Atlas is mijn doorlopende werk aan lokale AI-software: een Windows-companion en Android-client met een gedeelde Python-runtime. Ik ontwikkel het met AI-codeassistenten en werk aan architectuur, functiegedrag, integratiefouten en verificatie op mijn eigen hardware.
Deze beelden tonen de interface met test- en demogegevens. De afbeeldingen behouden hun oorspronkelijke Engelse labels; een echt model en een fysieke telefoon worden apart gecontroleerd.
HET VERTREKPUNT
Ik wilde een AI die hier leefde.
Ik wilde mijn eigen Jarvis: iemand om mee te praten, die onze gesprekken onthield, me hielp software te schrijven, op mijn pc werkte, samen dingen bekeek en dagelijkse taken opnam. Die companion begon ik te bouwen op mijn eigen hardware.
Het project begon in een map met de naam jarvis. Toen ik meer zelfstandige acties toevoegde, bracht de terechte beveiliging van systeembestanden me op een ambitieus idee: een besturingslaag bouwen met AI als middelpunt. Ik bouwde een omgeving boven op Windows, maar besefte hoeveel groter dat project was dan de companion die ik dagelijks wilde gebruiken. Ik bracht Atlas terug naast mijn gewone apps en nam de lessen mee.
ECHTE BEELDEN / VAN DICHTBIJ
Eén vraag. Een tastbaar resultaat.
Een montage van 36 seconden uit de originele opname: hoor Atlas zichzelf voorstellen, volg een bestandstaak, bekijk het resultaat in Verkenner en zie de instellingen voor webtoegang veranderen.
36 SEC · ORIGINELE STEM · ONDERTITELD · 1080P
Gemonteerd uit mijn opname van 9 augustus 2026, met de originele Atlas-stem en close-ups van de echte interface en het resultaat in Verkenner. Wachttijd is weggeknipt; de reeks toolacties is aangeduid als 2× versneld. Dit toont het prototype van toen, niet de huidige reactiesnelheid. Open op volledige grootte ↗
Lees de demo stap voor stap +
Maak kennis met Atlas. De companion stelt zichzelf voor met zijn originele opgenomen stem.
Een vraag wordt een resultaat. Na de vraag om Project_X aan te maken, een plan toe te voegen en de map te openen, zie je toolacties en het echte PLAN-bestand in Verkenner.
Webtoegang is zichtbaar. De opgenomen interface verandert wanneer webtoegang aan of uit wordt gezet.
Een controle tijdens het draaien. Atlas meldt drie geblokkeerde uitgaande verbindingspogingen. Dat is een diagnose van die opgenomen sessie, geen garantie voor elke app of verbinding op de pc.
Historisch interfacebeeld uit de opgenomen demo.
ÉÉN DESKTOP. MIJN EIGEN COMPANION.
HOE HET WERKT
Een stem. Een heel systeem erachter.
Een vereenvoudigde kijk op de companion. Het werk zit in al die onderdelen betrouwbaar laten samenwerken op één computer.
01
Luisteren
Een optioneel activeringswoord en spraakherkenning zetten een gesproken vraag om in invoer.
LOKALE SPRAAK → TEKST
02
Denken
Een lokaal model werkt met gesprekscontext, geheugen en een verzameling tools.
PYTHON · NATIVE + LLAMA.CPP
03
Handelen
De actielaag voert veiligheidscontroles uit, gebruikt tools en legt vast wat er gebeurt.
TOOLS · BEVESTIGINGEN · ACTIEVERSLAGEN
04
Antwoorden
Het antwoord wordt spraak en een zichtbaar gesprek in het desktoppaneel.
LOKALE SPRAAKSYNTHESE · COMPANION-INTERFACE
BINNENIN HET PROJECT
De beperkingen bepaalden het ontwerp.
Eén GPU, meerdere taken.
Het desktoplab bevat nu native uitvoering van Qwen en Gemma 4 12B, naast het beheerde llama.cpp-pad. Het hoofdmodel, spraak en beeldherkenning delen een GPU-budget van 12 GB. Ik controleer geheugengebruik, model-state en hoe de onderdelen elkaar beïnvloeden.
