# NoNo — ARCHITECTURE.md > **NoNo to Personal Intelligence System (PIS).** Ten dokument opisuje **JAK** — architekturę od strony przepływu danych i zdarzeń, nie modułów. > > Trójkąt dokumentów: > - **`ARCHITECTURE.md`** (ten) — *JAK*: event-flow, 5 warstw, pętla uczenia (silnik). > - [`MODULES_MASTER.md`](MODULES_MASTER.md) — *CO*: katalog funkcjonalny, ułożony modułowo (widok „co system robi"). > - [`TECH_STACK.md`](TECH_STACK.md) — *CZYM*: technologie. > > Katalog modułowy to **widok**. Przepływ zdarzeń to **silnik**. Oba są poprawne — do swojego celu. --- ## 1. Czym jest NoNo (teza) **Personal Intelligence System** — system, który stopniowo buduje cyfrowy model człowieka, ciągle go obserwując, rozumiejąc i wspierając we wszystkich aspektach życia. Nie zastępuje człowieka. Nie decyduje za niego. Nie diagnozuje. Jego rola: **pamiętać · rozumieć · przewidywać · tłumaczyć · pomagać działać.** **Różnica względem rynku:** Samsung Health = zdrowie, YNAB = finanse, Notion = wiedza, MyFitnessPal = dieta, ChatGPT = rozmowa. NoNo mówi: **wszystko jest jednym organizmem.** To jest fundamentalna różnica. **Prawdziwa fosa = ciągłość.** Większość AI zaczyna od zera; większość aplikacji pokazuje ostatni tydzień. NoNo za 10 lat ma pamiętać, *dlaczego* zmieniłeś dietę, *kiedy* byłeś najszczęśliwszy, które decyzje były trafne, które nawyki naprawdę zmieniły życie. > **Nie budujesz aplikacji. Budujesz pamięć. Wszystko inne to sposób korzystania z tej pamięci.** --- ## 2. Filtr projektowy (najważniejsza reguła) Każda nowa funkcja musi odpowiedzieć na jedno pytanie: > ### Czy zwiększa wiedzę AI o użytkowniku? > **TAK →** pasuje, dodaj. **NIE →** prawdopodobnie nie należy do NoNo. To jest twardy filtr, który chroni projekt przed rozmyciem w kolejny „zbiór trackerów". --- ## 3. Pięć warstw ``` ┌─────────────────────────────────────────────┐ │ 5 · EXPERIENCE Mobile · Web · WhatsApp · │ jedna pamięć, jeden AI, │ Signal · Voice · Email │ wiele interfejsów ├─────────────────────────────────────────────┤ │ 4 · EXECUTION Goal → Plan → Tasks → │ AI wykonuje │ Shopping → Notify → Follow │ (human-in-the-loop) ├─────────────────────────────────────────────┤ │ 3 · INTELLIGENCE Pattern → Prediction → │ AI rozumie, │ Why → Confidence → Learning │ nie raportuje ├─────────────────────────────────────────────┤ │ 2 · MEMORY Facts + Events + Embeddings │ cyfrowa pamięć │ + Relationships + Timeline │ (Personal Intelligence │ + Knowledge Graph │ Graph) ├─────────────────────────────────────────────┤ │ 1 · DATA wszystko jest EVENTEM │ fundament — │ (append-only) │ nie ma modułów, są zdarzenia └─────────────────────────────────────────────┘ ``` ### Warstwa 1 — Data (event-first) Fundament. **Nie ma modułów — są zdarzenia.** Voice, Photo, Weight, Expense, Workout, Lab, Sleep, WhatsApp, News, Calendar → wszystko wpada jako **event**. ### Warstwa 2 — Memory Najważniejsza. Nie „SQL albo Vector albo Graph" — to wszystko **razem**: `Facts + Events + Embeddings + Relationships + Timeline + Knowledge Graph`. To cyfrowa pamięć i podłoże **Personal Intelligence Graph** (§5). ### Warstwa 3 — Intelligence Tu rodzi się wartość: `Pattern → Prediction → Why → Confidence → Learning`. Nie raportujemy — **rozumiemy**. ### Warstwa 4 — Execution Największa przewaga: `Goal → Plan → Tasks → Shopping → Notifications → Follow-up → Learning`. AI nie tylko radzi — **robi** (z human-in-the-loop przy akcjach nieodwracalnych). ### Warstwa 5 — Experience To, co widzi użytkownik: Mobile · Web · WhatsApp · Signal · Voice · Email. **Jedna pamięć, jeden AI, wiele interfejsów.** --- ## 4. Rdzeń — pętla (prawdziwa architektura, pisana od przepływu, nie od modułów) ``` ┌──────────────────────────────────────────────┐ │ │ Input → Parse → Memory → Understanding → Decision → Execution → Feedback → Learning (SQL+Vector+Graph) (Pattern/Prediction/ │ Why/Confidence) │ └────────────────── aktualizuje Memory ◄──────────────────┘ ``` **Domknięcie `Feedback → Learning` jest tym, co czyni AI dojrzewającym.