My 6~7 Brain — 隐私优先的知识管理

问题所在

现代职场人士被信息淹没——邮件、会议笔记、灵感、待办事项和消息散落在数十个应用中。要找回所需内容既费时又令人沮丧。现有的 AI 工具承诺提供解决方案，却要求你把所有个人数据上传到云端。对于注重隐私的用户来说，这并不是一个选项。

解决方案

My 6~7 Brain 是一款隐私优先的 iOS 应用，捕捉你所有的想法、笔记与回忆，并让它们可被智能检索——全程在设备本地完成，不会有一个字节流向外部服务器。

• 多种捕捉方式：打字输入、通过语音转写口述，或连接你的邮箱与日历——一切汇聚到同一个地方。
• 设备端 AI：语义搜索与 AI 对话借助 Core ML 和 MLX Swift（Phi-4-mini / Llama 3.2）在你的 iPhone 上本地运行。你的数据永远不会离开设备。
• 知识图谱：应用会自动发现你各个想法之间的关联并以可视化方式呈现，让你看见原本会错过的规律。
• 每周洞察：由 AI 生成的关于你情绪、生产力与反复出现主题的总结——无需你费一点力气。
• Apple 生态：用于快速捕捉的 Apple Watch 应用、主屏幕与锁屏小组件、iCloud 同步以及 Face ID / Touch ID 安全保护。

成果

这个项目的特别之处

• 隐私即设计：毫不妥协——所有 AI 模型都通过 Apple 的 Core ML 框架在设备本地运行。
• 完整的应用开发：从概念与 UX 设计到 Swift 6 / SwiftUI 实现，包括 Apple Watch 应用与小组件。
• 复杂的集成：Gmail、Outlook、EventKit 与 iCloud/CloudKit——全部串联成无缝体验。
• 可伸缩的 AI 模型：系统可根据用户偏好，在设备端（隐私模式）或通过 API（云端模式）两种方式下运行。

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.