BLUEPRINT

核心概念

Ego Pod（自我意识胶囊）

Ego Pod 是 Ego 的核心引擎——一个全自动化的训练管线。就像一个"修炼舱"，你把原始数据放进去，它自动帮你炼出一个懂你的 AI 模型。

它做三件事：

采集 — 从指定数据源（本地目录/URL/云盘/...）读取宿主数据
炼化 — 将原始数据处理成训练语料，基于选定基座训练 LoRA 适配器
产出 — 输出多个版本（edition）的 Ego 模型，覆盖旧版本

类比：Ego Pod 就像一个"个性化工厂"。你把自己的日记、聊天记录、工作笔记（原料）送进去，它自动清洗、分类、加工，最后产出一个"迷你版的你"（成品）。这个成品可以装在手表上（lite 版），也可以装在电脑上（plus 版），就像同一个人穿不同尺码的衣服。

数据源                     Ego Pod                        产出
┌──────────────┐        ┌─────────────────┐         ┌──────────────┐
│ Sense 数据    │──┐     │                 │         │ Ego-lite     │
│ Action 数据   │──┤     │  ① 数据采集      │         │ Ego-normal   │
│ Thought 数据  │──┼───→ │  ② 语料构建      │───────→ │ Ego-plus     │
│ Skill 数据    │──┤     │  ③ LoRA 训练     │         │ Ego-super    │
│ Credentials  │──┘     │  ④ 多版本输出     │         │ [custom...]  │
└──────────────┘        └─────────────────┘         └──────────────┘
 目录/URL/云盘              全自动·可重复执行             覆盖旧版本

Ego 模型结构

每个 Ego = 基座模型 + LoRA 适配器

基座模型：开源小参数模型（如 Qwen 3.5、Gemma 4 等），提供通用语言和推理能力。类比：基座就像一个"毛坯房"，它有基本的结构和水电，但没有任何个人风格。
LoRA 适配器：从宿主数据训练而来，承载宿主的个性、偏好、记忆、知识、技能。类比：LoRA 就像你的"装修方案"——你喜欢的家具、墙面颜色、灯光布局，这些才让房子变成"你的家"。

基座不包含任何个性化信息，LoRA 才是"灵魂"。

换基座就像搬家：你从一居室（0.8B）搬到三居室（4B），房子变大了，但你的装修风格（LoRA）需要重新适配新户型。好消息是 Ego Pod 会自动帮你完成这个"重新装修"的过程。

Edition 体系

Ego 默认提供四个版本，适配不同算力的终端：

Edition	目标终端	基座规模	典型场景
lite	智能手表、录音笔、无人机、IoT 设备	~0.8B	你的智能手表上运行 Ego-lite，它知道你每天 7 点起床、偏好黑咖啡，早上自动推送天气和日程提醒，语气和你自己写备忘录的风格一样
normal	手机、平板电脑	~2B	手机上的 Ego-normal 能理解你的对话习惯，帮你草拟邮件时自动用你常用的措辞和签名格式
plus	高性能 PC、本地服务器	~4-9B	笔记本上的 Ego-plus 能辅助你写代码，它学习了你的编码风格（变量命名习惯、注释风格、常用设计模式），给出的建议像是你自己写的
super	云服务、GPU 集群	~27B+	云端的 Ego-super 拥有你的完整知识库，能代替你参加技术评审，给出的意见和你本人的判断高度一致

支持用户自定义 edition，可自行命名和配置。

例如：一个医生可以自定义一个 "clinic" edition（基座 4B），专门用于门诊场景，学习了他的问诊习惯、常用处方模板和患者沟通风格。

每个 edition 使用不同规模的基座，并各自拥有独立训练的 LoRA 适配器集合。