Сегодня
Student
Вы работаете вместе: задаёте задачи, поправляете, даёте контекст.
Student AIPersonal AI · проект ABrosko
Не просто пользуйтесь AI. Создавайте своего.
Student AI — система, в которой вы постепенно создаёте собственного Personal AI: он хранит память, накапливает опыт, работает с разными AI-моделями и со временем готовит основу для собственной модели.
Закрытая beta. Сегодня строится фундамент: память, опыт, проверка и инфраструктура. Собственная модель — следующий этап.
01 / Идея
Ваш AI начинается со Student
Со временем
Растёт
Копятся память, знания, опыт и навыки — ваши, а не чужого сервиса.
Цель
Ваш Personal AI
Всё более самостоятельный AI, который знает вас и остаётся с вами.
Модели могут меняться. Ваш AI — остаётся.
Сегодня большинство людей пользуются AI, который живёт у OpenAI, Anthropic или Google. Сегодня это ChatGPT, завтра Claude, послезавтра — новая модель. Student AI предлагает другую идею: ваш AI должен становиться вашим и продолжать развиваться, какую бы внешнюю модель вы ни выбрали.
Personal AI здесь — название категории: персональный AI, который принадлежит человеку. Student AI — самостоятельный проект ABrosko и один из подходов к такому AI.
02 / Как вы работаете
Три способа работать со своим AI
Learning, Direct и Duo — три режима одного Student. В каждом накопленные память и контекст остаются у вас.
Learning
Student получает опыт быстрее
Вы ставите задачу. Student берёт ваш контекст, несколько внешних моделей отвечают как наставники, ответы сравниваются и оцениваются, а полезный результат сохраняется как опыт.
Это не «спросить несколько AI». Это способ копить проверенный опыт — в перспективе материал для обучения вашей собственной модели.
ЧастичноНаставники, сравнение и оценка работают; полный режим Learning запланирован
Помоги составить план запуска сайта за 2 недели
GPTплан по дням8.6
Claudeриски и проверки9.1
Модель 3сжатый вариант7.2
Собрал лучший план из трёх ответов и проверил его. Учёл, что вы работаете по вечерам.
✓ Сохранено в опыт · проверено
- Вы
- Student
- Наставники
- Сравнение и оценка
- Опыт
- Будущее обучение
- Personal AI
Direct
Прямой разговор с выбранной моделью
Обычное общение с одной моделью — но внутри Student. История, контекст и накопленный опыт принадлежат вашей системе, а не конкретному провайдеру.
Сегодня вы говорите с одной моделью. Завтра — с другой. Контекст и опыт остаются с вашим Student.
ЧастичноБазовый чат с историей работает; полноценный чат V1.0 в работе
Контекст подключён: проект «сайт», 12 заметок, решения прошлой недели
Продолжим с того места, где остановились вчера?
Да. Вчера мы выбрали структуру и отложили тексты для страницы услуг. Начнём с них?
ChatGPTClaudeдругая модель
- Вы
- Student
- Выбранная модель
- Ответ
Duo
Два AI работают как команда
Слева ChatGPT думает и координирует, справа Claude выполняет. Agent — не третий чат, а режим выполнения внутри правой сессии: он работает только с инструментами, которые вы разрешили, — MCP, GitHub, сервер.
Duo — не главная идея Student AI, а пример того, насколько сильным становится ваш AI, когда умеет координировать несколько моделей и инструментов.
ЗапланированоРежим Duo запланирован
ChatGPT · координатор
- Изучить проект
- Найти нужные файлы
- Подготовить изменения
- Проверить результат
Передать Claude →
Claude · исполнитель · Agent
- ✓ задача получена
- ✓ GitHub: 3 файла прочитаны
- … сервер: запуск проверки
MCPGitHubСервертолько разрешённые
- Вы и Student
- ChatGPT — план
- Claude Agent — выполнение
- MCP / GitHub / сервер
- Результат инструмента
- Следующий шаг
- Итог
03 / Что остаётся у вас
Что становится вашим
«Создавать своего AI» — это не аватар и не набор настроек. Это то, что постепенно накапливается, пока вы работаете вместе.
Memory Память
Что важно помнить о вас: факты, решения, договорённости.
Knowledge Знания
Что система узнала из ваших материалов и разговоров.
Experience Опыт
Что произошло, что проверили и чему это научило.
Skills Навыки
Способы решать задачи, которые складываются со временем.
Context Контекст
Как вы работаете, думаете и общаетесь с AI.
Personal Model Своя модель
Собственная модель, обученная на проверенном опыте.
