axiom-ai

Apple Intelligence 与 AI

任何 Apple Intelligence 或 Foundation Models 相关工作都必须使用此技能。

无法启动 Axiom Agent？ 如果此路由将你引导至某个 Agent，请直接按其流程操作。通过 MCP，axiom_get_agent 会返回该流程；在其他环境中，请阅读下方文件，只需使用文件搜索和读取功能即可。

此处提供：skills/foundation-models-auditor.md。

对于其他 Agent，通过 MCP 使用 axiom_get_agent 也能获取其流程；请使用 axiom_xclog_*、axiom_xcsym_* 和 axiom_xcprof_* 工具执行其 xclog、xcsym 和 xcprof 步骤。在其他环境中，请在 Axiom 的技能中搜索 skills/<agent>.md；如果没有该文件，请使用本套件的技能自行完成工作，并使用 PATH 中的任意 Axiom 工具。

何时使用

在以下情况下使用此路由：

• 实现 Apple Intelligence 功能
• 使用 Foundation Models
• 使用 LanguageModelSession
• 使用 @Generable 生成结构化输出
• 调试 AI 生成问题
• iOS 26 设备端 AI

AI 方案分流

首先，确定开发者需要哪种 AI：

开发者意图	转到
设备端文本生成（Apple Intelligence）	留在此处 → Foundation Models 技能
自定义 ML 模型部署（PyTorch、TensorFlow）——传统 Core ML	查看 skills/ios-ml.md（中心文档）→ 转换 / 压缩 / 训练 / 部署 / 参考 / 诊断文件
Core ML 模型无法加载、运行缓慢、内存增长，或压缩后精度下降	查看 skills/coreml-diag.md
设备端自定义 LLM 级 / transformer 模型（27 周期）	查看 skills/core-ai.md → Core AI 转换、运行时、专用化
计算机视觉（图像分析、OCR、分割）	/skill axiom-vision → Vision 框架
云端 API 集成（OpenAI、通用 HTTP）	/skill axiom-networking → URLSession 模式
云端 Claude 集成（Anthropic SDK、Messages API、Claude Agent SDK）	查看 claude-api 技能（外部）→ 包含 Opus 4.6 → 4.7 的自动迁移
语音转文本 / 转录（SpeechAnalyzer、SpeechTranscriber、DictationTranscriber、麦克风 → 转录文本）	查看 skills/speech.md（OS27 输入提供程序、Swift 6 麦克风点击隔离、iOS/visionOS 上约 2 个分析器的上限；macOS 上则没有此限制）
即用型 Apple Intelligence UI——消息对话的建议操作（OS27）	查看 skills/suggested-actions.md → 可直接嵌入的 SuggestedActionsView，受 entitlement 限制
系统 AI 功能（Writing Tools、Genmoji）	无需自定义代码——由系统提供

关键界限：Foundation Models 与 ML（自定义模型）

• Foundation Models = Apple 的设备端 LLM 框架（LanguageModelSession、@Generable）
• ML = 自定义模型部署（CoreML 转换、量化、MLTensor）和语音转文本
• 如果开发者说“运行我自己的模型”→ skills/ios-ml.md。如果说“使用 Apple Intelligence”→ 留在此处。

训练路径的边界

开发者说“我需要训练／微调／个性化一个模型”时，实际有四种不同的路径。它们常被混为一谈，但各自的输出、生命周期和运行时兼容性都不同。

路径	训练对象	输出	生命周期	跳转至
FM custom adapter（仅限 26-cycle——运行时已在 27.0 中弃用）	Apple 冻结的设备端 3B 大模型（rank-32 LoRA）	.fmadapter 包，约 160 MB	在构建时按 OS 版本生成，通过 Background Assets 交付	skills/foundation-models-adapters.md（实践规范）+ skills/foundation-models-adapters-ref.md（工具包 + 运行时）+ skills/foundation-models-adapters-diag.md（故障模式）；通过 axiom-integration (skills/background-assets.md) 交付
Core ML MLUpdateTask	NN-spec 模型中的全连接层和卷积层	更新后的 .mlmodelc，保存到磁盘	运行时，按用户区分（设备端个性化）	skills/coreml-training.md
Create ML	从头开始创建／通过迁移学习创建新的 Core ML 模型	.mlmodel	构建时，在 Mac 或 iOS 上（依类型而定）	skills/coreml-training.md
MLX LM（mlx_lm.lora）	Apple Silicon 上的开源大模型	adapters/adapters.safetensors——无法由 Foundation Models 加载	构建时；不是 iOS 分发路径	外部——不属于 Axiom 范围；视为相关研究工具
服务端大模型微调	云端托管模型（例如供应商提供的微调模型）	云端产物，通过 API 访问	构建时；在云端运行	API 集成请参阅 /skill axiom-networking；微调工作流属于供应商的范畴

