跳到主要内容

为什么是设备 Agent

今天的个性化大多是云端画像、一次微调模型发布，或一段塞满用户文本的 prompt。 Edge 采取不同的契约：设备是 Agent，App 是载体，学习是只在兼容性检查通过后 才恢复的本地运行时状态。本页解释为什么——以及快速开始到底证明了什么。

产品层面的转变​

模型发布跟不上每一个用户。云端画像把私有文本重放进每次请求。个人助手真正 需要的是：基础模型包保持稳定，每个用户的设备持续学习这个用户——本地、可 移除、可审计。

Edge 把这种本地学习产物叫做 Neural Imprint。它只在兼容性检查通过后 恢复，是可删除的本地数据，也不需要把私有画像文本塞进每一次 prompt。

一次学习运行里实际发生了什么​

当你跑完快速开始时，发生的是：

  • Agent 从一个你先检查过的本地合成信号中学习。
  • RPP 自学习产出了一个本地学习表示。
  • Neural Imprint 把该状态恢复进一个兼容的模型会话。
  • 恢复通过了模型、tokenizer、运行时和工具 schema 兼容性检查。
  • 工具策略展示了哪些本地工具合适、哪些动作在边界之外。
  • 任何一步兼容性失败，产品都保持基础模型路径。

这不是 LoRA、不是 SFT、不是 prompt 塞入，也不是云端个性化。

这是 LoRA 或 SFT 吗？​

不是。LoRA 和 SFT 适用于你有意要发布一个训练过的模型或 adapter 的场景。 那需要算力、数据整备、发布打包、回滚和回归评估。Neural Imprint 是面向 每用户设备学习的另一种契约：基础模型包保持稳定，本地学习状态只在兼容性 检查通过后恢复。

这是 prompt 塞入吗？​

不是。prompt 塞入在每次请求里重复画像文本或指令，消耗上下文预算并重放私有 状态。学习后的聊天从 Neural Imprint 回执恢复本地运行时状态，然后通过正常 生成路径处理当前消息。

快速开始里 Agent 学到了什么？​

只有你检查过的合成信号：风险边界、现金流上下文、信任边界和预期本地工具 策略。在真实产品里，这些信号来自 App 批准的本地设置、显式用户偏好和用户 可见的纠正。载体 App 拥有这个策略。

导出的 App 已经包含 Mac 上的学习结果吗？​

默认不包含。导出不会自动把 Mac 的 learn_receipt.json 或其 Neural Imprint 产物打进 App。这是有意的：用户的学习状态应该由设备/载体生命周期拥有，而 不是被静默烘进模板 ZIP。用 Mac 演示检查并证明机制；用导出的 App 在真实 设备上接同一套生命周期。

手机怎么学到新的偏好？​

载体把用户批准的信号记录在本地，比如一个设置、一次纠正或一条分类过的事实。 当 App 判定信号符合条件时，启动设备端 Edge Halo job。该 job 使用本地模型 会话、本地工具 schema 和打包的 RPP A-library 构建新的 Neural Imprint capsule。恢复经过兼容性检查、失败即关闭。手机不需要回到 Mac，也不需要为 每个新偏好重新导出 App。

answers_differ: True 证明生产就绪了吗？​

不能。它证明的是：对这个受控合成示例，恢复的 Neural Imprint 产物处于激活 状态，且回答在恢复后发生了移动。生产就绪还需要任务级评估、UI 控制、删除 UX 和真机验证。

深入阅读​