從 @Generable 到 SwiftData：裝置上的報價品質管道

約束不是“讓模型寫一個報價”

單一提示可以產生一個句子。它無法確定係統模型是否準備就緒、保持介面響應、區分生成的行與歷史報價、防止接近重複的內容進入庫，或在推理失敗時使產品保持有用。那些周圍的決定就是特徵。

RiseHush 沒有推理後端。 在支援的 Apple Intelligence 裝置上，該應用程式會向 Apple 裝置上的系統語言模型發送有界提示，並將接受的結果儲存在本機 SwiftData 中。面向產品的智慧頁面解釋了人們所看到的內容；本文記錄了實現路徑及其限制。 蘋果自己的可用性 API 仍然是該模型現在是否可以運行的權威。

這裡的「可重複」意味著另一位工程師可以重複準備矩陣、拒絕裝置、超時路徑和持久性檢查。這並不意味著非確定性語言模型將逐位返回相同的散文。此頁面報告已檢查的來源架構，而不是新的實體設備品質指標；沒有從測試腳本推斷基準測試結果。

• 推論： Apple 的系統語言模型，在裝置上。
• 輸出合約：引導式 Swift 類型，然後進行確定性驗證。
• 儲存：本機 SwiftData 行標記為已產生。
• 網路路徑：無 RiseHush 生成伺服器或第三方模型。

[1][2]

從提示到庫：生產路徑

這是 RiseHush 裝置上報價產生器背後的架構，如目前應用程式原始碼中所檢查的那樣。它記錄了大門、故障路徑，並檢查開發人員是否可以重現；它不是一個模型基準，也不是聲稱每個草稿都很好。

排序是經過深思熟慮的。在更多推理之前運行廉價、可解釋的檢查；在每個所需的門都接受了候選者之前，不會發生寫入。串流回答是臨時介面文本，而不是已儲存的報價。

1. 01

   證明已準備就緒

   該服務在建立會話之前檢查系統模型的可用性和請求的區域設定。設備資格、Apple 情報狀態、模型資產準備情況和語言支援是單獨的結果。

2. 02

   約束草稿

   @Generable Swift 類型要求一個原始句子，通常為 10-16 個單詞，但絕不會超過 18 個，並且沒有出處、markdown、主題標籤、表情符號或換行引號。

3. 03

   直播主要演員

   一個新的 LanguageModelSession 已針對請求進行預熱。部分結構化快照可以更新介面，而基礎模型循環仍然不參與主要參與者。

4. 04

   拒絕明顯的失敗

   在進行任何基於模型的判斷之前，確定性門會檢查句子和字數限制、語言一致性、禁止片段、換行標點符號和多語言陳詞濫調模式。

5. 05

   測試新穎性和品質

   當比較嵌入可用時，倖存者將面臨語義近乎重複的檢查，然後是單獨的指導判斷和獨特性評分。未達到所需閾值的串流草稿將被丟棄，而不是默默地保留。

6. 06

   堅持倖存者

   元數據是在遠離主要參與者的情況下計算的。 SwiftData 插入返回主要參與者，將行標記為已產生且不是公共域，並在儲存失敗時回滾瞬時插入。

7. 07

   重複使用本地狀態

   應用程式和系統介面使用儲存的報價。小部件讀取持久性資料；它們不會在擴展時間軸內喚醒語言模型。

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

引導輸出縮小形狀；程式碼仍然擁有策略

該草案是標記為@Generable的 Swift 類型。它的指南要求提供一個原始句子，通常為 10-16 個單詞，硬提示最多為 18 個單詞，並禁止歸屬、引號、主題標籤、表情符號、降價和換行符。生產選項使用溫度 0.7 和 40 個令牌上限：為結構化包裝和短句提供足夠的空間，而不需要段落長度的輸出。