Будущее
04 / Главное различие
Как Student учится
Memory ≠ Experience ≠ Training ≠ Personal AI
- Память позволяет AI помнить.
- Опыт позволяет накапливать результаты работы.
- Проверенный опыт может стать материалом для будущего обучения.
- Обучение постепенно меняет собственную модель.
- Всё вместе формирует Personal AI, который становится всё более вашим.
Это не автоматический конвейер. Не каждая переписка становится опытом и тем более обучением. Будущее обучение — только через проверенный и контролируемый опыт: кандидат отделяется от подтверждённого примера, сохраняются источники и причины оценки, персональные данные отделяются от общих, а согласие нескольких моделей не принимается за истину.
05 / Не обёртка
Почему это не просто ChatGPT
Внешние модели — сменные инструменты
ChatGPTClaudeновые модели
Ваш Student — отдельный слой
памятьисторияопытконтекстнавыки
Вы
Model ≠ Personal AI
Student AI не пытается стать ещё одним интерфейсом поверх ChatGPT. Внешние модели здесь — сменные инструменты и наставники. Student хранит собственную память, историю и опыт, и в будущем именно они должны стать основой вашего Personal AI.
Поэтому вы строите не аккаунт внутри одной модели, а отдельную AI-систему. Я не хочу, чтобы вы навсегда зависели от одного AI-провайдера.
06 / Эволюция
Как ваш AI развивается
- Raw Interactionразговор
- Memoryпамять
- Experienceопыт
- Validationпроверка
- Training Dataотобранные примеры
- Personal Trainingобучение
- Personal AI v1первая версия
- Evaluationоценка и откат
- Personal AI v2и дальше…
Сейчас
Memory · Event Log · Experience · Evaluator · AI-Center · основа Learning · Direct (базовый чат)
Строится и следующие этапы
Рабочий чат V1.0 · Learning · Duo · Training Dataset · готовность к обучению · Personal Training · версии Personal AI · оценка и откат
Долгосрочная цель
Собственная персональная AI-модель, которая развивается вместе с человеком.
Это целевая архитектура развития Student AI, а не список функций, которые уже полностью реализованы. Что работает сегодня — в разделе «Что уже работает».
07 / Переносимость · долгосрочная цель
Заберите своего AI с собой
Не просто «скачать историю чатов» или «выгрузить память». Цель — чтобы вы могли забрать своего AI: всё, что он накопил за время работы с вами.
Я хочу, чтобы память, опыт, знания и обучающие данные не были навечно привязаны к одной платформе или одному провайдеру. В будущем — экспорт, импорт, резервные копии и перенос между совместимыми системами.
ЗапланированоАрхитектурная цель; экспорт и импорт пока не реализованы
Export your Personal AI
- Memory — память
- Experience — опыт
- Knowledge — знания
- History — история
- Training examples — обучающие примеры
- Skills — навыки
- Preferences — предпочтения
- Model / version — версии модели
- Files — нужные файлы
08 / Видение будущего
Ваш AI может жить у вас
Представьте, что вы годами работаете со Student AI: накопились память, знания, опыт, навыки и версии вашего AI. Цель — дать возможность перенести его на собственный компьютер, не разбираясь в Python, CUDA, PyTorch, GGUF, квантизации и настройке запуска.
- 01
Проверить компьютер
Процессор, память, видеокарта и свободное место — автоматически.
- 02
Выбрать базовую модель
Из поддерживаемых — ту, что потянет ваш компьютер.
- 03
«Установить мой AI»
Одна кнопка вместо Python, CUDA, GGUF и настройки запуска.
- 04
Подключить аккаунт
Связать локальную установку со своим Student AI.
- 05
Получить своё состояние
Память, опыт, знания, настройки и, когда будут, обученные адаптации.
- 06
Работать у себя
На вашем компьютере работает ваш собственный Personal AI.
Базовая модель сама по себе вас не знает. В будущем вы сможете выбрать совместимую базовую модель, а Student AI подготовит персональный слой для локального запуска. Сейчас локальный запуск, экспорт и синхронизация не реализованы.
Облако и компьютер — вместе, а не вместо
Local · у вас
- собственная модель и её запуск
- приватные данные
- работа без обращения к облачной модели на каждый запрос
Student AI Cloud
- обучение и проверка
- наставники и новые примеры
- обновления, версии, резервные копии
- синхронизация и развитие
AI может принадлежать вам, а инфраструктура его развития — оставаться сервисом Student AI.