关键区别：

• MLX LM 的输出（.safetensors）无法加载到 LanguageModelSession 中。工具链和部署目标都不同。
• MLUpdateTask 仅支持 NN-spec——不支持由现代 PyTorch／TensorFlow 转换而来的 ML Program（.mlpackage）模型。这是它很少用于新项目的主要原因。
• FM custom adapter 会按基础模型版本（按 OS）固定。一个 adapter 无法适配安装基础中的每台设备——请参阅 skills/foundation-models.md 中的“方案筛选”部分，了解如何逐步排除方案。

如需完整了解“哪条路径适合我？”（决策树、三个耗费数周的常见失误、各路径的跳转指引）→ skills/training-paths.md。

跨领域路由

基础模型 + 并发（生成期间 UI 冻结、并发请求错误）：

• 等待会话会挂起，而不是阻塞——冻结是生成过程周围的同步主线程工作（foundation-models-diag Pattern 5a），而 concurrentRequests 表示在 isResponding 为 true 时启动了第二个请求
• 先在此处修复，使用 foundation-models（一次处理一个请求）和 foundation-models-diag Pattern 5a（冻结问题）
• 如果并发问题超出基础模型的范围 → 同时调用 axiom-concurrency

基础模型 + 数据（@Generable 解码错误、结构化输出问题）：

• @Generable 输出问题是基础模型特有的问题，而不是通用 Codable 问题
• 留在此处 → foundation-models-diag 负责结构化输出调试
• 如果开发者还有常规 Codable/序列化问题 → 同时调用 axiom-data

基础模型 + 安全（提示词注入、保护 Agent 工具、确认门控）：

• Agent 功能的威胁建模与缓解措施（.onToolCall 确认、.historyTransform 聚焦/脱敏、锁屏意图策略）→ axiom-security（skills/agentic-security.md）
• API 本身的问题留在此处（DynamicProfile、工具、会话）

语音转文本 + 音频采集（转录与音频会话冲突）：

• SpeechAnalyzer / SpeechTranscriber、OS27 输入提供程序、iOS/visionOS 上约 2 个分析器的上限；macOS 上则没有此上限 → 留在此处（skills/speech.md）
• 陷阱：CaptureInputSequenceProvider.providerWithSession(...)（OS27）会重新配置应用的默认 AVAudioSession。如果应用也要录音或播放，采集/会话部分的修复应参考 axiom-media（avfoundation-ref、camera-capture）——通过 provider(from:in:) 加入自己的会话，或从负责该会话的 actor 调用 init(session:analyzerFormat:priority:)，并添加其 captureAudioDataOutput

路由逻辑

自定义 Core ML 工作（使用自己的模型，而非 Apple 的 LLM）

skills/ios-ml.md 是中心入口。每个阶段都有专门的文件：

• 转换训练好的 PyTorch/TF/Keras 模型 → skills/coreml-conversion.md（coremltools.convert、ML Program 与 NN-spec 的区别、奇偶校验、带状态的转换）
• 压缩模型 → skills/coreml-compression.md（PTQ 与 QAT 的选择、调色板化/量化/剪枝）
• 从头训练 / 在设备上个性化 → skills/coreml-training.md（Create ML；MLUpdateTask 及其仅支持 NN-spec 的限制）
• 部署并运行 → skills/coreml-deployment.md（加载/缓存/预热、兼容 Swift 6 的预测——MLModel 不符合 Sendable、带状态的 KV-cache、多功能适配器、MLTensor）
• API 查询 → skills/coreml-ref.md（MLModel、配置、计算设备、预测重载、MLState、MLTensor 操作、MLComputePlan、coremltools 索引）
• 出现问题 → skills/coreml-diag.md（加载错误、速度慢、内存、设备/模拟器差异、压缩后精度损失）

