苹果也上大模型了！Foundation Models 实战体验与开发指南

原创

Swift社区

发布于 2025-10-28 12:02:08

4490

前言

本篇介绍 Apple 新的 Foundation Models 框架（Apple Intelligence），从如何检测设备可用性、建立会话、发送 prompt、到调节生成参数（temperature / sampling / seed）并给出可运行的示例（含 SwiftUI 展示）。同时给出实际落地建议和测试注意点。

准备工作与可用性检查

在使用之前，先把 Framework 导入并检查目标设备是否支持 Apple Intelligence。不是所有设备都支持该功能，所以在调用前务必做可用性判断。

示例代码（最简单的可用性检查）：

import FoundationModels

func isAppleIntelligenceAvailable() -> Bool {
    return SystemLanguageModel.default.isAvailable
}

解析：

SystemLanguageModel 代表设备上可用的文本语言模型的类型。
SystemLanguageModel.default 是默认模型实例。
.isAvailable 是布尔值：true 表示设备当前可用（例如支持并且设置没被用户关闭），false 表示不可用。
这一步很重要：如果在不支持的设备上直接调用模型 API，会抛出异常或导致不良体验。建议在 UI 上根据可用性显示备用逻辑（例如退回到本地规则或简单模板文本）。

更细粒度：查看不可用原因

import FoundationModels

func availabilityReason() -> SystemLanguageModel.Availability {
    return SystemLanguageModel.default.availability
}

解析：

availability 返回 SystemLanguageModel.Availability 实例，你可以据此判断是因为设备型号不支持、系统设置关掉了 Apple Intelligence，还是其它原因，从而向用户显示不同的引导（例如弹窗提示“请开启 Apple Intelligence”）。

用会话与 respond 生成文本

使用 LanguageModelSession 建立会话，然后调用 respond(to:) 获取模型返回的文本。下面是最小可运行示例（同步上下文中需要用 async）：

import FoundationModels

struct Intelligence {
    public func generate(_ input: String) async throws -> String {
        // 先检查是否可用
        guard SystemLanguageModel.default.isAvailable else {
            // 退回：直接返回输入或其它备用文本
            return input
        }

        // 创建会话
        let session = LanguageModelSession()
        // 直接发送输入并等待响应
        let response = try await session.respond(to: input)
        // 返回模型的文本内容
        return response.content
    }
}

解析：

LanguageModelSession()：会话对象，用于跟模型交互。你可以在一个会话里持续多次对话（如果场景需要上下文），也可以每次新建会话（无上下文）。
session.respond(to:)：把自然语言输入发送给模型并异步获得响应，返回值 response 包含 content（文本）等信息。
异常处理：respond 是 throws 的，注意在调用处使用 try/catch 以捕获网络 / 权限 /可用性等错误。
这里演示的是无额外指令的最基础调用。

测试方法：

在真机上运行（模拟器通常不具备 Apple Intelligence）。
在调用前把判断 isAvailable 的逻辑放到 UI 层，给用户合适的反馈和备用方案。

给模型“下指令”（Prompt / Instructions）

通常我们不希望模型只返回自由文本，而是希望它遵循某种指令（例如“你是健康生活教练，输出简短鼓舞性的建议”）。Foundation Models 框架允许在创建 LanguageModelSession 时传入 instructions：

import FoundationModels

struct Intelligence {
    private let instructions = """
    You are a healthy lifestyle coach. Write a recommendation. Keep it short, positive and inspiring. Respond only with the final recommendation, no explanations.
    """

    public func generate(_ input: String) async throws -> String {
        guard SystemLanguageModel.default.isAvailable else {
            return input
        }

        let session = LanguageModelSession(instructions: instructions)
        let response = try await session.respond(to: input)
        return response.content
    }
}

解析：

instructions 是给模型的全局上下文，告诉模型“扮演什么角色、给出什么风格的输出”。
当你把 instructions 传入 LanguageModelSession 后，该指令会影响随后所有 respond 的输出，从而保证输出风格的一致性。
适用场景举例：个性化推荐、邮件草稿生成、代码注释、客服自动回复模板等。

示例输入/输出：

输入："Reduce carbs"
输出（示例）："Try swapping refined carbs for whole grains and add a daily 20-minute walk—small steps, big impact."

