AOI · ARCH-001

Aoi Personal Event & Action System

独立个人事件 Agent · 感知变化 · 形成判断 · 授权行动

STATUS REFERENCE · V0.3
PRODUCT LOOPSignals → Events → Decisions → Outcomes
COMPOUNDING ASSETLongitudinal Personal Event Graph
TRUST MODELHuman Approval + Least Privilege
TECHNICAL COREPostgreSQL + Policy Engine + Workers
INVESTOR READING LAYER

先理解产品闭环与壁垒,再进入技术全景

60-SECOND ARCHITECTURE

Aoi 如何把生活信号转化为可信行动

Aoi 不是一次性聊天机器人。它维护持续更新的个人事件状态,并只在可解释、可授权的边界内介入。

01 · SENSE

连接生活信号

持续接收邮件、日历、对话和外部环境变化,不依赖用户手动录入。

邮件日历对话
02 · UNDERSTAND

形成个人事件

把碎片信息变成带时间、证据、置信度和版本的长期事件记忆。

事件图谱结构化 Claim持续更新
03 · DECIDE

判断是否介入

识别真正重要的变化,结合置信度、风险和用户偏好选择沉默、询问或建议。

置信度风险策略推理计划
04 · ACT

在授权边界内行动

通过审批和最小权限执行器创建日历、发送提醒或完成外部操作。

用户审批主动提醒受限执行
OUTCOME LEARNING LOOP每次确认、忽略、纠正和执行结果,都会更新事件状态、偏好与策略。
ARCHITECTURAL DEFENSIBILITY

真正难以复制的不是模型,而是长期闭环

个人事件数据层

跨来源证据、时间线、冲突和历史版本形成可积累的个人状态。

信任与行动边界

LLM 负责推理,确定性策略负责授权,执行器只拿到最小权限。

结果反馈飞轮

从 Outcome 学习何时介入、怎样表达以及什么动作对用户真正有价值。

WHAT AOI OWNS事件记忆、策略与结果数据

模型和渠道可以替换,用户长期状态不会随供应商切换而丢失。

FIRST CLOSED LOOP行程邮件 → 日历 → 提醒 → 反馈

这是当前最容易验证准确率、介入价值和用户信任的端到端场景。

EXECUTION RISKS准确率、介入质量与权限隔离

产品成败不只取决于模型能力,更取决于可校准、可撤销和低打扰。