从 @Generable 到 SwiftData：设备上的报价质量管道

约束不是“让模型写一个报价”

单个提示可以产生一个句子。它无法确定系统模型是否准备就绪、保持界面响应、区分生成的行与历史报价、防止接近重复的内容进入库，或者在推理失败时使产品保持有用。那些周围的决定就是特征。

RiseHush 没有推理后端。 在受支持的 Apple Intelligence 设备上，该应用程序会向 Apple 设备上的系统语言模型发送有界提示，并将接受的结果存储在本地 SwiftData 中。面向产品的智能页面解释了人们所看到的内容；本文记录了实现路径及其限制。 苹果自己的可用性 API 仍然是该模型现在是否可以运行的权威。

这里的“可重复”意味着另一位工程师可以重复准备矩阵、拒绝装置、超时路径和持久性检查。这并不意味着非确定性语言模型将逐位返回相同的散文。此页面报告已检查的源架构，而不是新的物理设备质量指标；没有从测试脚本推断出基准测试结果。

• 推论： Apple 的系统语言模型，在设备上。
• 输出合约：引导式 Swift 类型，然后进行确定性验证。
• 存储：本地 SwiftData 行标记为已生成。
• 网络路径：无 RiseHush 生成服务器或第三方模型。

[1][2]

从提示到库：生产路径

这是 RiseHush 设备上报价生成器背后的架构，如当前应用程序源代码中所检查的那样。它记录了大门、故障路径，并检查开发人员是否可以重现；它不是一个模型基准，也不是声称每个草稿都很好。

排序是经过深思熟虑的。在更多推理之前运行廉价、可解释的检查；在每个所需的门都接受了候选者之前，不会发生写入。流式回答是临时界面文本，而不是保存的报价。

1. 01

   证明已准备就绪

   该服务在创建会话之前检查系统模型的可用性和请求的区域设置。设备资格、Apple 情报状态、模型资产准备情况和语言支持是单独的结果。

2. 02

   约束草稿

   @Generable Swift 类型要求一个原始句子，通常为 10-16 个单词，但绝不会超过 18 个，并且没有出处、markdown、主题标签、表情符号或换行引号。

3. 03

   直播主要演员

   一个新的 LanguageModelSession 已针对请求进行预热。部分结构化快照可以更新界面，而基础模型循环仍然不参与主要参与者。

4. 04

   拒绝明显的失败

   在进行任何基于模型的判断之前，确定性门会检查句子和字数限制、语言一致性、禁止片段、换行标点符号和多语言陈词滥调模式。

5. 05

   测试新颖性和质量

   当比较嵌入可用时，幸存者将面临语义近乎重复的检查，然后是单独的指导判断和独特性评分。未达到所需阈值的流式草稿将被丢弃，而不是默默地保留。

6. 06

   坚持幸存者

   元数据是在远离主要参与者的情况下计算的。 SwiftData 插入返回到主要参与者，将行标记为已生成且不是公共域，并在保存失败时回滚瞬时插入。

7. 07

   重用本地状态

   应用程序和系统界面使用存储的报价。小部件读取持久数据；它们不会在扩展时间线内唤醒语言模型。

[2][3][4][5]

引导输出缩小形状；代码仍然拥有策略

该草案是标记为@Generable的 Swift 类型。它的指南要求提供一个原始句子，通常为 10-16 个单词，硬提示最多为 18 个单词，并禁止归属、引号、主题标签、表情符号、降价和换行符。生产选项使用温度 0.7 和 40 个令牌上限：为结构化包装和短句提供足够的空间，而不需要段落长度的输出。

这并不使验证成为可选的。 Apple 将引导生成描述为生成结构化 Swift 数据的一种方式，而不是保证内容满足每个产品规则。因此，RiseHush 将模型的键入值视为不受信任的草稿。下面的简化草图保留了生产顺序和阈值，同时省略了特定于应用程序的提示和持久性细节。

