My 6~7 Brain — Privacy-first knowledge management

The problem

Modern professionals are flooded with information — emails, meeting notes, ideas, to-dos and messages scattered across dozens of apps. Finding what you need costs time and frustration. Existing AI tools promise a solution, but require you to send all your personal data to the cloud. For privacy-conscious users, that's not an option.

The solution

My 6~7 Brain is a privacy-first iOS app that captures all your thoughts, notes and memories and makes them intelligently searchable — entirely on-device, without a single byte going to external servers.

• Multiple capture methods: type, dictate via voice transcription, or connect your email and calendar — everything comes together in one place.
• On-device AI: semantic search and AI chat run locally on your iPhone via Core ML and MLX Swift (Phi-4-mini / Llama 3.2). Your data never leaves your device.
• Knowledge graph: the app automatically discovers connections between your ideas and shows them visually, so you spot patterns you would otherwise miss.
• Weekly insights: AI-generated summaries of your moods, productivity and recurring themes — without any effort on your part.
• Apple ecosystem: Apple Watch app for quick capture, Home & Lock Screen widgets, iCloud sync and Face ID / Touch ID security.

Results

What makes this project special

• Privacy by design: no compromises — all AI models run locally on the device via Apple's Core ML framework.
• Full app development: from concept and UX design to Swift 6 / SwiftUI implementation, including an Apple Watch app and widgets.
• Complex integrations: Gmail, Outlook, EventKit and iCloud/CloudKit — all connected into a seamless experience.
• Scalable AI model: the system can run both on-device (privacy mode) and via API (cloud mode), depending on the user's preference.

Architectuur

Volledig op het apparaat: er wordt geen backend gebruikt voor AI-verzoeken. SwiftData slaat aantekeningen, taken en herinneringen lokaal op; bij het starten van de app laadt de MLX Swift-runtime een gequantiseerd taalmodel (Phi-4-mini of Llama 3.2) in het geheugen. Semantisch zoeken en de knowledge graph worden ontwikkeld met behulp van embeddings die ook op het apparaat zelf worden berekend, zodat het niet nodig is om content naar een server te sturen.

Modelkeuze

Bewust gekozen voor kleine, gequantiseerde open-source modellen in plaats van een cloud-API zoals GPT. De privacygarantie van de app houdt in dat er geen gegevens het apparaat mogen verlaten, waardoor de afmetingen van het model beperkt zijn tot wat er op de Neural Engine van een iPhone past. Dit is een weloverwogen afweging: iets lagere kwaliteit vergeleken met een grootschalig cloud-model, maar voldoende voor semantisch zoeken en het samenvatten van persoonlijke notities. Voor gebruikers die meer waarde hechten aan kwaliteit dan aan privacy is een optionele cloud-modus beschikbaar via API.

Kosten & latency

• Geen API-kosten per gebruiker in de standaardmodus: het model draait lokaal na een eenmalige download tijdens installatie, dus de kosten per extra gebruiker zijn vrijwel verwaarloosbaar.
• Het modelbestand, enkele gigabytes groot, wordt eenmalig gedownload en lokaal opgeslagen.
• Het eerste keer laden van het model bij app-start kost ongeveer 2 tot 3 seconden; daarna is semantisch zoeken binnen 1 seconde mogelijk (zie Resultaten).

Lessons learned

Een vroege MLX-integratie met een omvangrijker model (7 miljard parameters) leidde tot geheugenproblemen op oudere iPhones. Overschakelen naar modellen met 3 tot 4 miljard parameters verhielp dit zonder merkbare afbreuk aan de gebruikservaring. De optionele cloud-modus is later geïntroduceerd voor gebruikers die kwaliteit belangrijker vinden dan strikte privacy, met een duidelijke keuze in de app in plaats van een verborgen instelling.

Concept — cijfers ter illustratie, nog te verifiëren tegen het daadwerkelijke project vóór publicatie.