Core AI——用于 LLM 级设备端模型的 27 周期路径（OS27）

skills/core-ai.md 涵盖 Core AI，这是一种为 Apple Intelligence 提供支持、现已开放给应用使用的设备端推理框架。当模型达到 LLM 规模 / 属于 Transformer，或者开发者需要自定义 Metal 内核、多功能资源、提前编译、KV-cache 状态，或专用化/缓存部署模型时，应路由至此处（而不是 skills/ios-ml.md）。涵盖 Python 工具链（coreai-torch/coreai-opt）、Swift 运行时（import CoreAI → AIModel/InferenceFunction/NDArray）、专用化规范，以及 Foundation Models 桥接（开源 coreai-models 软件包中的 CoreAILanguageModel——并非系统框架类型）。

一站式 Apple Intelligence UI — 建议操作（OS27）

skills/suggested-actions.md 介绍了 SuggestedActions 框架：开箱即用的 SwiftUI SuggestedActionsView，可为消息对话渲染由 Apple Intelligence 生成的建议操作（iOS/macOS/macCatalyst/visionOS 27）。这是系统提供的功能——描述消息（SuggestedActionsMessage）并添加 com.apple.developer.suggested-actions 权限即可；不需要 LanguageModelSession、提示词或 @Generable。对于希望显示内联系统建议的消息/聊天/邮件应用，请参阅此处。如果开发者想要生成自己的结构化输出，应使用 Foundation Models，而不是此功能。权限/功能部分也会在 axiom-integration 中介绍，并链接回此处。

Foundation Models 工作

实现模式 → skills/foundation-models.md

• LanguageModelSession 基础知识
• @Generable 结构化输出
• 工具协议集成
• 使用 PartiallyGenerated 进行流式处理
• 动态架构
• Private Cloud Compute 模型 + 多模态图像输入（OS27）
• WWDC 2025 + 2026 代码示例

API 参考 → skills/foundation-models-ref.md

• 完整 API 文档
• 所有 @Generable 示例
• 工具协议模式
• 流式生成模式
• OS27：Private Cloud Compute、多模态 Attachment + ImageReference 工具参数、LanguageModel 协议 + 功能、推理 + token 用量、动态配置（完整修饰符接口 + @SessionProperty）、动态指令、自定义模型提供方（LanguageModelExecutor）、LanguageModelError 迁移、内置系统工具、改进的 Foundation Models Instrument

诊断 → skills/foundation-models-diag.md

• AI 响应被拦截
• 生成速度慢
• 违反防护规则
• 超出上下文限制
• 模型不可用

防护规则与安全决策 → skills/foundation-models-guardrails.md

• 何时使用 permissiveContentTransformations，何时使用 .default
• 误报分类处理（正确拒绝还是限制过严）
• 自定义安全评估 / 红队方法
• 适配器 × 防护规则交互（安全性弱化）

评估驱动开发——方法论（OS27） → skills/foundation-models-evaluations.md

• “这个 AI 功能真的好吗？”/“这次提示词修改有帮助吗？”/即将仅凭目测输出就发布
• 数据集设计（黄金样本 / 边缘样本 / 对抗样本 / 已知失败案例、留出集、样本数量）
• 评审模型校准——四种评审偏差；在信任评分前，Cohen's kappa 必须 > 0.6
• 防护规则与优化目标；为什么指标通过时也可能是在说谎
• 以爬山法进行受控实验（每轮只改变一个变量）

评估失败——评估套件在说谎（OS27） → skills/foundation-models-evaluations-diag.md

• 指标读数恰好为 -1，或添加更难的样本后通过率反而上升
• 套件全部通过，但从未评估过任何工具调用；CI 全部通过，但模型从未可用
• loadJSON 后出现 SIGABRT；SIGTRAP “missing required entitlement”（PCC）
• 评审模型给所有内容打相同分数；Cohen's kappa 为负；评分每次运行都大幅波动
• 无法编译：evaluators 块中的 if/else、“unsupported recursion for type alias Evaluators”

