关于 axiom-ios-ml
面向 iOS 开发者的路由技能，适用于自定义端侧机器学习和语音转录工作。它将模型转换、优化、CoreML 实现、诊断和语音任务指向相应技能。
主要功能
- 01路由 CoreML 实现与参考任务
- 02涵盖模型转换和压缩
- 03包括有状态 LLM 与 KV-cache
- 04路由语音转录任务
- 05指引模型诊断
适用场景
- 01选择 PyTorch 模型转换技能
- 02查找模型压缩指导
- 03规划端侧 LLM 的 KV-cache 实现
- 04路由实时或录制音频转录
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/axiom-ios-ml确认已加载。
详细介绍
iOS 机器学习路由器
任何设备端机器学习或语音转文本相关工作都必须使用此技能。
适用场景
在以下情况下使用此路由器：
- 将 PyTorch/TensorFlow 模型转换为 CoreML
- 在设备上部署 ML 模型
- 压缩模型（量化、调色板化、剪枝）
- 使用大语言模型（LLM）
- 为 Transformer 实现 KV-cache
- 使用 MLTensor 拼接模型
- 构建语音转文本功能
- 转录音频（实时或录制音频）
与 ios-ai 的边界
ios-ml 与 ios-ai——了解区别：
| 开发者意图 | 路由器 |
|---|---|
| “使用 Apple Intelligence / Foundation Models” | ios-ai — Apple 的设备端 LLM |
| “在设备上运行我自己的 ML 模型” | ios-ml — CoreML 转换与部署 |
| “使用 @Generable 添加文本生成” | ios-ai — Foundation Models 结构化输出 |
| “使用 KV-cache 部署自定义 LLM” | ios-ml — 自定义模型优化 |
| “使用 Vision 框架进行图像分析” | ios-vision — 非 ML 部署 |
| “使用 Apple 预训练的 NLP 模型” | ios-ai — Apple 的模型，而非自定义模型 |
经验法则：如果开发者要转换、压缩或部署自己的模型 → ios-ml。如果使用 Apple 内置 AI → ios-ai。如果进行计算机视觉 → ios-vision。
路由逻辑
CoreML 工作
实现模式 → /skill coreml
- 模型转换工作流
- 使用 MLTensor 拼接模型
- 使用 KV-cache 的有状态模型
- 多功能模型（适配器/LoRA）
- 异步预测模式
- 计算单元选择
API 参考 → /skill coreml-ref
- CoreML Tools Python API
- MLModel 生命周期
- MLTensor 操作
- MLComputeDevice 可用性
- 状态管理 API
- 性能报告
诊断 → /skill coreml-diag
- 模型无法加载
- 推理缓慢
- 内存问题
- 压缩导致准确率损失
- 计算单元问题
语音工作
实现模式 → /skill speech
- SpeechAnalyzer 设置（iOS 26+）
- SpeechTranscriber 配置
- 实时转录
- 文件转录
- 暂定结果与最终结果
- 模型资源管理
决策树
- 实现 / 转换 ML 模型？→ coreml
- 查询 CoreML API 参考？→ coreml-ref
- 调试 ML 问题（加载、推理、压缩）？→ coreml-diag
- 语音转文本 / 转录？→ speech
避免自我合理化
| 想法 | 实际情况 |
|---|---|
| “CoreML 只是加载和预测” | CoreML 还支持压缩、有状态模型、计算单元选择和异步预测。coreml 涵盖所有这些内容。 |
| “我的模型很小，不需要优化” | 即使是小模型也能从计算单元选择和异步预测中受益。coreml 涵盖相关模式。 |
| “我只用 SFSpeechRecognizer 就行” | iOS 26 提供了准确率更高且支持离线的 SpeechAnalyzer。speech 技能涵盖了现代 API。 |
关键模式
coreml：
- 模型转换（PyTorch → CoreML）
- 压缩（调色板化、量化、剪枝）
- 用于 LLM 的有状态 KV-cache
- 用于适配器的多功能模型
- 使用 MLTensor 拼接管线
- 异步并发预测
coreml-diag：
- 加载失败和缓存
- 推理性能问题
- 模型导致的内存压力
- 压缩导致的准确率下降
speech：
- SpeechAnalyzer + SpeechTranscriber 设置
- AssetInventory 模型管理
- 使用暂定结果进行实时转录
- 音频格式转换
调用示例
用户：“如何将 PyTorch 模型转换为 CoreML？”
→ 调用：/skill coreml
用户：“压缩我的模型，使其能在 iPhone 上运行”
→ 调用：/skill coreml
用户：“为我的语言模型实现 KV-cache”
→ 调用：/skill coreml
用户：“模型首次启动时加载很慢”
→ 调用：/skill coreml-diag
用户：“压缩后的模型准确率很差”
→ 调用：/skill coreml-diag
用户：“为我的应用添加实时转录功能”
→ 调用：/skill speech
用户：“使用 SpeechAnalyzer 转录音频文件”
→ 调用：/skill speech
用户：“什么是 MLTensor？该如何使用？”
→ 调用：/skill coreml-ref
评论
支持 Markdown