Exowill：前 OpenAI 研究员提出「用户自有」个人 AI 助手构想

Exowill 是一项由前 OpenAI 后训练研究员 Jonathan Ward 发起的个人 AI 项目，核心主张是让用户基于自身数据微调开源权重模型，打造一个真正理解并服务于个人长期目标的「AI 伟大助手」。该项目目前处于早期阶段，作者希望通过公开发声联系同领域研究者，交流思路并互相 alpha 测试工具。

项目愿景与核心理念

Ward 认为，理想的 AI 助手应当具备三个特征：随时间观察并学习用户目标、主动寻求反馈并快速学习、对用户保持忠诚并保护其时间、资源、健康与隐私。在他看来，ChatGPT、Claude 等现有产品仍存在明显短板——它们只了解用户主动告知的内容、记忆表浅、不会主动寻求反馈、且由实验室代为托管，这些模型被训练去解决孤立问题，而非推进用户的长期目标。

Exowill 的出发点包含两层逻辑：一是用户应当能够塑造、拥有并理解自己依赖的技术，AI 智能体应当对用户忠诚，而非被其所属机构用于削弱用户；二是当前 AI 系统的瓶颈在于「稳健目标」的存在，在数学、编码之外，大多数任务正确与否的判断标准只存在于用户自身心智中，因此个人目标数据极为珍贵。

技术路线：用户自有智能循环

Exowill 提出了一条名为「User-Owned Intelligence Loop」（用户自有智能循环）的数据与训练闭环，其流程大致为：

• 数字生活记录：一款开源本地应用记录并结构化用户的数字生活，产出主动、被动与累积数据。
• 数据转换管线：使用用户自有或安全租用的推理算力，把上述数据流转化为训练数据。
• 数据治理：用户自主决定哪些处理后的数据可进入训练。
• 模型训练：在自有或安全飞地（secure enclave）租用的训练算力上，使用 RL、SFT 等方法对 Kimi、Qwen、DeepSeek、GLM 等开源权重基座模型进行微调，产出私有、可移植、可版本化、可删除的用户自有模型。
• 模型使用与反馈循环：通过熟悉的 App 或 API 调用模型，反馈再回流到主动数据。

Ward 将这一思路概括为「data-maxxing」——在用户主权可控的前提下，尽可能多地记录并处理个人生活数据。

创始背景与「为什么是现在」

Ward 于 2020 年 10 月至 2026 年 6 月期间在 OpenAI 从事后训练研究，期间曾管理 ChatGPT Apps 研究团队、主导 webapp 生成研究，并参与创建 ChatGPT Memory 与人类数据平台（Human Data Platform），早期还做过自我批评模型的对齐研究。

他之所以选择此时启动 Exowill，主要基于三点判断：高质量半合成数据生成已触手可及；开源权重基座模型已足够好，可被有效微调；在许多领域，智能体效用的瓶颈已转向其对用户目标的理解程度，而非模型本身的原始智能。

当前阶段与联系渠道

Exowill 仍处于早期开发阶段，作者明确表示发布此文的首要目的是建立与同领域创建者的联系，交流想法并互相测试工具。项目的暂定名称取自「extension of your will（你意志的延伸）」。联系方式包括邮箱、X（推特）及个人站点 jonathanward.org。文章末尾描绘了一幅 2031 年的远景图景：任何有意愿的人都可以拥有自己的个人模型、推理与训练算力，以及用于引导模型并帮助其学习的先进可穿戴设备与神经义肢，享受工匠亲手塑造 AI 的满足感。