My 6~7 Brain — Privacy-first kunskapshantering

Problemet

Moderna yrkesverksamma översköljs av information — mejl, mötesanteckningar, idéer, att-göra-listor och meddelanden spridda över dussintals appar. Att återfinna det du behöver kostar tid och frustration. Befintliga AI-verktyg lovar en lösning, men kräver att du skickar all din personliga data till molnet. För integritetsmedvetna användare är det inget alternativ.

Lösningen

My 6~7 Brain är en privacy-first iOS-app som fångar alla dina tankar, anteckningar och minnen och gör dem smart sökbara — helt on-device, utan att en enda byte går till externa servrar.

• Flera fångstmetoder: skriv, tala in via rösttranskribering, eller koppla din e-post och kalender — allt samlas på ett ställe.
• On-device AI: semantisk sökning och AI-chatt körs lokalt på din iPhone via Core ML och MLX Swift (Phi-4-mini / Llama 3.2). Din data lämnar aldrig din enhet.
• Kunskapsgraf: appen upptäcker automatiskt samband mellan dina idéer och visar dem visuellt, så att du ser mönster du annars skulle missa.
• Veckovisa insikter: AI-genererade sammanfattningar av ditt humör, din produktivitet och återkommande teman — utan att du behöver anstränga dig.
• Apple-ekosystem: Apple Watch-app för snabb fångst, Home & Lock Screen-widgetar, iCloud-synk och Face ID / Touch ID-säkerhet.

Resultat

Vad som gör det här projektet speciellt

• Privacy by design: inga kompromisser — alla AI-modeller körs lokalt på enheten via Apples Core ML-ramverk.
• Komplett apputveckling: från koncept och UX-design till Swift 6 / SwiftUI-implementering, inklusive Apple Watch-app och widgetar.
• Komplexa integrationer: Gmail, Outlook, EventKit och iCloud/CloudKit — allt sammankopplat i en sömlös upplevelse.
• Skalbar AI-modell: systemet kan fungera både on-device (integritetsläge) och via API (molnläge), beroende på användarens preferens.

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.