@Generable
private struct GeneratedQuoteDraft {
    @Guide(description: "One original sentence; 10–16 words; no attribution")
    var text: String
}

guard availability(locale: locale) == .available else {
    throw GenerationError.unavailable
}

let stream = session.streamResponse(
    to: prompt,
    generating: GeneratedQuoteDraft.self,
    options: generationOptions
)

for try await snapshot in stream {
    yield(snapshot.content.text)          // interface update
}

guard deterministicGate.passes(text, locale: locale),
      await noveltyGate.isNearDuplicate(text) == false,
      await judge.score(text).overall >= 6,
      distinctiveness.score(text).overall >= 5
else {
    throw GenerationError.noCandidate
}

return try persistAsGeneratedQuote(text)

[4][5]

为什么第二遍仍然不够

第一个拒绝层是确定性的：空输出、禁止提示残留、换行引号、单词和句子限制、语言分歧和多语言陈词滥调。本地 Core ML 味道过滤器可以添加英语、德语、西班牙语、法语、意大利语和葡萄牙语的学习信号；它是故意跳过的，而不是在这些校准区域之外误用的。

接下来，当比较嵌入可用时，语义新颖性门将候选者与有界本地目录进行比较，并以余弦相似度阈值 0.90 拒绝近似重复项。如果目录为空或无法生成嵌入，则该层将通过，而不是声称新颖性已被证明。然后，新的基础模特课程会对整体质量、原创性和温暖度进行评分。该法官是使用相同系统模型的单独会议，而不是独立模型，也不是人工审查。如果它不可用、拒绝或无法产生结构化输出，则确定性分数提供有限的后备。

最后，独特性得分奖励具体的意象、行动、情感特异性和能动性，同时惩罚公式和最近的负面锚点。目前，验收要求评审分数至少为 6 分，独特性至少为 5 分。这些是产品门槛，而不是全球原创性或安全性的证明。

[7]

让模特远离主要演员

公共服务返回 SwiftData 模型对象，因此其入口点仍然受主要参与者限制。昂贵的基础模型响应循环则不然。每个请求都拥有一个新的LanguageModelSession；流和元数据计算远离主要参与者，对于参与者绑定的提示信号和持久性有小的显式跳跃。

流式传输会产生界面的部分结构化快照，然后将最终文本通过与池路径相同的门、新颖性、判断和独特性栏。完成的流通过持久标识符跨越参与者，而不是移动不可发送的 SwiftData 模型。调用者在其自己的参与者上解析该标识符。

仅插入接受的文本。该记录创作为 RiseHush，标记为source = .generate和isPublicDomain = false，用其区域设置标记，并使用本地计算的元数据进行丰富。如果保存失败，则在错误返回之前删除临时插入。

[5][10]

使用三个只读工具为礼宾服务奠定基础

不允许 RiseHush 发明一个人的图书馆状态。 Apple 的工具调用 API 允许会话请求狭窄的应用程序功能并合并其返回的数据。该应用程序公开了三个有界的只读工具；没有一个到达 RiseHush 服务器。

工具参数和输出大小受到限制。已保存报价查找最多返回 8 个结果，目录搜索最多返回 5 个结果，并且总工具输出有上限。保存的报价工具可以返回最近的匹配项，但它不接受日历范围，因此该产品不应承诺模型可以回答“我上周保存了什么？”

• 目录报价搜索

  按心情、类别或主题搜索捆绑的报价目录。它不要求模型发明一个来源。

• 保存的报价查找

  在本地存储中查找此人自己保存的和最喜欢的引言。

• 连胜状态

  阅读当地的灵感来源，以便 Ask RiseHush 可以回答有限的个人问题。

[6]

故障行为是架构的一部分

可用性不是布尔值。兼容设备可能仍禁用 Apple Intelligence、准备模型资产或系统模型不支持的语言。运行时生成还可能会拒绝、撞上护栏、超出上下文、受到限制、遇到并发请求、结构化解析失败或超时。

