foundation-models-on-device

foundation-models-on-device 技能概览

foundation-models-on-device 能做什么

foundation-models-on-device 技能可帮助你设计并实现运行在 iOS 26+ 本地的 Apple FoundationModels 功能。它最适合需要文本生成、借助 @Generable 的结构化输出、tool calling，或 snapshot streaming，同时又不想把用户数据发送到云端模型的应用。

适合谁使用

如果你正在为 iPhone 或 iPad 构建 AI 功能，并且需要隐私保护、离线韧性，或 Apple Intelligence 集成，就适合使用 foundation-models-on-device 技能。它也很适合产品团队、iOS 工程师，以及偏后端思维的开发者——他们希望先弄清楚 App 侧的契约，再去接入服务器逻辑。

采用前先看什么

最关键的决策点是设备与系统支持：这套工作流依赖 Apple Intelligence 可用性以及 iOS 26+ 里的 FoundationModels framework。若你需要覆盖更多设备、云端兜底，或与模型无关的 prompt 工具链，这个技能只能覆盖整体方案中的一部分。

foundation-models-on-device 技能的使用方法

安装并打开正确的文件

使用下面的命令安装 foundation-models-on-device 技能：
npx skills add affaan-m/everything-claude-code --skill foundation-models-on-device

先从 SKILL.md 开始，编辑代码前把整个文件读完。这个 repo 没有额外的脚本或参考目录，所以技能内容本身就是唯一的事实来源。

把模糊目标转成可用的 prompt

foundation-models-on-device 的使用效果最好时，你会明确说出功能、输入形状和期望输出形状。例如，你可以要求生成“一个 SwiftUI 页面：先检查可用性，仅在支持时启动 session，并为任务笔记返回结构化的类 JSON 输出”。这比“给我的 app 加 AI”更有效，因为这个技能本来就围绕可用性检查、session 初始化、结构化生成和流式输出来设计。

将技能映射到你的实现方案

对于 Backend Development 场景下的 foundation-models-on-device，最有用的思路是 contract-first：先定义 App 需要生成、校验或流式输出什么，再去设计外围 API。如果你的 app 已经有后端 endpoint，就先决定本地模型是用于草稿生成、摘要、分类还是 UI 辅助，并尽量把服务器职责收窄。

先看这些核心模式

先重点看技能里的核心模式：可用性检查、基础 session 流程、借助 @Generable 的引导式生成，以及 tool calling。这些是 foundation-models-on-device 指南里信号最高的部分，因为它们决定了代码能否在符合条件的设备上运行，以及输出是否足够结构化，能够用于生产环境。

foundation-models-on-device 技能常见问题

foundation-models-on-device 只适用于 iOS 应用吗？

是的。这个技能围绕 Apple 的本地 FoundationModels framework 展开，因此主要适用于 iOS 26+ 应用开发。如果你需要 Web、Android，或服务端 LLM 支持，就应该使用别的技能。

需要开启 Apple Intelligence 吗？

通常需要。foundation-models-on-device 技能里最先做的检查之一就是模型可用性，因为如果设备不符合资格、Apple Intelligence 关闭，或者模型还在下载，就可能无法使用该功能。

这和普通 prompt 有什么不同？

普通 prompt 只是告诉模型要做什么。foundation-models-on-device 技能给你的是实现路径：什么时候激活、如何按可用性做门控、如何用 @Generable 塑形输出，以及如何在本地安全地流式传输或调用工具。

适合初学者吗？

如果你已经掌握基础 Swift 或 SwiftUI，它就算比较友好。若你还在学习应用架构，它就没那么合适，因为真正困难的不是写 prompt，而是正确整合模型可用性、结构化响应和 UI 状态。

如何改进 foundation-models-on-device 技能

明确写出要完成的具体任务

输入越具体，输出越好。不要只说笼统的“AI chat”，而要明确用户动作和结果，例如“把笔记总结成三条要点”“从收据中提取字段”或“在可访问日历数据的前提下草拟回复”。

提前说明你的约束条件

请说明目标设备、最低系统版本、是否需要离线行为，以及是否必须输出结构化结果。这些约束在 foundation-models-on-device 里非常重要，因为它们会直接决定功能是否应该开放，以及实现方式应当使用普通生成、@Generable 还是 tool calling。

不只问成功路径，也要问失败路径

当你同时要求可用性处理、兜底 UI 和输入校验时，这个技能的效果最好。一个好的迭代 prompt 会要求“支持设备流程 + 不符合资格、未开启、未就绪状态”，这样输出结果才是可交付的，而不是只能演示。

检查生成代码中的模型边界

最常见的失败模式，是默认本地模型可以替代产品逻辑。应当用这个技能去增强草稿生成、信息提取和 UI 辅助，但授权、持久化以及关键业务规则仍应留在模型路径之外。