在 iOS 26 中，Apple 推出了 Foundation Models 框架，一個隱私優先、可在裝置上執行的 AI 工具組，讓 Apple Intelligence 背後的語言模型可以直接用於你的應用中。這個框架可在 iOS、macOS、iPadOS 和 visionOS 等平台使用，並提供一個簡潔的 Swift API，讓開發者能輕鬆整合先進 AI 功能。
與需要網路連線、在雲端伺服器上運行的 LLM（像是 ChatGPT 或 Claude）不同，Apple 的語言模型是設計來完全在本地裝置執行的。這種架構帶來了獨特的優勢：所有資料都保留在使用者的裝置上，確保隱私、更低延遲，以及離線可用性。
這個框架讓你可以立即建立各種智慧功能：產生與摘要內容、分類資訊，甚至打造語意搜尋與個人化學習體驗。不論你想製作智慧型的應用內導覽、為每位使用者生成個別內容，或加入對話式助理，你只需幾行 Swift 程式碼就能實現。
在這篇教學中，我們將探索 Foundation Models 框架。你將學會它是什麼、如何運作，以及如何使用它來透過 Apple 的裝置端語言模型生成內容。
請確保你已安裝 Xcode 26，並且 Mac 執行的是 macOS Tahoe，才能使用 Foundation Models 框架。
範例 App：Ask Me Anything
學習新框架最好的方式就是實作範例 App，而這正是我們在這份教學中要做的。我們將建立一個簡單但強大的 App，名為 Ask Me Anything，來探索 Apple 在 iOS 26 中推出的 Foundation Models 框架。
這個 App 讓使用者可以輸入任何問題，並透過 Apple 內建的語言模型在裝置上直接產生回覆。
透過建立這個範例 App，你將學會如何將 Foundation Models 整合進 SwiftUI，並學習如何撰寫提示詞（prompt）與處理完整與部分的回應內容。
使用預設系統語言模型
Apple 提供一個名為 SystemLanguageModel 的內建模型，它可以存取驅動 Apple Intelligence 的裝置端語言模型。針對一般用途，你可以透過 default 屬性存取其「基礎版本」，這個模型針對文字生成任務進行最佳化，適合用於內容產生或問答功能。
你需要先匯入 FoundationModels 框架：
import FoundationModels
接著，你可以這樣取得預設的系統語言模型：
struct ContentView: View {
private var model = SystemLanguageModel.default
var body: some View {
switch model.availability {
case .available:
mainView
case .unavailable(let reason):
Text(unavailableMessage(reason))
}
}
private var mainView: some View {
ScrollView {
.
.
.
}
}
private func unavailableMessage(_ reason: SystemLanguageModel.Availability.UnavailableReason) -> String {
switch reason {
case .deviceNotEligible:
return "The device is not eligible for using Apple Intelligence."
case .appleIntelligenceNotEnabled:
return "Apple Intelligence is not enabled on this device."
case .modelNotReady:
return "The model isn't ready because it's downloading or because of other system reasons."
@unknown default:
return "The model is unavailable for an unknown reason."
}
}
}
由於 Foundation Models 僅適用於啟用 Apple Intelligence 的裝置，因此在使用前需先確認模型是否可用。你可以透過 availability 屬性檢查其狀態。
建立使用者介面
我們接著要建立 mainView 的 UI。首先加入兩個 @State 屬性來儲存使用者輸入的問題與產生的答案：
@State private var answer: String = ""
@State private var question: String = ""
然後更新 mainView：
private var mainView: some View {
ScrollView {
ScrollView {
VStack {
Text("Ask Me Anything")
.font(.system(.largeTitle, design: .rounded, weight: .bold))
TextField("", text: $question, prompt: Text("Type your question here"), axis: .vertical)
.lineLimit(3...5)
.padding()
.background {
Color(.systemGray6)
}
.font(.system(.title2, design: .rounded))
Button {
} label: {
Text("Get answer")
.frame(maxWidth: .infinity)
.font(.headline)
}
.buttonStyle(.borderedProminent)
.controlSize(.extraLarge)
.padding(.top)
Rectangle()
.frame(height: 1)
.foregroundColor(Color(.systemGray5))
.padding(.vertical)
Text(LocalizedStringKey(answer))
.font(.system(.body, design: .rounded))
}
.padding()
}
}
}
這段 UI 程式碼相當簡單，只是加上了一些基本的樣式。