** Bez tej pętli NoNo jest trackerem. To najważniejsza rzecz, której brakowało w opisie modułowym — bo to nie moduł, to **szkielet**. --- ## 5. Model zdarzeń (kręgosłup, trzymany pragmatycznie) - **Append-only tabela `events` = źródło prawdy (model zapisu).** Nigdy nie aktualizujemy stanu — **dopisujemy event.** - **Projekcje / read-models = stan bieżący** (aktualna waga, budżet, scoringi), odtwarzane ze strumienia zdarzeń. - **Co to daje za darmo:** Life Replay, Timeline życia, **Decision Log**, audit, oraz feedback do pętli uczenia. Za 10 lat można **odtworzyć całe życie użytkownika.** > ⚠️ **Pragmatyzm (single-user, R&D):** append-only `events` + projekcje — **nie** pełne CQRS/event-store z ceremonią. To 20%, które daje 80%. Pełną infrastrukturę event-store dokładamy tylko, gdyby realnie była potrzebna. **Taksonomia zdarzeń (przykłady):** `WeightAdded` · `LabUploaded` · `ExpenseAdded` · `VoiceRecorded` · `MoodChanged` · `SleepImported` · `WorkoutFinished` · `SupplementTaken` · `NewsRead` · `GoalCompleted` · `DecisionMade` · `MessageReceived` · `HealthMetricSynced` --- ## 6. Personal Intelligence Graph (PIG) Nie „Knowledge Graph" (techniczny) — **model życia**: ``` ┌── zdrowie ├── praca ├── finanse człowiek ──────┼── emocje ├── cele ├── rodzina ├── projekty ├── wiedza └── historia ``` Opisuje, jak domeny życia się łączą, i jest podłożem **Digital Twin**. Knowledge Graph (technika) jest jego implementacją; Personal Intelligence Graph jest jego znaczeniem. --- ## 7. AI jako partner (Persona + ciągłość) Nie chatbot. Nie asystent. **Partner** — przez rok, pięć lat, dwadzieścia lat. AI **dojrzewa razem z użytkownikiem**. - **Persona / User Model** — AI wie: kim jesteś, jak reagujesz, jakie masz cele, wartości, styl komunikacji. To nie jest „ton bota" (osobowość AI) — to **model człowieka**. - **Ciągłość** pamięci, kontekstu i uczenia się przez lata = największy „wow": *„Znam Cię — nie dlatego, że przeczytałem Internet, tylko dlatego, że byłem z Tobą codziennie."* --- ## 8. Roadmapa wg dojrzałości zdolności (nie MVP/V1/V2) | Etap | AI... | Warstwy | |------|-------|---------| | **1** | zaczyna **pamiętać** | Data + Memory | | **2** | zaczyna **rozumieć** | + Pattern / Why | | **3** | zaczyna **przewidywać** | + Prediction / Confidence | | **4** | zaczyna **wykonywać zadania** | + Execution / Agents | | **5** | staje się **cyfrowym partnerem** | + Persona + ciągłość + Learning | > To są kamienie milowe **zdolności**, nie daty. Ograniczenia wdrożeniowe (Android-first, chmura → Bielik, single-user) żyją w [`TECH_STACK.md`](TECH_STACK.md) i nie zawężają wizji funkcjonalnej. --- ## 9. Gdzie lądują luki z poprzedniej oceny (8 rzeczy → mapa na warstwy) Te punkty „brakowały", bo to **architektura, nie moduły** — tu mają swoje miejsce: | Pozycja | Warstwa / miejsce | |---------|-------------------| | **Event Sourcing / Life Events** | Warstwa 1 — Data (§5) | | **AI Learning Loop** | domknięta pętla `Feedback → Learning` (§4) | | **Context Builder** | granica Memory ↔ Intelligence — montuje kontekst per-model (co do Bielika, co do GPT, co do Claude) | | **Persona / User Model** | §7 | | **Decision Log** | klasa eventu `DecisionMade` + projekcja (§5) | | **AI Experiments** (n=1) | Warstwa 3 — strukturalne testowanie hipotez o Tobie | | **Rules Engine** (user IFTTT) | Warstwa 4 — automatyzacje użytkownika nad strumieniem zdarzeń | | **Universal Inbox** | Warstwa 1 — wejście: wszystkie kanały → eventy, auto-klasyfikacja | | **Personal Search** | Warstwa 2 — powierzchnia zapytań (scala Timeline Engine / Memory Explorer / Personal Search) | --- ## 10. Zasada nadrzędna dokumentacji > Od teraz **projektujemy od przepływu danych, nie od ekranów.** > `Input → Memory → Understanding → Decision → Execution → Feedback → Learning` > To jest architektura. Moduły w [`MODULES_MASTER.md`](MODULES_MASTER.md) są *widokiem* na tę architekturę — użytecznym, ale wtórnym wobec silnika. _Wersja robocza — kanoniczny opis „JAK". Po zatwierdzeniu można wygenerować wersję HTML pod landing (jak pozostałe dokumenty)._