评估框架 API（OS27） → skills/foundation-models-evaluations-ref.md

• 为 AI 功能构建回归测试套件（Evaluation、Metric、Evaluator，通过 Swift Testing .evaluates 运行）
• 数据集（ModelSample/ArrayLoader）+ 合成更多样本（makeSamples/SampleGenerator）
• 开放式输出的模型评审（ModelJudgeEvaluator、ScoringScale、.pairwise）
• Agent 工具调用/轨迹评估（ToolCallEvaluator、TrajectoryExpectation）
• 检查结果——哪些样本失败以及原因（detailed、ResultColumn），以及错误信息 自定义适配器训练（完成 Approach Triage 第 1–4 级之后） → skills/foundation-models-adapters.md
• 决策原则（何时适合训练适配器，何时应采用第 1–4 级方案）
• 维护约定（各 OS 的重新训练负担、四轴评估）
• 各 OS 的变体策略和运行时回退
• 数据集构建规范
• 适配器增强功能的 HIG 披露要求

适配器工具包与运行时 API → skills/foundation-models-adapters-ref.md

• Python 工具包设置（3.11、32 GB Apple Silicon Mac 或 Linux GPU）
• 数据集 JSONL 架构（聊天轮次 + 工具调用扩展）
• examples.train_adapter、examples.train_draft_model、examples.generate、export.export_fmadapter
• SystemLanguageModel.Adapter 运行时 API 和 AssetError 情况
• 各基础模型版本的兼容性矩阵
• com.apple.developer.foundation-model-adapter 权限

适配器专用诊断 → skills/foundation-models-adapters-diag.md

• compatibleAdapterNotFound、invalidAdapterName、invalidAsset
• 适配器不会触发工具调用
• 简单提示词也会耗尽适配器的上下文窗口
• OS 更新后准确率下降（FB18924722）
• 导出时缺少 coremltools.libmilstoragepython

自动扫描 → 启动 foundation-models-auditor Agent 或 /axiom:audit foundation-models

检测反模式和架构缺陷：

• 缺少可用性检查、对同一会话发起并发请求、手动解析 JSON、缺少特定错误捕获（护栏／上下文大小）、每次点击都创建会话、长输出未使用流式处理、缺少 @Guide 约束、嵌套类型未标记为 @Generable、缺少回退 UI
• 直接插入用户文本带来的提示词注入风险、未标记为 @frozen 的 @Generable 枚举（未来新增枚举项时会崩溃）、缺少取消操作体验、缺少对话记录裁剪、切换“设置”选项后可用性缓存过时、部分输出验证缺陷、工具错误与会话错误无法区分、瞬时错误时不重试
• 质量（OS27）：上线的 AI 功能完全没有评估套件；使用模型裁判但未经校准；评估虽能运行，却不检查任何结果
• 迁移（OS27）：以 27 为目标版本时仍使用已弃用的 GenerationError；仅重命名的迁移丢弃了 assetsUnavailable／concurrentRequests／decodingFailure（这些错误已从枚举中移除）；错误 UI 读取 recoverySuggestion，而 LanguageModelError 已不再实现该属性，因此现在会静默渲染为 nil

评分：可用于生产环境 / 需要加固 / 脆弱

决策树

1. 自定义 ML 模型 / CoreML？→ skills/ios-ml.md 中心 → 转换（coreml-conversion.md）、压缩（coreml-compression.md）、训练/个性化（coreml-training.md）、部署（coreml-deployment.md）、API（coreml-ref.md）、故障排查（coreml-diag.md）。LLM 规模 / Transformer / 27-cycle 自定义模型？→ skills/core-ai.md（Core AI）
2. 计算机视觉 / 图像分析 / OCR？→ /skill axiom-vision
3. 云端 AI API 集成？→ /skill axiom-networking
4. 实现 Foundation Models / @Generable / Tool 协议？→ foundation-models
5. 需要 API 参考 / 代码示例？→ foundation-models-ref
6. 调试 AI 问题（受阻、缓慢、护栏）？→ foundation-models-diag
7. Foundation Models + UI 冻结？→ foundation-models-diag（模式 5a，主执行器工作）+ 也可按需调用 axiom-concurrency
8. 考虑训练自定义适配器？→ foundation-models 的 Approach Triage（阶段 1-4）优先；只有在记录了阶段 1-4 的失败后，才使用 foundation-models-adapters
9. 实现适配器加载、训练流水线或运行时选择？→ foundation-models-adapters + foundation-models-adapters-ref + axiom-integration（skills/background-assets.md），用于交付
10. 调试适配器特有故障（compatibleAdapterNotFound、适配器无法触发工具调用、OS 更新后准确率回退）？→ foundation-models-adapters-diag
11. 想要自动扫描 Foundation Models 代码？→ foundation-models-auditor（Agent — 可检测 14 种反模式以及完整性缺陷，包括提示词注入、冻结枚举规范、对话记录裁剪、取消操作 UX、缺失/未经校准的评估套件；评分为 PRODUCTION-READY / NEEDS HARDENING / FRAGILE）
12. 评估 AI 功能是否有所改进/退步、设计评估数据集、校准模型评审器，或准备仅凭目测输出就发布？→ foundation-models-evaluations（评估规范）+ foundation-models-evaluations-ref（API）——OS27 Evaluations 框架
13. 在消息/聊天/邮件应用中添加 Apple 内置的建议操作（SuggestedActionsView、suggested-actions entitlement）？→ skills/suggested-actions.md（OS27 — 开箱即用，由系统提供；不是 Foundation Models）
14. 语音转文本、实时字幕或转录文件（SpeechAnalyzer、SpeechTranscriber、DictationTranscriber、SFSpeechRecognizer、麦克风 → 转录文本）？→ skills/speech.md