09 / Платформа · долгосрочная возможность
Student AI Platform
Вы владеете AI. Я строю инфраструктуру, которая помогает ему расти.
Даже когда ваш AI работает у вас, ему нужно где-то учиться, проходить проверку, получать новые версии и храниться в безопасности. Это будущая роль платформы Student AI.
Это продуктовая идея, а не запущенная модель оплаты: условий, тарифов и цен пока нет.
- Training — обучение
- Evaluation — проверка
- Mentors — наставники
- Updates — обновления
- Versions — версии
- Sync — синхронизация
- Backup — резервные копии
10 / Честно о текущем состоянии
Что уже работает
Состояние на . Фундамент построен и стабилизирован; готовится полноценный рабочий чат V1.0.
- Базовый чат с историейОтдельные разговоры, история и последние сообщения в контексте запроса.
- Память вне моделиХранилище знаний с поиском: информация не привязана к конкретной модели.
- AI-наставникиОбращение к моделям OpenAI и Anthropic и сравнение их ответов.
- Оценка ответовПравила и оценка с помощью AI-модели, сохранение оценок и замечаний.
- Хранилище опытаКак решалась задача: вопрос, ответы, итог и оценки.
- Журнал событийЭпизоды и последовательность событий взаимодействия.
- Основа AI-CenterПровайдеры, модели и роли из настроек; динамический состав наставников.
- Основа для будущего обученияПодготовлены наборы данных и порядок проверки новых версий модели. Собственная модель пока не обучается.
11 / Roadmap
Что строится и что дальше
Даты будущих этапов не указаны намеренно: каждый этап принимается по результату, а не по календарю.
Сейчас строится
В работеПодготовка
Полноценный рабочий чат V1.0
Ежедневный чат с выбором модели, потоковым ответом, историей, остановкой и повтором. Главное — хорошая память и контекст: продолжать работу после длинной переписки и использовать нужные решения из других разговоров.
Сейчас идёт подготовка: определяется, что войдёт в V1.0 и как будет проверяться результат. Работа над самой новой версией ещё не началась. V1.0 будет принят по реальным сценариям использования.
ЧастичноОснова готова
Развитие AI-Center
Доделать то, что нужно первой версии чата: подключения, модели и роли наставников и оценки.
ЗапланированоПорядок работы определён
Learning
Режим, в котором Student не просто пересылает вопрос, а формирует собственный ответ, получает его проверку от наставников и итоговую оценку.
Отдельный режим, который не задерживает выпуск V1.0.
ИсследованиеПлан эксперимента готов
Улучшение долговременной памяти
Сравнение нескольких подходов к долговременной памяти на одинаковых данных. Решение — по результатам измерений.
Сам эксперимент запланирован на подходящий этап и ещё не проводился.
Что дальше
Запланировано
Duo
Два полноценных рабочих пространства с разными моделями и передача задачи между ними без ручного копирования — с видимой историей: кто, кому и с каким контекстом передал задачу.
ЗапланированоОзвучивание ответа отложено
Голос
Голосовой ввод: распознанный текст появляется в поле ввода, и вы проверяете его перед отправкой. Озвучивание ответов — по необходимости, позже.
Запланировано
Контролируемый Agent
Чат, который выполняет разрешённые действия, а не только обсуждает их. Важные и необратимые действия — только после вашего подтверждения.
Запланировано
MCP и инструменты
Подключение нужных внешних инструментов и сервисов в управляемом режиме.
ОтложеноОтложено до готовности
Локальная Brain
Собственная модель, которая со временем может взять на себя подходящие функции. Модель, её размер и требования пока не выбраны.
ОтложеноОтложено до готовности
Обучение собственной модели
Обучение узким проверяемым навыкам на зафиксированных наборах данных: извлечение фактов, выбор контекста, распознавание устаревшей информации, честный отказ. Каждая новая версия проверяется и может быть отменена.
- Завершено Сделано в утверждённом объёме.
- Частично Результат есть, но остаются условия завершения.
- В работе Ближайшая активная работа.
- Исследование Сравниваем варианты; решение — по измерениям.
- Запланировано Реализация ещё не начата.
- Отложено Ждёт подходящего этапа или готовности.
История проекта: как появлялся каждый слой
Каждый следующий слой появлялся потому, что предыдущего оказывалось недостаточно. Ранние этапы описаны по результату: точная хронология первых экспериментов сохранилась не во всех деталях, и я её не додумываю.
Этап 1
Идея Personal AI
Завершено
- Проблема
- Обычный AI-чат начинает каждую сессию почти с нуля, а память и история остаются внутри конкретного сервиса.