Acties verdienen een verslag.
Atlas legt acties vast en vraagt waar nodig om bevestiging. Voor uitdrukkelijk afgesproken bestanden werk ik met afgebakende herstelpunten en herstel na controle. Bij het testen controleer ik de uiteindelijke inhoud en de toestand van het systeem.
Lokaal, met bewuste webtoegang.
De AI draait lokaal. Netwerktoegang wordt bewaakt en kan bewust ontgrendeld worden voor webfuncties. Dat onderscheid is nuttiger dan zomaar beweren dat een assistent nooit internet nodig heeft.
Python
llama.cpp
Lokale spraakherkenning
Kokoro / Piper
Qt / webinterface
Windows
VERWANT PROJECT / ATLAS ENGINE
De runtime heeft een eigen verhaal.
Atlas Engine heeft nu een eigen projectpagina: GGUF laden, Qwen en Gemma uitvoeren, eigen CUDA-kernels, geheugenafwegingen en gedateerde metingen. Companion verbindt die runtime met het gesprek en de gedeelde applicatietools.
Het werk zit steeds vaker tussen applicaties: bepalen welke functie nodig is, de juiste context meenemen, gedeelde hardware beheren en het resultaat controleren voordat een taak als klaar geldt.
01 / COÖRDINATOR
Plannen, uitvoeren, controleren.
De coördinator neemt een vraag mee door een plan, tooluitvoering en eindcontroles. Een afgebakende ontwikkelstudie herhaalde zes workflows twee keer na reparaties aan planning en afrondingscontroles. Alle twaalf runs voldeden aan hun volledige taakcontract, met onafhankelijk gecontroleerde effecten. De studie gebruikte begeleide gevallen; dit is geen algemeen betrouwbaarheidspercentage.
02 / IMAGE STUDIO
Ruimte maken voor een ander model.
Eén gewone getypte afbeeldingsvraag doorliep een beheerde lokale workflow: het taalmodel vrijgeven, een afbeelding genereren en opslaan in Image Studio, het beeldmodel vrijgeven en het taalmodel terugladen. De vastgelegde run toonde het resultaat in de native app zonder vervolginstructies. Dat toont één volledige aanvraag aan, geen willekeurige beeldtaken of spraakbediening.
03 / INTEGRATIES
Apps een duidelijk contract geven.
Lokale MCP-adapters maken benoemde tools en appstatus beschikbaar voor Atlas. Story Studio, Image Studio en WardoFlix behouden hun eigen interfaces en identiteit. Beheerde verbindingen en toestemmingscontroles horen rond die functies. Een tool in de catalogus zien is iets anders dan de volledige workflow bewijzen.
Bewijsdata: coördinatorstudie, 20 oktober; native Image Studio-workflow, 21 oktober 2026. Dit zijn vastgelegde ontwikkelresultaten. Integratienamen volgen nu de goedgekeurde namen Atlas Story Studio en Atlas Image Studio. Bredere foutafhandeling, meer soorten aanvragen en fysieke apparaattests blijven werk in uitvoering.
ARCHITECTUUR & VERANTWOORDELIJKHEDEN
Een gedeelde runtime. Duidelijke grenzen.
Met AI-codeassistenten werk ik deze grenzen uit: hoe clients verbinden, waar status wordt bewaard, hoe tools worden aangeroepen en welke controles vóór een actie nodig zijn. Dit is een vereenvoudigde weergave van het huidige systeem.
01 / INTERFACES
Windows + Android
Gesprek, spraak en toestemmingsknoppen. Beide verbinden met de desktopruntime; de telefoon heeft geen tweede onafhankelijk AI-brein.
02 / GEDEELDE GATEWAY
Python + WebSocket
De verbindingslaag verstuurt verzoeken en gebeurtenissen. Ze roept de gedeelde aansturingslogica aan, die gesprekscontext, geheugen en tools coördineert.
03 / UITVOERING
Modellen + gecontroleerde acties
Lokale inferentie stelt een antwoord of toolaanroep voor. Applicatiecode past toestemmings- en toolcontroles toe en legt vervolgens het actieresultaat vast.