四、微调输出：GenerationOptions（temperature 与 sampling）

当你希望控制模型的创造性、多样性或稳定性时，可以传入 GenerationOptions：

示例：基于“每日唯一建议”需求，使用随机 sampling + 稳定 seed。

import FoundationModels

struct Intelligence {
    private let instructions = """
    You are a healthy lifestyle coach. Write a recommendation. Keep it short, positive and inspiring. Respond only with the final recommendation, no explanations.
    """

    public func generate(_ input: String) async throws -> String {
        guard SystemLanguageModel.default.isAvailable else {
            return input
        }

        let session = LanguageModelSession(instructions: instructions)

        // 以一年中的天数为种子（seed），实现“每天唯一推荐但当天固定”的效果
        let seed = UInt64(Calendar.current.ordinality(of: .day, in: .year, for: Date()) ?? 0)
        let sampling = GenerationOptions.SamplingMode.random(top: 10, seed: seed)
        let options = GenerationOptions(sampling: sampling, temperature: 0.7)

        let response = try await session.respond(to: input, options: options)
        return response.content
    }
}

解析：

temperature：范围通常是 0 到 1（有实现可能略有差别）。温度越低（接近 0），生成越保守、越确定；温度越高（接近 1），生成越多样、越富创造性。
sampling：控制如何从模型的分布中抽取最终答案。greedy 表示贪心选择最可能的 token（同一 prompt 永远得到同一结果），random 则用 top-k/top-p 之类策略并可指定 seed 以保证在同一 seed 下结果可复现。
这里 top: 10 表示在候选中抽取前 10 个，seed 保证在同一个 seed 时结果一致。配合 seed 的变化策略（比如用 day-of-year）可以实现“每天固定但次日变化”的逻辑。

场景建议：

若希望“完全稳定”的结果（便于调试或合并回本地模板），可用 greedy + temperature 0。
若希望“每天变化但同一天固定”的推荐，例如每日一句健康建议、每日一句写作提示，使用上面例子的 seed 策略很合适。
若想在 A/B 测试中探索多样化样本，可递增 top 值或提高 temperature。

完整可运行 Demo

下面给出一个完整的 Demo：一个简单的 SwiftUI App，点击按钮生成推荐并显示。注意：这份 Demo 假定在真机上运行并且项目已开启 Apple Intelligence 所需的 capability（如果有的话）。

注意：请在真实项目中替换或处理错误、隐私合规、请求频率限制等问题。

import SwiftUI
import FoundationModels

@main
struct FMExampleApp: App {
    var body: some Scene {
        WindowGroup {
            ContentView()
        }
    }
}

struct ContentView: View {
    @State private var prompt: String = "Reduce carbs"
    @State private var recommendation: String = ""
    @State private var isLoading: Bool = false
    @State private var availabilityMessage: String?

    var body: some View {
        NavigationView {
            VStack(spacing: 16) {
                TextField("要给模型的输入（例如：Reduce carbs）", text: $prompt)
                    .textFieldStyle(RoundedBorderTextFieldStyle())
                    .padding(.horizontal)

                if let msg = availabilityMessage {
                    Text(msg)
                        .foregroundColor(.orange)
                        .padding(.horizontal)
                }

                Button(action: generateRecommendation) {
                    if isLoading {
                        ProgressView()
                    } else {
                        Text("生成推荐")
                            .bold()
                    }
                }
                .disabled(isLoading)
                
                if !recommendation.isEmpty {
                    VStack(alignment: .leading, spacing: 8) {
                        Text("模型推荐：")
                            .font(.headline)
                        Text(recommendation)
                            .padding()
                            .background(Color(UIColor.secondarySystemBackground))
                            .cornerRadius(8)
                    }
                    .padding()
                }

                Spacer()
            }
            .navigationTitle("健康小助手 Demo")
            .onAppear {
                checkAvailability()
            }
        }
    }

    func checkAvailability() {
        if SystemLanguageModel.default.isAvailable {
            availabilityMessage = nil
        } else {
            let av = SystemLanguageModel.default.availability
            // 这里只举例展示几种可能，具体 enum 取决于 API 实现
            availabilityMessage = "Apple Intelligence 当前不可用：\(av)"
        }
    }

    func generateRecommendation() {
        isLoading = true
        recommendation = ""
        Task {
            do {
                let intel = AppIntelligence.shared
                let result = try await intel.generate(prompt)
                await MainActor.run {
                    recommendation = result
                    isLoading = false
                }
            } catch {
                await MainActor.run {
                    recommendation = "生成失败：\(error.localizedDescription)"
                    isLoading = false
                }
            }
        }
    }
}

