭니다. 만들어진 SOP는 바로 등록되지 않고 시험을 거칩니다.

평가는 두 갈래입니다. 하나는 사용자가 말한 요구사항을 충족했는가이고, 다른 하나는 제시한 예시에 충분히 가까운가입니다. 이 둘은 다릅니다. 요구는 맞췄는데 느낌이 다른 경우가 있기 때문입니다.

더 나아지지 않을 때까지 고친 뒤에야 시스템에 올라갑니다. 이때 적용 범위도 함께 정합니다. 범용 SOP보다 나을 것 같은 상황에서만 추천되도록 하기 위해서입니다.

전용 절차를 아무 데나 들이대면 오히려 결과가 나빠질 수 있다는 점을 감안한 DAPPOS의 설계입니다.

🔗 웹사이트 | 트위터 | 텔레그램 | 커뮤니티

#DAPPOS #SOP #BubbleEngine #스토리텔러

Bubble Engine을 문서는 해법 공장이라 부른다. 공식 문서

DAPPOS 공식 문서가 Bubble Engine에 붙인 표현은 해법 공장입니다. 하나의 정답을 내놓는 자리가 아니라 여러 개를 만들어 걸러내는 자리라는 뜻입니다.

주어진 작업 하나에 대해 하는 일은 이렇습니다. AI 코딩 에이전트를 써서 해법 변형들을 만들고, 시험 장치를 짜고, 후보 모델과 도구를 조합합니다.

그다음 그 결과들을 작업 예시와 품질 기준에 대고 평가합니다. 여기서 가장 좋은 경로만 살아남습니다.

살아남은 경로가 SOP, 즉 표준 작업 절차가 됩니다. 비슷한 요청이 들어올 때마다 다시 꺼내 쓰는 재사용 가능한 해법입니다.

문서가 덧붙인 조건이 중요합니다. SOP로 올리기 전에 Bubble Engine이 그 절차의 범용성을 시험합니다. 한 사례에서만 잘 되는 것을 표준이라고 부르지 않겠다는 뜻입니다.

이 구조가 DAPPOS의 접근을 잘 보여줍니다. 좋은 결과를 한 번 내는 것과, 그 결과를 다음에도 다시 낼 수 있게 만드는 것은 서로 다른 일입니다.

한 번의 성공은 운일 수 있습니다. 여러 변형을 만들어 겨루게 하고 기준으로 재는 절차를 둔 이유가 여기 있습니다.

🔗 웹사이트 | 트위터 | 텔레그램 | 커뮤니티

#DAPPOS #BubbleEngine #SOP #스토리텔러

정보를 모을 때 출처부터 따진다. 공식 문서

DAPPOS 공식 문서는 Bubble Engine의 정보 처리를 Contextual RAG로 설명합니다. 웹 문서와 내부 자료, 온체인과 오프체인 신호를 하나의 맥락 층으로 합치되 추적 가능성을 앞세우는 방식입니다. 검색은 두 방식을 섞습니다. 의미로 찾는 쪽과 키워드로 찾는 쪽을 함께 쓰고, 분야별 경로를 나눠 하위 질문을 처리합니다.

그다음 중복을 걷어내고 관련도로 다시 순서를 매긴 뒤, 그 질문에 필요한 최소한의 근거 묶음을 만듭니다. 많이 모으는 것이 아니라 필요한 만큼만 남기는 쪽입니다. 생성 단계에는 인용 잠금이 걸립니다. 답변 안에 출처 표시가 함께 나오고, 근거가 부족하면 무리하지 않고 물러섭니다.

불확실성이 감지되면 검색 깊이와 병렬 실행량을 늘리는 동적 예산도 걸려 있습니다. 시장이 흔들릴 때 더 파고들라는 뜻입니다. 기억은 두 겹입니다. Compound Memory가 검증된 웹3 지식 같은 오래 가는 축과 실시간 시장 변화 같은 짧은 축을 함께 쌓습니다. 새 지식이 검증돼 들어올수록 판단이 누적됩니다.

허위 정보 처리도 따로 있습니다. 온체인 데이터와 커뮤니티 신고로 교차 검증해 봇과 펌핑과 조작 신호를 걸러냅니다. DAPPOS가 속임수가 흔한 환경을 전제로 설계했다는 점이 드러나는 대목입니다.

문서상 설명과 실제 체감이 같을지가 관건입니다.

#DAPPOS #BubbleEngine #강화학습