反合理化

想法	现实
“Foundation Models 只是 LanguageModelSession”	Foundation Models 还提供 @Generable、Tool 协议、流式处理和防护机制。foundation-models 涵盖了所有这些内容。
“我会边做边摸索 AI 模式”	AI API 有特定的错误处理和回退要求。foundation-models 可避免运行时故障。
“我以前用过 LLM，这个差不多”	Apple 的端侧模型有独特的限制（防护机制、上下文限制）。foundation-models 专为 Apple 打造。
“我已经熟悉 Anthropic SDK 了”	Opus 4.7 从 Messages API 中移除了 temperature、top_p、top_k 和预填充功能。在 4.6 上可用的代码，运行时会返回 HTTP 400。更改模型 ID 前，请先阅读 claude-api（外部）。
“我们需要训练一个自定义适配器来修正模型输出”	大多数“我们需要一个适配器”的请求，都可以通过 Approach Triage 的第 1 至第 4 阶段解决（提示工程、@Generable/@Guide、工具调用、内置内容标记适配器）。foundation-models 提供了这套阶梯；只有在记录了每个阶段都失败后，才有理由使用 foundation-models-adapters。
“我们训练了一个适配器，就把它发给所有用户”	每个 .fmadapter 都绑定到一个基础模型版本；一个适配器无法覆盖多操作系统的安装用户群。foundation-models-adapters 涵盖了按操作系统区分的变体策略，以及运行时通过 compatibleAdapterIdentifiers(name:) 进行选择。
“跳过特定地区的评估吧，我们的用户大多说英语”	Apple 的 2025 年技术报告将评估划分为美国英语／美国以外的英语／PFIGSCJK。面向多语言地区应用，仅用英语评估，会导致非英语回归问题悄然上线。foundation-models-adapters 涵盖了四轴评估要求。
“我试过的提示词效果都不错——上线吧”	五个好结果，并不能说明另外五百个结果如何；而且每次操作系统更新都会在你没有更改代码的情况下改变模型。foundation-models-evaluations 可以将你已经手动测试过的提示词转化为上线门槛。
“我们的模型评审器和我意见一致，我抽查过”	你的数据偏向较好的输出，因此总是打高分的评审器在抽查时看起来很可靠，但在规模扩大后偏差最严重。Apple 自己的示例评审器初始 Cohen's kappa 为 −0.037。foundation-models-evaluations 提供了校准流程。
“直接把 .fmadapter 文件打包进应用就行”	Apple 的文档明确禁止这样做。适配器必须通过 Background Assets 的 onDemand 策略发布。axiom-integration（skills/background-assets.md）涵盖了交付部分。
“我们会为 iOS 27 应用添加自定义适配器”	自定义适配器运行时（SystemLanguageModel.Adapter）在 27.0 中已弃用，且无法针对 27 部署目标编译——27 SDK 中没有替代方案。foundation-models-adapters 涵盖了转向方案：第 1 至第 4 阶段，或自定义提供方（LanguageModelExecutor）。

外部资源

云端 Claude 集成（claude-api 技能，在 Axiom 之外发布）。 Opus 4.7 从 Messages API 中移除了 temperature、top_p、top_k 和预填充功能——在 4.6 上成功构建的代码，运行时会返回 HTTP 400，而不是编译时出错。claude-api 技能可自动完成迁移（替换模型 ID、移除采样参数、替换预填充），并从一开始就强制启用提示缓存。跳过这一步，等首批 400 错误出现时，你将花一整个下午排查线上问题。