- Что сделали
- Задумать систему, в которой память, история и опыт принадлежат самому проекту и сохраняются при смене модели или AI-провайдера.
- Результат
- Основная идея проекта: модель может меняться, а личная память, история и состояние работы остаются.
Этап 2
Первые модельные эксперименты
Завершено
- Проблема
- Нужно было проверить, может ли у Student появиться собственный модельный слой.
- Что сделали
- Модель отделили от остальной системы и провели эксперименты с небольшими обучаемыми моделями TinyMLP и CharRNN.
- Результат
- Эксперименты помогли отделить модель от системы и показали границу между экспериментальной моделью и полноценным Personal AI.
- Граница
- Эти модели не стали разговорной языковой моделью и сейчас не формируют ответы Student.
Этап 3
Память
Завершено
- Проблема
- Если весь контекст живёт только внутри модели или одной сессии, он теряется при смене модели и между разговорами.
- Что сделали
- Появилось отдельное хранилище знаний с поиском, а также отдельные разговоры с историей и последними сообщениями в контексте.
- Результат
- Информация хранится вне модели, и разговор можно продолжать.
- Граница
- Это базовый уровень. Качественная память на длинные истории и между разными чатами ещё впереди.
Этап 4
AI-наставники
Завершено
- Проблема
- Одна модель — один взгляд на задачу и одна точка зависимости.
- Что сделали
- Student научился обращаться к внешним моделям OpenAI и Anthropic как к наставникам: получать независимые ответы и сравнивать их.
- Результат
- Внешние модели стали источниками помощи для Student, а не единственным «мозгом» системы.
Этап 5
Evaluator — оценка ответов
Завершено
- Проблема
- Получить ответ — ещё не значит получить хороший ответ.
- Что сделали
- Появился базовый механизм проверки: формальные правила, оценка с помощью AI-модели, сохранение оценок и замечаний.
- Результат
- Система различает просто полученный ответ и ответ, который прошёл проверку.
- Граница
- Оценка другой AI-модели — не доказательство истины. Строгие правила отбора данных для обучения — будущая работа.
Этап 6
Experience — накопление опыта
Завершено
- Проблема
- Память хранит факты, но не показывает, как именно решалась задача и что из этого получилось.
- Что сделали
- Появилось хранилище опыта: вопрос, ответы, итог, оценки и сведения о том, как проходило взаимодействие.
- Результат
- У системы появилась история решений, из которой со временем можно отбирать полезный опыт.
- Граница
- Запись опыта ещё не равна проверенному обучающему примеру.
Этап 7
Стабилизация
Завершено
- Проблема
- Перед расширением система должна работать предсказуемо, а не только «в целом».
- Что сделали
- Укрепили надёжность и обработку ошибок, сделали понятными итоговые состояния запросов и восстановление после сбоев.
- Результат
- Этап завершён в утверждённом объёме: дальше можно строить, а не латать.
- Граница
- Отдельные архитектурные вопросы оставлены открытыми сознательно и не потеряны.
Этап 8
Event Log — журнал событий
ЧастичноХранилище готово, запись полного цикла проверяется
- Проблема
- Для Personal AI мало хранить сообщения: важно понимать, что и в каком порядке произошло.
- Что сделали
- Появился журнал событий: эпизоды взаимодействия и последовательность событий внутри них.
- Результат
- Фундамент для анализа опыта и будущего Learning.
- Граница
- Запись полной цепочки — от вопроса до итога — реализована, но её работа в реальной среде ещё не подтверждена.
Этап 9
AI-Center
ЧастичноОснова готова, блок не завершён
- Проблема
- Если модели и провайдеры зашиты в код, проект навсегда привязан к одному поставщику.
- Что сделали
- AI-Center — место для управляемой работы с AI-провайдерами, моделями и ролями. Уже можно выбирать модель под роль и собирать состав наставников из настроек.
- Результат
- Состав наставников собирается из настроек, а не задаётся жёстко в коде.
- Граница
- Блок не завершён: часть возможностей ещё в работе.
Технические детали: Event Log, память и собственная модель
Зачем нужен Event Log
Чтобы учиться на опыте, мало хранить сообщения. Event Log записывает взаимодействие как связанную цепочку: вопрос, контекст, память, обращения к AI, ответы, оценка, итог. Из таких цепочек потом видно, что сработало, — это основа для Learning и отбора опыта.