這並不使驗證成為可選的。 Apple 將引導產生描述為產生結構化 Swift 資料的一種方式，而不是保證內容符合每個產品規則。因此，RiseHush 將模型的鍵入值視為不受信任的草稿。下面的簡化草圖保留了生產順序和閾值，同時省略了特定於應用程式的提示和持久性細節。

@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]

為什麼第二遍仍然不夠

第一個拒絕層是確定性的：空輸出、禁止提示殘留、換行引號、單字和句子限制、語言分歧和多語言陳腔濫調。本地 Core ML 味道過濾器可以添加英語、德語、西班牙語、法語、義大利語和葡萄牙語的學習訊號；它是故意跳過的，而不是在這些校準區域之外誤用的。

接下來，當比較嵌入可用時，語意新穎性門將候選者與有界本地目錄進行比較，並以餘弦相似度閾值 0.90 拒絕近似重複項。如果目錄為空或無法產生嵌入，則該層將通過，而不是聲稱新穎性已被證明。然後，新的基礎模特兒課程會對整體品質、原創性和溫暖度進行評分。該法官是使用相同系統模型的單獨會議，而不是獨立模型，也不是人工審查。如果它不可用、拒絕或無法產生結構化輸出，則確定性分數提供有限的後備。

最後，獨特性分數獎勵具體的意象、行動、情緒特異性和能動性，同時懲罰公式和最近的負面錨點。目前，驗收要求評審分數至少為 6 分，獨特性至少為 5 分。這些是產品門檻，而不是全球原創性或安全性的證明。

[7]

讓模特兒遠離主要演員

公共服務傳回 SwiftData 模型對象，因此其入口點仍受主要參與者限制。昂貴的基礎模型響應循環則不然。每個請求都擁有一個新的LanguageModelSession；流和元資料計算遠離主要參與者，對於參與者綁定的提示信號和持久性有小的顯式跳躍。

串流傳輸會產生介面的部分結構化快照，然後將最終文字通過與池路徑相同的門、新穎性、判斷和獨特性欄。完成的流程透過持久標識符跨越參與者，而不是移動不可發送的 SwiftData 模型。呼叫者在自己的參與者上解析該標識符。

僅插入接受的文字。該記錄創作為 RiseHush，標記為source = .generate和isPublicDomain = false，用其區域設定標記，並使用本地計算的元資料進行豐富。如果儲存失敗，則在錯誤返回之前刪除臨時插入。

[5][10]

使用三個唯讀工具為禮賓服務奠定基礎

不允許 RiseHush 發明一個人的圖書館狀態。 Apple 的工具呼叫 API 允許會話請求狹窄的應用程式功能並合併其傳回的資料。該應用程式公開了三個有界的唯讀工具；沒有一個到達 RiseHush 伺服器。

工具參數和輸出大小受到限制。已儲存報價尋找最多回傳 8 個結果，目錄搜尋最多回傳 5 個結果，且總工具輸出有上限。保存的報價工具可以返回最近的匹配項，但它不接受日曆範圍，因此該產品不應承諾模型可以回答“我上週保存了什麼？”

• 目錄報價搜尋

  依心情、類別或主題搜尋捆綁的報價目錄。它不要求模型發明一個來源。

• 儲存的報價查找

  在本地儲存中尋找此人自己保存的和最喜歡的引言。

• 連勝狀態

  閱讀當地的靈感來源，以便 Ask RiseHush 可以回答有限的個人問題。

[6]

故障行為是架構的一部分

可用性不是布林值。相容裝置可能仍停用 Apple Intelligence、準備模型資產或系統模型不支援的語言。運行時產生也可能會拒絕、撞上護欄、超出上下文、受到限制、遇到並發請求、結構化解析失敗或逾時。

RiseHush 將這些情況對應到有限產品行為。前台產生的預算為 45 秒，Siri 為 20 秒，後台池生成為 120 秒。精心策劃的圖書館仍然是誠實的後備。該應用程式從不儲存佔位符散文，就好像模型成功了一樣。