Waarom deze onderdelen scheiden?
Door modeluitvoering buiten de interface te houden, kunnen desktop en telefoon verder evolueren zonder het brein te dupliceren. De gateway gebruikt een gedeelde aansturingslaag. De identiteit van een verzoek en de opgeslagen geschiedenis horen bij dat ontwerp: in afgebakende proeven bleef afgerond werk na opnieuw verbinden bewaard, zonder het verzoek opnieuw uit te voeren.
Een antwoord bewijst geen actie.
Een tool die succes meldt, levert slechts een deel van het bewijs. Bij een vooraf bepaalde bestandswijziging werk ik aan het verbinden van de echte inhoud, de ongewijzigde gekozen test, de verwachte uitvoer en de huidige revisie met het oorspronkelijke verzoek, de afgebakende toestemming en het afgeronde herstelpunt. Alleen een geslaagde test bewijst dat resultaat niet.
De proeven van oktober controleren specifieke resultaten en foutpaden. Ze bewijzen geen betrouwbaarheid voor willekeurige doelen, algemeen herstel bij onderbroken bestandswijzigingen of dagelijks spraakgebruik.
TECHNISCH WERK / OKTOBER 2026
De test slaagde. Het bestand was fout.
Een model dat zegt dat het klaar is, volstaat niet. In een gecontroleerde proef met een lokaal model en toestemming via Android voerde Atlas een vooraf bepaalde bestandswijziging uit. Daarna maakte de proef de inhoud bewust fout.
De gekozen test slaagde nog steeds. De onafhankelijke inhoudscontrole van Atlas wees het resultaat af en op de telefoon verscheen dat controle nodig was. Na opnieuw verbinden bleef het oorspronkelijke verzoek bewaard, zonder het opnieuw uit te voeren.
Illustratie van het opgenomen resultaat. De foute inhoud werd bewust aangebracht na de goedgekeurde wijziging. Het bestand bleef bewaard voor controle.
01 / TOESTEMMING
Een gerichte wijziging goedkeuren.
Het oorspronkelijke verzoek, de projectrevisie en de omvang van de actie moeten overeenkomen met een nieuwe toestemming. Modeluitvoer verleent geen toestemming.
02 / HERSTELPUNT
De afgesproken originelen bewaren.
Afgebakende, versleutelde herstelpunten bewaren de afgesproken bestanden om ze na controle te herstellen. Dit geldt voor afgeronde wijzigingen. Algemeen herstel tijdens een bestandswijziging blijft open.
03 / RESULTAAT
Controleren wat echt veranderde.
Vergelijk de bestandsinhoud en testuitvoer met het vooraf bepaalde resultaat. Houd een geweigerd of onzeker resultaat zichtbaar, in plaats van een geslaagde toolaanroep als voltooiing te beschouwen.
Tien afgebakende acceptatiescenario's. Wat bewijzen ze?
De gedocumenteerde scenario's behandelen specifieke programmeer-, herstel- en bestandsaanmaaktaken, geweigerde toestemming, onderbreking voor de uitvoering, opnieuw verbinden na afgerond werk, ingetrokken toesteltoegang, verouderde desktopbediening, het afwijzen van een fout resultaat en een bewaarde telefoontool.
Dit zijn gecontroleerde acceptatieproeven binnen mijn project, geen onafhankelijke certificering van het volledige product. Telefoonscenario's gebruikten een aparte, vastgelegde testapp. De herstelproeven gebruikten een gecontroleerde verbinding in de testopstelling, geen algemeen beschikbare terugdraaifunctie op de telefoon. Bredere taakbetrouwbaarheid, spraak en herstel halverwege een actie vragen nog verder werk.
Mijn bijdrage is deze grenzen uitwerken, bepalen wat de functie moet doen en met AI-codeassistenten het bewijs controleren. AI schrijft een groot deel van de code. Ik ontwikkel mijn technische kennis nog verder.
OORSPRONKELIJKE PROEF / 11 OKTOBER 2026
Leren vraagt een gemeten resultaat.
