PAIA. Et privat AI-miljø til seriøst arbejde.

I stedet for at behandle AI som en midlertidig samtale i en browser-fane, behandler PAIA det som et vedvarende arbejdsmiljø: en companion med langsigtet kontinuitet, en samling af specialiserede task-agenter, et sikkert lag til værktøjseksekvering, og et integreret udviklingsmiljø hvor modeller kan inspicere, ændre, teste og gennemgå rigtige softwareprojekter.

Ambitionen er at bygge et personligt AI-system, der forbliver nyttigt over år, ikke bare besvarer isolerede prompts. Det skal forstå igangværende projekter, bevare vigtig kontekst, koordinere specialiserede agenter, operere værktøjer under eksplicit tilladelse, og hjælpe med at omdanne uafsluttede idéer til fungerende software.

Mere end en chat-grænseflade

De fleste AI-produkter starter og slutter med en beskedboks. PAIA bruger samtale som én grænseflade, men det underliggende system er tættere på et agent-harness og et personligt udviklingsmiljø.

En samtale kan forbindes til vedvarende hukommelse, projektkontekst, modelprofiler, godkendte værktøjer og en aflæselig eksekveringshistorik. Modellen forventes ikke at holde hele systemet sammen alene gennem prompting. PAIA leverer den omkringliggende infrastruktur, der skal til for at gøre en AI-agent pålidelig nok til rigtigt arbejde. Den infrastruktur inkluderer:

• Vedvarende samtaler og struktureret kontekst
• Afgrænset langsigtet hukommelse
• Specialiserede Companion-, Coder-, Researcher- og Reviewer-roller
• Adgang til repositories pr. projekt
• Kontrolleret værktøjs- og kommandoeksekvering
• Et integreret File Studio drevet af Monaco
• Filhistorik, diffs, rollback og roll-forward
• Lokale og opt-in cloud-modelprofiler
• Adskillelse af credentials og forbrugsstyring for cloud
• Synlige godkendelser, diagnostik og eksekveringslogs

Målet er ikke at give en model ubegrænset adgang til en computer. Målet er at bygge et nøje kontrolleret miljø, hvor kompetente modeller kan udføre meningsfuldt arbejde uden at skjule, hvad de gør.

Et harness til lokale kodemodeller

Et af PAIAs centrale mål er at blive et stærkt harness for lokale kodemodeller.

Lokale modeller er blevet markant bedre, men at køre en model er kun én del af at bygge en effektiv kodeagent. Modellen har også brug for projektkontekst, filopdagelse, redigeringsværktøjer, terminaladgang, eksekveringsfeedback, ændringssporing og klare grænser for, hvad den må røre. PAIA leverer det omkringliggende system.

En kodeagent kan knyttes til et eksplicit godkendt projekt og få en afgrænset opgave. Den kan inspicere projektstrukturen, læse relevante filer, foreslå ændringer, eksekvere godkendte kommandoer i en kontrolleret sandbox og gennemgå resultatet. Ejeren kan stadig inspicere de samme filer, terminaloutput, revisioner og diffs gennem File Studio.

Det gør modellen til blot én udskiftelig komponent i en større ingeniørloop:

Harnesset er designet til at understøtte forskellige modeller uden at genopbygge workflowet for hver udbyder. En lille lokal model kan håndtere rutineklassificering eller formatering. En stærkere kodemodel kan arbejde med implementeringen. En separat reviewer kan inspicere den resulterende diff. Modellerne kan udvikle sig, mens den omkringliggende projekt-, tilladelses- og audit-infrastruktur forbliver stabil.

Det langsigtede mål er at gøre lokale kodeagenter mindre som autocomplete og mere som juniorkolleger, der arbejder inden for en disciplineret udviklingsproces.

File Studio: en IDE bygget til samarbejde mellem menneske og agent

PAIA har et integreret File Studio til at arbejde med projekter, der er importeret til et PAIA-ejet workspace. Det er ikke tænkt som en erstatning for alle funktioner i en almindelig IDE, men designet omkring det specifikke samspil mellem en ejer og én eller flere AI-agenter. Det kombinerer:

• En søgbar, tastaturtilgængelig projektudforsker
• Monaco-baseret kildekoderedigering og syntax highlighting
• Tekstombrydning og gemt editor-tilstand
• Justerbare paneler til explorer, editor, historik og terminal
• Gendannelse af layout pr. projekt
• Filmetadata, sprog, størrelse og dirty-state-indikatorer
• Integreret sandbox-terminaloutput
• Revisionshistorik og filgendannelse
• Diff-inspektion og gennemgang af ændringsbatches
• Forberedelse til rollback og roll-forward
• Automatisk synkronisering, når agenter ændrer projektfiler

Når en agent arbejder på en opgave, skal ejeren kunne følge samme projekt udvikle sig uden manuelt at genåbne filer eller være i tvivl om, hvorvidt grænsefladen viser en forældet kopi. File Studio bygges derfor som en levende flade over agent-workspacet, ikke som en separat teksteditor: et delt teknisk miljø, hvor agenten opererer gennem strukturerede værktøjer, mens ejeren kan inspicere og gribe ind gennem en velkendt IDE-lignende grænseflade.

