My 6~7 Brain — Gestão de conhecimento privacy-first

O problema

Os profissionais de hoje são inundados de informação — e-mails, notas de reuniões, ideias, tarefas e mensagens espalhadas por dezenas de apps. Reencontrar o que precisamos custa tempo e gera frustração. As ferramentas de IA existentes prometem uma solução, mas exigem que envie todos os seus dados pessoais para a cloud. Para utilizadores que valorizam a privacidade, isso não é opção.

A solução

O My 6~7 Brain é uma app iOS privacy-first que captura todos os seus pensamentos, notas e memórias e os torna pesquisáveis de forma inteligente — totalmente on-device, sem que um único byte vá para servidores externos.

• Vários métodos de captura: escreva, dite por transcrição de voz ou ligue o seu e-mail e calendário — tudo se reúne num só lugar.
• IA on-device: a pesquisa semântica e o chat de IA correm localmente no seu iPhone através de Core ML e MLX Swift (Phi-4-mini / Llama 3.2). Os seus dados nunca saem do dispositivo.
• Grafo de conhecimento: a app descobre automaticamente ligações entre as suas ideias e mostra-as visualmente, para que veja padrões que de outra forma lhe escapariam.
• Insights semanais: resumos gerados por IA sobre os seus estados de espírito, produtividade e temas recorrentes — sem que tenha de fazer qualquer esforço.
• Ecossistema Apple: app para Apple Watch para captura rápida, widgets para o Home e Lock Screen, sincronização iCloud e segurança com Face ID / Touch ID.

Resultados

O que torna este projeto especial

• Privacy by design: sem compromissos — todos os modelos de IA correm localmente no dispositivo através do framework Core ML da Apple.
• Desenvolvimento completo da app: do conceito e design de UX à implementação em Swift 6 / SwiftUI, incluindo a app para Apple Watch e os widgets.
• Integrações complexas: Gmail, Outlook, EventKit e iCloud/CloudKit — tudo ligado numa experiência sem interrupções.
• Modelo de IA escalável: o sistema pode funcionar tanto on-device (modo privacidade) como via API (modo cloud), conforme a preferência do utilizador.

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.