Ik testte Atlas met en zonder een procedure die was aangeleerd uit een geslaagde taak. De procedure werd opgeslagen, opnieuw geopend en ongewijzigd gehouden vóór twee nieuwe taken.
Beide varianten losten één taak op. Beide liepen vast op dezelfde volgorde van ID’s met accenten, en met de aangeleerde procedure duurden beide taken langer. In dit kleine experiment was geen voordeel te zien.
De foute voorstellen werden tegengehouden vóór ze werden toegepast. In de opgeslagen procedure ontbraken precieze reken- en sorteerregels. Dat is een concreet probleem om te onderzoeken voordat ik kan zeggen dat leren helpt.
Twee nieuwe taken · ongewijzigde procedure · 11 oktober 2026
Taak
Zonder aangeleerde procedure
Met aangeleerde procedure
A
Correct111,2 s
Correct143,0 s
B
Fout voorstel tegengehouden182,8 s
Fout voorstel tegengehouden206,2 s
1 / 2 correct bij beide varianten.
Een ontwikkelproef met twee taken en één leervoorbeeld. De tijden omvatten de belasting van de computer en cache-effecten. Dit resultaat bewijst geen algemene betrouwbaarheid of voordeel van aangeleerde procedures.
VERVOLGPROEF / 11 OKTOBER 2026
Behoud de regels. Test daarna opnieuw.
In de vervolgproef blijven de exacte taakregels bewaard naast de samenvatting van het model, met numerieke voorbeelden voor de volgorde van tekens. Het leervoorbeeld bevat ook accenten, hoofdletters en kleine letters, gedeelde begintekens en verschillende prijzen.
Beide oorspronkelijke testtaken leverden daarna onafhankelijk gecontroleerde, correcte bestanden op, met en zonder de opgeslagen procedure. Met de procedure waren er geen toolfouten; zonder de procedure werd één fout hersteld.
Dit was een aparte ontwikkelproef. De leervoorbeelden en de ondersteunende code veranderden samen. De bijdrage van elke afzonderlijke wijziging is dus nog niet bewezen.
Aparte vervolgproef · dezelfde twee testtaken · 11 oktober 2026
Taak
Zonder aangeleerde procedure
Met aangeleerde procedure
A
CorrectGeen toolfouten
CorrectGeen toolfouten
B
Correct1 toolfout, hersteld
CorrectGeen toolfouten
2 / 2 correct bij beide varianten.
Een aparte ontwikkelproef zonder de gebruikersinterface. Alleen fouten die aan het model werden teruggegeven tellen mee. Deze twee taakparen bewijzen geen algemeen leer- of snelheidsvoordeel en certificeren niet de volledige app.
POCKET TOOLS / VAN WINDOWS NAAR ANDROID
Een kleine tool. Om zelf te bewaren.
In een gecontroleerde telefoontest bewaarde ik een vooraf gemaakte inpakchecklist uit de desktopwerkruimte. De opgeslagen toestand bleef behouden na een herstart van de Android-app, terwijl de desktopdienst uit stond.
Latere desktopwijzigingen en het verwijderen van het gedeelde aanbod veranderden die telefoonkopie niet. Dat toont een bewaarde tool met zijn toestand. Het bewijst geen algemene kwaliteit van door AI gegenereerde mobiele apps.
DESKTOPWERKRUIMTE→BEWAARDE TELEFOONKOPIE
VOORAF GEMAAKTE TESTTOOL
Inpakken voor België
✓Kousen ingepakt
Desktopdienst
Gestopt
Telefoonapp
Herstart
Opgeslagen toestand
Bewaard
Illustratie van het opgenomen telefoonscenario. Offline betekent hier dat de desktopdienst uit stond. Volledige netwerkisolatie werd niet getest.
HET BOUWVERHAAL / JUNI TOT OKTOBER 2026
Alleen gebouwd. Gevormd door de ambitie.