Local-first som standard

PAIA er designet til at arbejde med lokal inferens gennem Ollama og OpenAI-kompatible lokale modelservere.

Lokal eksekvering handler om mere end offline-adgang. Det ændrer forholdet mellem ejeren og systemet. Samtaler, projektfiler og personlige erindringer behøver ikke forlade maskinen, bare fordi en AI-funktion bruges. Modeller kan udskiftes, opgraderes eller specialiseres uden at opgive den omkringliggende applikationstilstand.

Lokale modeller forbliver standarden, men PAIA kan også understøtte udvalgte cloud-udbydere gennem eksplicitte modelprofiler. Cloud-adgang er opt-in, ikke et stille standardvalg. Credentials forsegles med operativsystemets keyring og gemmes aldrig i klartekst i PAIAs database.

Cloud-eksekvering passerer også gennem lokale sikkerhedsforanstaltninger, herunder udbyderverifikation, pris-metadata for modeller, samtidighedskontrol og et ejer-konfigurerbart månedligt forbrugsloft. Hvis en cloud-model ikke kan prissættes sikkert, er PAIA designet til at fejle lukket i stedet for at skabe en ukendt regning. Hensigten er ikke at afvise cloud-intelligens. Det er at gøre cloud-adgang bevidst, synlig og udskiftelig.

Vedvarende hukommelse uden at opgive kontrol

En reelt personlig AI har brug for kontinuitet. Den bør ikke kræve, at ejeren gentager de samme præferencer, identitetsdetaljer, projektbaggrund og rettelser i hver samtale.

Samtidig er autonom hukommelse farlig, når den implementeres som "gem, hvad modellen tror er vigtigt." Modeller kan misforstå kontekst, bevare midlertidige udsagn som permanente fakta eller ved en fejl behandle instruktioner og følsomme oplysninger som erindringer.

PAIA behandler hukommelse som et valideret undersystem. Erindringer er strukturerede, typede og afgrænsede. Companion-erindringer holdes adskilt fra projekt- og task-agent-kontekst. Eksplicitte ejerkommandoer kan gemme vigtige fakta direkte, mens afgrænset automatisk udtræk kan aktiveres for information med høj sikkerhed. Tvetydigt indhold fejler lukket, dubletter undgås, og hemmelighedslignende information afvises, fordi hukommelsessystemet ikke er tænkt som et credential-opbevaringssted.

Det langsigtede mål er et hukommelsessystem, der er nyttigt nok til at skabe kontinuitet, mens det forbliver inspicerbart, redigerbart og reversibelt. Ejeren skal altid kunne forstå, hvad PAIA husker, hvor det gælder, og hvorfor det blev gemt.

Companion og task-agenter er bevidst forskellige

PAIA adskiller to former for intelligens, der ofte blandes sammen.

Companion er personlig. Den vedligeholder samtalekontinuitet, husker ejer-godkendte erindringer og udvikler et konsistent forhold til én person over tid.

Task-agenterne er værktøjer. En Coder skal være præcis, teknisk og fokuseret på implementering. En Researcher skal indsamle og vurdere information. En Reviewer skal udfordre antagelser og inspicere arbejde kritisk. Disse agenter skal ikke arve privat companion-kontekst, medmindre den information er eksplicit relevant og godkendt.

Denne grænse er vigtig. Et kodeværktøj har ikke brug for adgang til hver personlig erindring, og en personlig companion bør ikke stille og roligt få ubegrænset adgang til hvert repository. PAIA behandler derfor identitet, hukommelse, projektadgang, værktøjstilladelser og modelvalg som separate lag. Agenter får eksplicitte projektforbindelser og evner efter det arbejde, de forventes at udføre.

Kontrolleret eksekvering i stedet for ubegrænset autonomi

En AI, der kan redigere filer og eksekvere kommandoer, er nyttig. En AI, der kan gøre det usynligt og uden grænser, er et sikkerhedsproblem. PAIAs eksekveringsmodel er bygget omkring synlig autoritet.

Projektadgang er eksplicit. Kommandoer, der kræver eksekvering, går gennem et godkendelsessystem. Værktøjskørsler bliver logget. Ændringer i et repository kan grupperes i gennemgåelige batches. Kodeeksekvering forbliver inden for en Docker-baseret sandbox i stedet for stille at falde tilbage til ubegrænset host-eksekvering.

Det skaber en adskillelse mellem ræsonnement og autoritet:

1. 1

   En model kan foreslå en handling.

2. 2

   PAIA afgør, om handlingen er tilladt.

3. 3

   Ejeren godkender følsomme operationer.

4. 4

   Værktøjslaget udfører handlingen.

5. 5

   Resultatet logges og returneres til modellen.