ЧастичноХранилище готово; запись полного цикла проверяется в реальной работе
- Вопрос
- Контекст и память
- Обращения к AI
- Ответы и оценка
- Итог
Долговременная память: решаем измерениями
Сравниваем несколько подходов: текущий механизм, гибридный поиск и Hindsight — на одинаковых данных и по заранее согласованным критериям: качество поиска, русский язык, полнота, ложные воспоминания, скорость, ресурсы, стоимость, замена без потери данных. Итогом может быть и отказ от нового компонента.
ИсследованиеПлан эксперимента готов; эксперимент ещё не проводился
Собственная модель (Brain)
Цель — не «заменить ChatGPT», а постепенно перенести подходящие функции в собственный Personal AI. Начинать — с узких проверяемых навыков: извлечение фактов, выбор контекста, распознавание устаревшей информации, честный отказ. Каждая версия проходит независимую проверку, предыдущая сохраняется для отката. Меняющиеся личные факты остаются в памяти, а не «зашиваются» в модель.
ОтложеноОтложено: модель и требования ещё не выбраны
12 / Вопросы
Частые вопросы
Что такое Student AI?
Проект ABrosko — система, из которой со временем должен вырасти собственный Personal AI пользователя. Сегодня это чат, в котором память, история и опыт хранятся в самой системе, отдельно от конкретной AI-модели: модели можно менять, а накопленное остаётся. Собственная модель — следующий этап, а не уже работающая функция.
Student AI связан с компанией или продуктом Personal AI?
Нет. Personal AI на этой странице — название категории: персональный искусственный интеллект, который принадлежит человеку и развивается вместе с ним. Student AI — самостоятельный проект ABrosko и один из подходов к созданию такого AI.
Это ещё один чат-бот поверх ChatGPT?
Сейчас ответы действительно формируют внешние модели — OpenAI и Anthropic. Отличие в другом: память, журнал событий, опыт и оценка ответов принадлежат самому Student и не зависят от одного провайдера. Модели здесь — сменные наставники и инструменты, а не место, где хранится всё накопленное.
Student AI обучается на моих переписках?
Нет. Сейчас у Student AI нет собственной модели, которую можно было бы обучать. Автоматического обучения на каждой переписке не планируется: будущее обучение — только на отобранном и проверенном опыте и только после отдельного этапа подготовки.
Чем Memory отличается от Experience и Training?
Memory — то, что система сохраняет и использует как контекст: факты, решения, предпочтения. Experience — запись того, как решалась задача и что получилось. Training — будущий этап, на котором проверенный опыт может стать материалом для обучения собственной модели.
Зачем несколько AI-наставников?
Чтобы получать независимые ответы и проверку с разных сторон, а не полагаться на одну модель. Количество наставников не фиксировано — состав определяется задачей и настройками. При этом согласие нескольких моделей не считается доказательством истины.
Смогу ли я забрать своего AI или запустить его на своём компьютере?
Это долгосрочная цель проекта, а не готовая функция. Экспорт, импорт, локальный запуск и синхронизация облака с компьютером сейчас не реализованы. Архитектура строится так, чтобы накопленные память, опыт и обучающие данные со временем можно было перенести.
Есть ли у Student AI собственная модель?
Пока нет. Ранние эксперименты с небольшими моделями не стали разговорной моделью. Сейчас ответы формируют внешние модели через Student. Собственная модель (Brain) — отложенное направление: модель и требования ещё не выбраны.
Когда выйдет следующая версия?
Конкретных дат нет, и обещать их я не буду. Ближайший рубеж — полноценный рабочий чат V1.0 с хорошей памятью и контекстом. Он будет принят по реальным сценариям использования, а не по календарю.
Как попасть в beta-тестирование и что будет с моими данными?
Оставьте заявку через форму на этой странице. Имя, email, контакт и ответ на вопрос используются только для связи по beta-тестированию, не публикуются и не отправляются в AI-модели. Заявка хранится на сервере проекта, а уведомление о ней приходит автору в Telegram. Подробности — в политике конфиденциальности сайта.
Как обрабатываются данные заявки на beta-тестирование — в политике конфиденциальности.
Представьте, что вы работаете со своим AI не неделю, а годы
Он помнит ваш контекст. Знает ваши привычки и решения. Учится на ваших исправлениях, копит опыт и формирует собственные навыки. И постепенно перестаёт быть просто инструментом — он становится вашим AI.
Сегодня это Student. Завтра — Personal AI. А в перспективе он сможет работать там, где нужен вам: в облаке, на вашем компьютере или на новых устройствах.
Закрытая beta: часть функций экспериментальна и будет меняться. Другие проекты — на странице проектов.