RiseHush 将这些情况映射到有限产品行为。前台生成的预算为 45 秒，Siri 为 20 秒，后台池生成为 120 秒。精心策划的图书馆仍然是诚实的后备。该应用程序从不存储占位符散文，就好像模型成功了一样。

[2][3][7]

重现性实验方案，无需发明结果

下面的协议将源头检查与实时设备证明分开。记录每次运行的硬件、操作系统构建、区域设置、Apple Intelligence 状态、模型准备情况、提示装置、经过的时间、终端分支、拒绝原因和持久性结果。 Apple 的 Foundation Models Instruments 可以在真实会话期间公开提示、工具、令牌和延迟行为。

机器可读版本可用作基础模型评估协议 (JSON)。它包含矩阵和现场合同，而不是捏造的测量结果。当当前物理设备运行获得批准后，附加其匿名行并发布具有确切设备和操作系统的聚合接受度、超时和延迟值。

1. 使用具有支持的操作系统的兼容硬件。测试 Apple Intelligence 已启用并准备就绪、已禁用且仍在下载。
2. 对受支持的区域设置和不受支持的区域设置重复此操作；验证应用程序是否区分型号支持和一般设备资格。
3. 模型资产准备就绪后，在飞行模式下重复并确认不需要 RiseHush 生成端点。
4. 与界面交互时观察部分文本；确认滚动和控件在模型转动过程中保持响应。
5. Feed 内容是空的、多句话、太长、用引号括起来、语言错误、陈词滥调或近乎重复；没有一个应该成为保存的生成行。
6. 触发判断拒绝和有限超时；确认没有保留任何被拒绝的草稿，并且策划的体验仍然可用。
7. 在测试存储中强制本地保存失败；确认插入的模型已回滚。
8. 使用较短的时间预算来练习 Siri，并验证小部件仅读取持久数据，而不是在扩展中开始生成。

[8]

这个架构没有证明什么

高质量的管道可以使失败变得可见并减少不良的持久性。它无法将设备上的小型语言模型转变为历史来源，无法证明句子从未在任何地方写过，也无法保证品味。因此，生成的线条永远不会归属于历史作者，也永远不会进入公共领域目录。

翻译值得单独警告。对于 Foundation Models 不直接支持的语言环境，可选路径完全门控英语草稿，然后使用 Apple 的设备上翻译框架（如果有该对）。检查翻译结果是否有非空响应，并使用新的元数据进行持久化，但目前它不会在翻译后重复完整的目标语言门、新颖性和判断序列。这条道路是一种后备措施，而不是同等直接发电质量的证据。

模型和操作系统更新可能会改变可用性、延迟、拒绝行为和输出分布。 Apple 建议随着基础模型的变化重新审视提示和评估。因此，RiseHush 的测试矩阵必须在材料平台更新后重新运行，而不是将此页面视为永久基准证明。

• 系统模型不用作历史引用事实或作者归属的来源。
• 结构化输出和第二个模型通过减少故障模式；它们并不能证明某条路线是深刻的、具有全球意义的原创性或适合所有人。
• 当语义新颖层的有界目录为空或比较嵌入不可用时，语义新颖层就会通过；它减少了已知的近似重复，但不证明全球原创性。
• 离线生成取决于兼容的硬件、启用的 Apple Intelligence、支持的语言行为以及已经准备好的模型资产。
• 可选的学习 Core ML 口味过滤器针对英语、德语、西班牙语、法语、意大利语和葡萄牙语进行了校准；其他语言环境仍然接收支持它们的确定性和基于模型的层。
• 本地翻译后备并不等同于直接生成目标语言：当前翻译结果不会重复翻译后的每个质量层。
• 操作系统和模型更新可能会改变延迟和输出分布，因此在重大平台更改后必须重新运行设备矩阵。
• 本页面描述了当前的架构，并不承诺每个平台表面都运行基础模型。小部件有意消耗持久结果。

[3][9][11]