[2][3][7]

重現性實驗方案，無需發明結果

下面的協議將源頭檢查與即時設備證明分開。記錄每次運行的硬體、作業系統建置、區域設定、Apple Intelligence 狀態、模型準備、提示裝置、經過的時間、終端分支、拒絕原因和持久結果。 Apple 的 Foundation Models Instruments 可以在真實會話期間公開提示、工具、令牌和延遲行為。

機器可讀版本可用作基礎模型評估協定 (JSON)。它包含矩陣和現場合同，而不是捏造的測量結果。噹噹前實體設備運行獲得批准後，附加其匿名行並發布具有確切設備和作業系統的聚合接受度、逾時和延遲值。

1. 使用具有支援的作業系統的相容硬體。測試 Apple Intelligence 已啟用並準備就緒、已停用且仍在下載。
2. 對受支援的區域設定和不受支援的區域設定重複此操作；驗證應用程式是否區分型號支援和一般設備資格。
3. 模型資產準備好後，在飛行模式下重複並確認不需要 RiseHush 產生端點。
4. 與介面互動時觀察部分文字；確認滾動和控制在模型轉動過程中保持反應。
5. Feed 內容是空的、多句話、太長、用引號括起來、語言錯誤、陳腔濫調或近乎重複；沒有一個應該成為保存的生成行。
6. 觸發判斷拒絕和有限超時；確認沒有保留任何被拒絕的草稿，並且策劃的體驗仍然可用。
7. 在測試儲存中強製本地保存失敗；確認插入的模型已回滾。
8. 使用較短的時間預算來練習 Siri，並驗證小部件僅讀取持久數據，而不是在擴展中開始生成。

[8]

這個架構沒有證明什麼

高品質的管道可以使失敗變得可見並減少不良的持久性。它無法將裝置上的小型語言模型轉變為歷史來源，無法證明句子從未在任何地方寫過，也無法保證品味。因此，生成的線條永遠不會歸屬於歷史作者，也永遠不會進入公共領域目錄。

翻譯值得單獨警告。對於 Foundation Models 不直接支援的語言環境，可選路徑完全門控英文草稿，然後使用 Apple 的裝置上翻譯框架（如果有該對）。檢查翻譯結果是否有非空響應，並使用新的元資料進行持久化，但目前它不會在翻譯後重複完整的目標語言門、新穎性和判斷序列。這條道路是一種後備措施，而不是同等直接發電品質的證據。

模型和作業系統更新可能會改變可用性、延遲、拒絕行為和輸出分佈。 Apple 建議隨著基礎模型的變化重新審視提示和評估。因此，RiseHush 的測試矩陣必須在材料平台更新後重新運行，而不是將此頁面視為永久基準證明。

• 系統模型不用作歷史引用事實或作者歸屬的來源。
• 結構化輸出和第二個模型透過減少故障模式；它們並不能證明某條路線是深刻的、具有全球意義的原創性或適合所有人。
• 當語意新穎層的有界目錄為空或比較嵌入不可用時，語意新穎層就會通過；它減少了已知的近似重複，但不證明全球原創性。
• 離線產生取決於相容的硬體、啟用的 Apple Intelligence、支援的語言行為以及已經準備好的模型資產。
• 可選的學習 Core ML 口味過濾器針對英語、德語、西班牙語、法語、義大利語和葡萄牙語進行了校準；其他語言環境仍然接收支援它們的確定性和基於模型的層。
• 本地翻譯後備並不等於直接產生目標語言：目前翻譯結果不會重複翻譯後的每個品質層。
• 作業系統和模型更新可能會改變延遲和輸出分佈，因此在重大平台變更後必須重新運行裝置矩陣。
• 本頁面描述了目前的架構，並不承諾每個平台表面都運行基礎模型。小部件有意消耗持久結果。

[3][9][11]