Ключевые концепции

Ego Pod (Капсула самосознания)

Ego Pod — это ядро Ego, полностью автоматизированный конвейер обучения. Подобно «камере выращивания», вы загружаете сырые данные, и он автоматически выковывает ИИ-модель, которая вас понимает.

Он выполняет три задачи:

  1. Сбор — Чтение данных владельца из указанных источников (локальные каталоги/URL/облачное хранилище/...)
  2. Ковка — Обработка сырых данных в обучающий корпус, обучение LoRA-адаптеров на выбранной базовой модели
  3. Выпуск — Создание нескольких версий (редакций) модели Ego с перезаписью старых версий

Аналогия: Ego Pod — это «фабрика персонализации». Вы загружаете свой дневник, историю переписок и рабочие заметки (сырьё), а он автоматически очищает, классифицирует и обрабатывает их, в итоге производя «мини-версию вас» (готовый продукт). Этот продукт можно установить на умные часы (редакция lite) или на компьютер (редакция plus) — как один и тот же человек в одежде разных размеров.

Источники данных           Ego Pod                        Выход
┌──────────────┐        ┌─────────────────┐         ┌──────────────┐
│ Sense-данные  │──┐     │                 │         │ Ego-lite     │
│ Action-данные │──┤     │  ① Сбор данных   │        │ Ego-normal   │
│ Thought-данные│──┼───→ │  ② Сборка корпуса│───────→│ Ego-plus     │
│ Skill-данные  │──┤     │  ③ Обучение LoRA │        │ Ego-super    │
│ Credentials  │──┘     │  ④ Мульти-выпуск │        │ [custom...]  │
└──────────────┘        └─────────────────┘         └──────────────┘
 Каталог/URL/Облако       Полностью авто · Повторяемо    Перезаписывает старое

Структура модели Ego

Каждый Ego = Базовая модель + LoRA-адаптер

  • Базовая модель: Малопараметрические модели с открытым исходным кодом (например, Qwen 3.5, Gemma 4), обеспечивающие общие языковые и логические способности. Аналогия: Базовая модель — это «квартира без отделки» — есть базовая структура и коммуникации, но нет личного стиля.
  • LoRA-адаптер: Обучен на данных владельца, несёт в себе его личность, предпочтения, воспоминания, знания и навыки. Аналогия: LoRA — это ваш «дизайн-проект интерьера» — любимая мебель, цвет стен и расположение освещения делают дом «вашим домом».

Базовая модель не содержит персонализированной информации; LoRA — это «душа».

Смена базовой модели — как переезд: Вы переезжаете из студии (0.8B) в трёхкомнатную квартиру (4B) — жильё становится больше, но ваш интерьерный стиль (LoRA) нужно заново адаптировать к новой планировке. Хорошая новость в том, что Ego Pod автоматически выполняет этот «ремонт».

Система редакций

Ego предоставляет четыре редакции по умолчанию, адаптированные для устройств с различными вычислительными возможностями:

РедакцияЦелевое устройствоМасштаб базыТипичный сценарий
liteУмные часы, диктофоны, дроны, IoT-устройства~0.8BEgo-lite работает на ваших умных часах, знает, что вы просыпаетесь в 7 утра и предпочитаете чёрный кофе, каждое утро автоматически отправляет напоминания о погоде и расписании тем же тоном, что и ваши собственные заметки
normalТелефоны, планшеты~2BEgo-normal на вашем телефоне понимает ваши привычки общения, автоматически использует ваши типичные формулировки и формат подписи при составлении писем
plusВысокопроизводительные ПК, локальные серверы~4-9BEgo-plus на вашем ноутбуке помогает с программированием, изучив ваш стиль кода (соглашения об именовании переменных, стиль комментариев, типичные паттерны проектирования), даёт предложения так, будто вы сами их написали
superОблачные сервисы, GPU-кластеры~27B+Ego-super в облаке обладает вашей полной базой знаний, может участвовать в технических ревью от вашего имени, высказывая мнения, максимально совпадающие с вашими собственными суждениями

Поддерживаются пользовательские редакции — пользователи могут свободно задавать им имена и настраивать конфигурацию.

Например: Врач может определить пользовательскую редакцию «clinic» (база 4B), специализированную для амбулаторных сценариев, изучившую его привычки ведения приёма, типичные шаблоны рецептов и стиль общения с пациентами.

Каждая редакция использует базовую модель разного масштаба и имеет собственный независимо обученный набор LoRA-адаптеров.