Ik begon Jarvis op 9 juni omdat ik een companion wilde die kon onthouden, praten en helpen met echt werk. Dieper toegang geven tot mijn pc leidde tot een experiment met een AI-besturingslaag bovenop Windows. Ik keerde terug naar de companion en voegde een native Android-client toe. Het werk van oktober draait om resultaten controleren en de eigenaar de controle laten houden. Ik bouw dit alleen, met AI-codeassistenten in mijn werkproces.
01
HET OORSPRONKELIJKE IDEE
Ik wilde mijn eigen Jarvis.
Het begon in een map met de naam jarvis. Ik stelde me een companion voor die onze gesprekken onthield, op mijn pc werkte, me onderweg hielp software te schrijven, samen dingen bekeek, boodschappenlijstjes maakte en later online taken zou uitvoeren. De eerste combinatie van chat, spraak, geheugen en tools maakte dat idee tastbaar.
02
DE WENDING
De systeemgrens veranderde mijn plan.
Toen ik zelfstandige acties toevoegde, botste ik telkens op de beveiliging van beschermde systeembestanden. Die bescherming vond ik terecht. Ze riep ook een grotere vraag op: wat als ik de besturingslaag zelf bouwde, met een AI-companion als middelpunt? Die vraag veranderde de omvang van het project.
03
HET OS-EXPERIMENT
Ik bouwde een omgeving boven op Windows.
Atlas kreeg een eigen desktopinterface, taakbalk, tools voor bestanden en vensters, spraak, geheugen en een lokale modelruntime. Ik moest nadenken over opstartproblemen, herstel en wat een verkeerde actie met mijn dagelijkse computer kon doen. Het was een echt prototype van een AI-besturingslaag, geen vervanging van Windows.
04
WAT IK ERUIT LEERDE
Ambitie vroeg om vertrouwen.
Zodra een assistent op een pc kan handelen, moet de eigenaar de controle houden. Ik bouwde goedkeuring voor riskante acties, een logboek, actieverslagen en herstelmogelijkheden. De lokale AI moest bovendien één GPU van 12 GB delen met de rest van de desktop. Het OS-experiment leerde me hoeveel betrouwbaarheid en terughoudendheid het oorspronkelijke Jarvis-idee vroeg.
05
DE TERUGKEER
Ik keerde terug naar de companion.
Een volledig besturingssysteem bouwen was veel groter dan de companion waarmee ik begonnen was. Ik koos voor een kleinere Atlas die naast mijn gewone Windows-apps leeft. Het werk aan de omgeving ging niet verloren: het lokale model, de tools, het geheugen en de beveiligingen gingen mee. Ik kon opnieuw focussen op hoe Atlas aanvoelt en dagelijks helpt.
06
HET VOLGENDE SCHERM
Desktop en Android, één project.
Met de oude Android-app gebruikte ik mijn telefoon als microfoon, omdat ik geen desktopmicrofoon had. De native client brengt nu chat, spraak en goedkeuringen naar het desktopbrein. Met release 0.18.7 van oktober staan Windows en Android op dezelfde versie. Modelstatus, lopend werk, goedkeuringen en volgende acties zijn duidelijker te volgen.
Publieke downloadsWindows 0.18.7 ↗ · Android 0.18.7 ↗. Uitgebracht op 10 oktober 2026. De release is gecontroleerd met deterministische tests, de native desktopinterface en Android-emulatorproeven.
Nog in ontwikkelingSpraak, breder herstel en betrouwbaarheid in dagelijks gebruik. Audio op een echte telefoon, wifi en modelkwaliteit vragen aparte validatie. Chat in landschapsstand heeft een bekend ruimteprobleem. De film van augustus blijft beschikbaar als gedateerde opname van de eerdere workflow.
Het brein bouwen is één deel. Het naast je laten leven is het echte werk.
WAAR IK NOG AAN WERK
Spraak onderbreken, echo, reactiesnelheid en beschikbare GPU-capaciteit blijven uitdagingen. Atlas is mijn persoonlijke AI-lab, waar ik die afwegingen kan testen op de computer die ik echt gebruik.
De opname toont één specifieke, werkende werkwijze. Via schermdelen kan ik de huidige versie, de grenzen en de keuzes erachter laten zien.