My 6~7 Brain — Knowledge management privacy-first

Il problema

I professionisti di oggi sono sommersi di informazioni — email, note di riunioni, idee, to-do e messaggi sparsi su decine di app. Ritrovare ciò che serve costa tempo e frustrazione. Gli strumenti AI esistenti promettono una soluzione, ma richiedono di inviare tutti i tuoi dati personali al cloud. Per gli utenti attenti alla privacy non è un'opzione.

La soluzione

My 6~7 Brain è un'app iOS privacy-first che acquisisce tutti i tuoi pensieri, note e ricordi e li rende ricercabili in modo intelligente — interamente on-device, senza che un solo byte raggiunga server esterni.

• Più metodi di acquisizione: digita, detta tramite trascrizione vocale, oppure collega la tua email e il calendario — tutto converge in un unico posto.
• AI on-device: la ricerca semantica e la chat AI girano localmente sul tuo iPhone tramite Core ML e MLX Swift (Phi-4-mini / Llama 3.2). I tuoi dati non lasciano mai il dispositivo.
• Knowledge graph: l'app scopre automaticamente le connessioni tra le tue idee e le mostra visivamente, così vedi schemi che altrimenti ti sfuggirebbero.
• Insight settimanali: riepiloghi generati dall'AI sui tuoi stati d'animo, sulla produttività e sui temi ricorrenti — senza che tu debba fare alcuno sforzo.
• Ecosistema Apple: app per Apple Watch per un'acquisizione rapida, widget per la Home & la Lock Screen, sincronizzazione iCloud e sicurezza Face ID / Touch ID.

Risultati

Cosa rende speciale questo progetto

• Privacy by design: nessun compromesso — tutti i modelli AI girano localmente sul dispositivo tramite il framework Core ML di Apple.
• Sviluppo completo dell'app: dal concept e dall'UX design fino all'implementazione in Swift 6 / SwiftUI, inclusi app per Apple Watch e widget.
• Integrazioni complesse: Gmail, Outlook, EventKit e iCloud/CloudKit — tutto collegato in un'esperienza senza soluzione di continuità.
• Modello AI scalabile: il sistema può funzionare sia on-device (modalità privacy) sia tramite API (modalità cloud), a seconda delle preferenze dell'utente.

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.