Apple 的端侧 Foundation Models 与 Anthropic 的云端 Claude 是互不相关的技术栈；如果应用两者都需要，就并行使用，并将 claude-api 视为发布任何 Claude 模型 ID 更改前必须阅读的资料。

关键模式

foundation-models：

• LanguageModelSession 设置
• 使用 @Generable 实现结构化输出
• 使用 Tool 协议进行函数调用
• 流式生成
• 动态模式演进

foundation-models-diag：

• 处理被拦截的响应
• 性能优化
• 防护机制违规
• 上下文管理

示例调用

用户：“如何使用 Apple Intelligence 生成结构化数据？” → 阅读：skills/foundation-models.md

用户：“我的 AI 生成请求被拦截了” → 阅读：skills/foundation-models-diag.md

用户：“给我看看 @Generable 示例” → 阅读：skills/foundation-models-ref.md

用户：“实现流式 AI 生成” → 阅读：skills/foundation-models.md

用户：“我想在我的应用中添加 AI” → 首先询问：Apple Intelligence（Foundation Models）还是自定义 ML 模型？并据此转交。

用户：“我的 Foundation Models 会话阻塞了 UI” → 阅读：skills/foundation-models-diag.md（模式 5a：卡顿是主执行器上的工作导致的，而不是 await）+ 如有需要，也调用 axiom-concurrency

用户：“检查我的 Foundation Models 代码是否有问题” → 调用：foundation-models-auditor Agent

用户：“我想在设备上运行我的 PyTorch 模型” → 阅读：skills/ios-ml.md（传统 Core ML 枢纽，而非 Foundation Models）→ skills/coreml-conversion.md，然后阅读 skills/coreml-deployment.md

用户：“我的 Core ML 模型第一次加载要花好几秒” / “在 iPhone 上预测很慢，但在 Mac 上很快” → 阅读：skills/coreml-diag.md

用户：“我想在设备上运行自己的 LLM / SAM 分割模型” / “用 Core AI 转换 PyTorch Transformer” / “我的 Core AI 模型在首次启动时卡住” → 阅读：skills/core-ai.md（Core AI 转换、运行时、专门化与缓存）

用户：“如何为我们应用的摘要功能训练自定义适配器？” → 阅读：skills/foundation-models.md（首先尝试方案分诊第 1-4 级），仅当第 1-4 级尝试失败的情况已有记录时，才阅读 skills/foundation-models-adapters.md

用户：“我们的适配器在 iOS 26.0 上加载正常，但在 26.1 上报错 compatibleAdapterNotFound” → 阅读：skills/foundation-models-adapters-diag.md（模式 1）

用户：“适配器训练需要如何设置工具包？” → 阅读：skills/foundation-models-adapters-ref.md（工具包设置）

用户：“如何向用户发布自定义适配器？” → 阅读：skills/foundation-models-adapters.md（运行时生命周期）+ axiom-integration (skills/background-assets.md)（交付）

用户：“如何衡量提示词更改是否改善了标签功能？” / “为我的 AI 功能编写评估套件” / “输出看起来不错，可以发布了吗？” → 阅读：skills/foundation-models-evaluations.md（方法论——数据集设计、护栏与优化目标、逐步改进）+ skills/foundation-models-evaluations-ref.md（API——Metrics、.evaluates、模型评审器、工具调用评估）

用户：“我的模型评审器给出的分数很奇怪” / “如何确认我可以信任评审器？” → 阅读：skills/foundation-models-evaluations.md（评审器方法论——四种偏差、Cohen's kappa > 0.6 校准协议、根据理由进行调试）

用户：“我的评估指标返回 -1” / “添加更难的测试用例后，我们的通过率反而提高了” / “评估套件通过了，但我不认为它实际测量了任何东西” → 阅读：skills/foundation-models-evaluations-diag.md（该框架会静默失败——套件显示绿色并不能证明运行确实发生了）

用户：“使用 SpeechAnalyzer 添加实时转录” → 阅读：skills/speech.md

用户：“在我的消息应用中添加 Apple 建议的操作” / “为消息对话显示智能/设备端建议回复” / “com.apple.developer.suggested-actions entitlement 有什么用途？” → 阅读：skills/suggested-actions.md（开箱即用的 SuggestedActionsView，由系统提供，而非 Foundation Models）