6. 6

   Ændringer forbliver tilgængelige for menneskelig inspektion.

Modellen behandles aldrig som sikkerhedsgrænsen. Dens output er utroværdigt input til et system, der validerer scope, tilladelser og data, før det handler.

Modelorkestrering uden binding til én udbyder

Forskellige opgaver drager fordel af forskellige modeller. PAIA bygges omkring modelprofiler frem for én permanent indlejret udbyder.

En profil kan definere udbyder, endpoint, model, genereringsindstillinger og tiltænkt rolle. Companion kan bruge én model, mens kodnings- eller reviewopgaver bruger en anden. Lokale modeller kan håndtere privat eller rutinemæssigt arbejde, mens en eksplicit konfigureret cloud-model kan vælges til opgaver, der kræver større kapacitet.

Værktøjsskemaer kobles på gennem en udbyder-uafhængig grænseflade, så agentlaget kan arbejde på tværs af understøttede model-backends uden at duplikere hele applikationen for hver udbyder. Over tid skal PAIA gøre modelvalg stadig mere praktisk: at vælge modeller ud fra privatlivskrav, kapacitet, latenstid, pris, kontekststørrelse og typen af arbejde.

Intelligensen er modulær. Miljøet, hukommelsen, tilladelserne og projekthistorikken tilhører ejeren.

Bygget til inspicerbarhed

Agentsystemer kan fejle på subtile måder. De kan bruge forældede filer, miste værktøjsoutput, gentage mislykkede handlinger, misforstå en projektgrænse eller producere et plausibelt svar uden at fuldføre den underliggende opgave. PAIA er designet til at gøre de fejl synlige.

Samtaler bevarer diagnostik. Værktøjskald og godkendelser kan revideres. Filændringer fremgår af revisionshistorikken. Terminaloutput forbliver tilgængeligt, mens workspace-layoutet ændres. Modelprofiler kan testes før brug. Hukommelse kan inspiceres og rettes. Projekttilladelser er synlige i stedet for skjult inde i prompts.

Ejeren skal ikke behøve at udlede, om en agent fuldførte en opgave, ud fra selvsikkerheden i dens sidste besked. Det omkringliggende system skal levere beviser. Dette princip former også PAIAs udviklingsproces: features betragtes kun som færdige efter fokuserede tests, fulde automatiske test-suiter, produktionsbuilds og, hvor det er relevant, live-verifikation mod den pakkede desktop-applikation.

Det langsigtede mål

PAIA er et forsøg på at bygge en holdbar grænseflade mellem en person, deres modeller og deres digitale arbejde. Den langsigtede vision er et system, der kan:

• Opretholde nyttig personlig kontinuitet over år
• Koordinere flere specialiserede agenter
• Køre primært på ejer-kontrolleret lokal infrastruktur
• Forstå og vedligeholde betydelige softwareprojekter
• Vælge passende modeller til forskellige typer arbejde
• Komme sig efter delvise fejl uden at miste fremskridt
• Forklare hvilke erindringer, filer og værktøjer der påvirkede et svar
• Forberede arbejde autonomt, mens konsekvensfulde handlinger forbliver godkendelseskrævende
• Bevare en komplet og inspicerbar historik over vigtige ændringer
• Forblive nyttig, efterhånden som individuelle modeludbydere kommer og går

Målet er ikke ubegrænset autonomi. Det er pålidelig autonomi: et system, der kan flytte arbejde fremad på egen hånd, hvor grænserne er klare, stoppe når autoritet mangler, og efterlade nok beviser til, at ejeren kan forstå præcis, hvad der skete.

Et personligt AI-værksted

PAIA befinder sig et sted mellem en privat assistent, en agent-runtime, en kode-IDE og et personligt operativmiljø. Det er et sted, hvor samtaler kan blive til planer, planer kan blive til projektopgaver, agenter kan omdanne de opgaver til gennemgåede ændringer, og nyttig viden kan bestå ud over den aktuelle session.

Det bygges ud fra idéen om, at fremtidens personlige AI ikke bliver én enorm model, der lever bag en chatboks. Det bliver et system af modeller, erindringer, tilladelser, værktøjer og grænseflader, der arbejder sammen under kontrol af den person, der ejer dem.

PAIA er stadig under aktiv udvikling.

Men retningen er klar: byg et AI-miljø, der er privat nok til personlig kontekst, kontrolleret nok til reel systemadgang, og kompetent nok til at hjælpe med at skabe seriøs software.

Hvad der er undervejs

Et kommende spor er at samle kontrol over alle "skills" (færdigheder og værktøjer), der allerede findes på tværs af PAIA, Codex, Claude og andre lokale AI-værktøjer, ét sted: opdage dem, gennemse dem, konfigurere dem, og slå dem til og fra pr. agent eller projekt. Den første fase er bevidst read-only: opdagelse og normaliserede manifester, uden at scanne vilkårlige diske eller ændre andre installationer.