使用語言模型產生回應
接著我們來處理最核心的部分：將問題傳送給模型，並取得答案。我們新增一個 generateAnswer() 函式：
private func generateAnswer() async {
let session = LanguageModelSession()
do {
let response = try await session.respond(to: question)
answer = response.content
} catch {
answer = "Failed to answer the question: \(error.localizedDescription)"
}
}
如你所見，只需要幾行程式碼就能將問題傳送給模型並取得產生的回應。首先，我們使用預設的系統語言模型建立一個 session。接著，將使用者的問題（也就是 prompt）透過 respond 方法傳給模型。
這個呼叫是非同步的，因為模型通常需要幾秒鐘（甚至更久）才能產生回應。一旦回應完成，我們就能透過 content 屬性取得產生的文字，並指定給 answer 來顯示在畫面上。
為了呼叫這個新函式，我們也需要這樣更新「Get Answer」按鈕的閉包：
Button {
Task {
await generateAnswer()
}
} label: {
Text("Show me the answer")
.frame(maxWidth: .infinity)
.font(.headline)
}
你可以在預覽面板或模擬器中測試 App，輸入問題、稍等幾秒，就會看到模型產生的答案。
重複使用同一個 Session
上述程式每次都建立新的 session，這適用於彼此無關的問題。但如果你希望使用者可以接續前一題問下去，保留對話上下文，就可以重複使用同一個 session。
將 session 宣告成一個 @State 屬性即可：
@State private var session = LanguageModelSession()
這樣模型就能記住前後關聯。例如先問：「去日本旅遊有什麼必吃的食物？」再接著問：「推薦幾家餐廳。」模型會理解你想找的是「日本的餐廳」。
如果你沒有重複使用同一個 session，模型將無法理解你追問的上下文。相反地，它會回覆類似以下的內容，請你提供更多細節：
「當然可以！為了給你最合適的建議，能否請你告訴我所在位置或你感興趣的料理類型？」
回應生成期間停用按鈕
因為模型需要一些時間生成回應，我們可以在生成期間停用按鈕，避免重複送出請求。session 物件提供 isResponding 屬性來檢查是否正在回應。
只需在按鈕加上 .disabled(session.isResponding) 修飾器：
Button {
Task {
await generateAnswer()
}
} label: {
.
.
.
}
.disabled(session.isResponding)
顯示串流回應（Streaming）
目前的使用者體驗並不理想——由於裝置端模型需要一些時間來產生回應，App 只能在整段回應完成後才顯示結果。
如果你用過 ChatGPT 或其他類似的 LLM，你可能會注意到它們幾乎是立即開始顯示部分內容，這種方式能帶來更順暢、即時的體驗。
Foundation Models 框架同樣支援串流輸出，讓你能在模型產生回應的同時即時顯示內容，而不必等到整段結果完成。要實作這功能，你可以改用 streamResponse 方法來取代 respond 方法。以下是支援串流回應的 generateAnswer()函式更新版本：
private func generateAnswer() async {
do {
answer = ""
let stream = session.streamResponse(to: question)
for try await streamData in stream {
answer = streamData.asPartiallyGenerated()
}
} catch {
answer = "Failed to answer the question: \(error.localizedDescription)"
}
}
就跟使用 respond 方法一樣，呼叫 streamResponse 時你也是將使用者的問題傳給模型。主要的差別在於，你不需要等整段回應完成，而是可以逐步迴圈處理串流回傳的資料，並在每次接收到部分結果時即時更新 answer 變數——讓回應在生成的同時即時顯示在畫面上。
現在當你再次測試這個 App 並提出問題時，會看到回應逐步出現，帶來更即時、流暢的使用體驗。
自訂模型的使用指示（Instruction）
在建立模型 session 時，你可以選擇性地提供「指示」（instruction），用來自訂模型的使用情境。在這個範例 App 中，初始化時我們並沒有加上任何指示，因為這個 App 的設計目的是回答任何問題。
但如果你正在建立一個針對特定主題的問答系統，那麼就可能需要針對該主題提供具體的指示來調整模型行為。例如，如果你的 App 是專門用來回答旅遊相關問題的，你可以提供以下指示給模型：
「你是一位知識豐富且親切的旅遊專家。你的工作是清楚且準確地回答使用者的旅遊相關問題。請專注於提供有用的建議、技巧與資訊，包括目的地、當地文化、交通、美食和行程規劃。語氣要自然、樂於助人且容易理解，就像是在和一位正在計畫下一趟旅行的人說話一樣。」
撰寫指示時，你可以定義模型的角色（例如：旅遊專家）、指定回答內容的重點，甚至設定回應的語氣或風格。
若要將這段指示傳給模型，你可以像這樣建立 session 物件：
var session = LanguageModelSession(instructions: "your instruction")總結
在這篇教學中，我們介紹了 Foundation Models 框架的基本概念，並示範如何使用 Apple 的裝置端語言模型來實作問答與內容產生等功能。
這只是起點——這個框架還有更多強大功能等待探索。在未來的教學中，我們將更深入介紹其他新特性，例如全新的 @Generable 與 @Guide 巨集，以及進一步的能力，如內容標註（content tagging）與工具呼叫（tool calling）。
如果你正在尋找方法來打造更智慧、具備 AI 功能的 App，現在正是開始探索 Foundation Models 框架，將裝置端智慧整合進你的專案的最佳時機。
