BLUEPRINT

核心概念

Ego Pod（自我意識膠囊）

Ego Pod 是 Ego 的核心引擎——一個全自動化的訓練管線。就像一個「修煉艙」，你把原始資料放進去，它自動幫你煉出一個懂你的 AI 模型。

它做三件事：

採集 — 從指定資料來源（本機目錄/URL/雲端硬碟/...）讀取宿主資料
煉化 — 將原始資料處理成訓練語料，基於選定基座訓練 LoRA 適配器
產出 — 輸出多個版本（edition）的 Ego 模型，覆蓋舊版本

類比：Ego Pod 就像一個「個人化工廠」。你把自己的日記、聊天紀錄、工作筆記（原料）送進去，它自動清洗、分類、加工，最後產出一個「迷你版的你」（成品）。這個成品可以裝在手錶上（lite 版），也可以裝在電腦上（plus 版），就像同一個人穿不同尺碼的衣服。

資料來源                   Ego Pod                        產出
┌──────────────┐        ┌─────────────────┐         ┌──────────────┐
│ Sense 資料    │──┐     │                 │         │ Ego-lite     │
│ Action 資料   │──┤     │  ① 資料採集      │         │ Ego-normal   │
│ Thought 資料  │──┼───→ │  ② 語料建構      │───────→ │ Ego-plus     │
│ Skill 資料    │──┤     │  ③ LoRA 訓練     │         │ Ego-super    │
│ Credentials  │──┘     │  ④ 多版本輸出     │         │ [custom...]  │
└──────────────┘        └─────────────────┘         └──────────────┘
 目錄/URL/雲端硬碟          全自動·可重複執行             覆蓋舊版本

Ego 模型結構

每個 Ego = 基座模型 + LoRA 適配器

基座模型：開源小參數模型（如 Qwen 3.5、Gemma 4 等），提供通用語言和推理能力。類比：基座就像一個「毛胚屋」，它有基本的結構和水電，但沒有任何個人風格。
LoRA 適配器：從宿主資料訓練而來，承載宿主的個性、偏好、記憶、知識、技能。類比：LoRA 就像你的「裝潢方案」——你喜歡的傢俱、牆面顏色、燈光配置，這些才讓房子變成「你的家」。

基座不包含任何個人化資訊，LoRA 才是「靈魂」。

換基座就像搬家：你從套房（0.8B）搬到三房（4B），房子變大了，但你的裝潢風格（LoRA）需要重新適配新格局。好消息是 Ego Pod 會自動幫你完成這個「重新裝潢」的過程。

Edition 體系

Ego 預設提供四個版本，適配不同算力的終端：

Edition	目標終端	基座規模	典型場景
lite	智慧手錶、錄音筆、無人機、IoT 裝置	~0.8B	你的智慧手錶上跑著 Ego-lite，它知道你每天 7 點起床、偏好黑咖啡，早上自動推送天氣和行程提醒，語氣和你自己寫備忘錄的風格一樣
normal	手機、平板電腦	~2B	手機上的 Ego-normal 能理解你的對話習慣，幫你草擬郵件時自動用你常用的措辭和簽名格式
plus	高效能 PC、本機伺服器	~4-9B	筆電上的 Ego-plus 能輔助你寫程式，它學習了你的編碼風格（變數命名習慣、註解風格、常用設計模式），給出的建議像是你自己寫的
super	雲端服務、GPU 叢集	~27B+	雲端的 Ego-super 擁有你的完整知識庫，能代替你參加技術審查，給出的意見和你本人的判斷高度一致

支援使用者自訂 edition，可自行命名和設定。

例如：一個醫生可以自訂一個 "clinic" edition（基座 4B），專門用於門診場景，學習了他的問診習慣、常用處方範本和病患溝通風格。

每個 edition 使用不同規模的基座，並各自擁有獨立訓練的 LoRA 適配器集合。