// 单例封装业务逻辑，便于复用
final class AppIntelligence {
    static let shared = AppIntelligence()
    private init() {}

    private let instructions = """
    You are a healthy lifestyle coach. Write a recommendation. Keep it short, positive and inspiring. Respond only with the final recommendation, no explanations.
    """

    func generate(_ input: String) async throws -> String {
        // 可用性检查
        guard SystemLanguageModel.default.isAvailable else {
            return input
        }

        // 可选：更细粒度判断，可根据 SystemLanguageModel.default.availability 做提示
        let session = LanguageModelSession(instructions: instructions)

        // 日级种子：确保同一天内输出相同
        let seed = UInt64(Calendar.current.ordinality(of: .day, in: .year, for: Date()) ?? 0)
        let sampling = GenerationOptions.SamplingMode.random(top: 10, seed: seed)
        let options = GenerationOptions(sampling: sampling, temperature: 0.7)

        let response = try await session.respond(to: input, options: options)
        return response.content.trimmingCharacters(in: .whitespacesAndNewlines)
    }
}

Demo 解析要点：

UI：输入框 + 按钮 + 显示区域，便于快速试验不同 prompt。
checkAvailability()：在界面出现时检查模型可用性并提示用户。
AppIntelligence：单例封装模型会话与生成逻辑，里头包含 instructions、seed 策略、GenerationOptions 配置。
错误处理：在实际项目中请扩展错误分类（权限、配额、设备不支持等）并做相应提示或降级处理。
运行平台：请在支持 Apple Intelligence 的真机上运行；模拟器通常不支持模型或 isAvailable 会为 false。

实际场景与最佳实践

个性化推荐（例如饮食、锻炼、日程建议）

使用用户的上下文信息（年龄、目标、过敏信息）作为 input 或 instructions 的一部分。注意隐私合规与敏感数据的本地化策略。
采用每日种子策略实现“每天唯一、但当日固定”的推荐体验。

编辑类功能（邮件草稿、标题优化）

把 instructions 写成“请将下面内容改写为更专业/更简洁/更口语化的格式”。
对敏感操作（发送邮件、提交审核）进行二次确认。

辅助交互（对话、客服）

将会话持久化在 LanguageModelSession（或通过上下文把历史消息拼接成 prompt），以维持上下文连贯性。
对多轮会话限制长度与隐私信息的泄露。

离线与回退（可用性为 false 时的策略）

设备不支持 Apple Intelligence：提供本地模板、规则引擎或后端模型服务作为回退。
用户关闭 Apple Intelligence：弹窗引导开启或直接降级体验。

注意事项与安全合规

隐私：不要在 prompt 中包含用户的敏感信息（如身份证号、银行信息等），除非确知数据在设备上完全本地化并符合合规要求。
配额与性能：Foundation Models 的调用可能受系统限制或能耗约束，避免在短时间内频繁调用（例如滚动实时触发）。
权限与用户控制：为用户提供控制（例如“允许 Apple Intelligence 生成内容”复选框），并在数据使用上透明告知。
测试用例：在真机上进行端到端测试，注意不同 iPhone/iPad 型号、不同系统版本的差异。
回退方案：在 isAvailable == false 情况下，提供友好降级（例如“暂不支持，使用本地模板”）。

总结

Foundation Models 框架的 API 设计较为直观：检查 isAvailable → 建立 LanguageModelSession（可带 instructions）→ 调用 respond(to:options:)。
通过 GenerationOptions 可以控制创造性与稳定性（temperature + sampling + seed）。
要在产品化环境中使用，建议：把模型调用封装到服务层、实现可配置的参数、做好隐私与审计、并提供回退逻辑。
若需要“每日固定推荐”等需求，合理使用 seed（例如 day-of-year）即可达成。
真实测试请在支持 Apple Intelligence 的真机上进行（模拟器通常不可用）。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

腾讯技术创作特训营S15#自选日志