Вступ
Apple Intelligence у 2026 році принесло Writing Tools, Image Playground, Genmoji та нові можливості Siri. Для розробників найпотужніша частина:
У цьому посібнику ми створимо з нуля Локальний ШІ-Асистент Додаток:
Вимоги
Xcode 17+, ціль iOS 19+, Mac з Apple Silicon (для MLX та перетворення моделей)
Завантажте моделі з Hugging Face та перетворіть на Core ML (coremltools або mlx-examples)
1. Налаштування Проекту
Новий проект → App (SwiftUI) → ціль iOS 19
Додайте Swift Packages (Package Dependencies):
2. Перетворення Моделі (зробіть один раз)
У терміналі (на Mac з Apple Silicon):
Приклад: Перетворіть Phi-3-mini-4k-instruct на Core ML
Вихід: Phi3Mini.mlpackage → Перетягніть у Xcode (до Assets або папки Resources)
3. Завантаження Моделі та Інференс (Swift)
AIAssistant/Model/LLMInference.swift
4. Інтеграція з Системою через App Intents
AIAssistant/Intents/AnswerQuestionIntent.swift
Додайте до Info.plist або визначте в IntentHandler.
5. Головний Інтерфейс (SwiftUI)
ContentView.swift
6. Поради для Просунутого Рівня (2026)
Apple Intelligence у 2026 році принесло Writing Tools, Image Playground, Genmoji та нові можливості Siri. Для розробників найпотужніша частина:
- App Intents для визначення дій по всій системі
- Core ML для роботи з локальними моделями
- MLX (відкритий фреймворк ML від Apple) для легких LLM
- Foundation Models API (відкрито для розробників у 2026 році)
У цьому посібнику ми створимо з нуля Локальний ШІ-Асистент Додаток:
- Ввід тексту користувача → генерація відповіді локальним LLM
- App Intents з ярликом Siri "Запитай у додатку"
- Core ML / MLX з маленькою моделлю, що працює офлайн (наприклад, Phi-3-mini або TinyLlama)
- SwiftUI + Observation + async/await
Вимоги
Xcode 17+, ціль iOS 19+, Mac з Apple Silicon (для MLX та перетворення моделей)
Завантажте моделі з Hugging Face та перетворіть на Core ML (coremltools або mlx-examples)
1. Налаштування Проекту
Новий проект → App (SwiftUI) → ціль iOS 19
Додайте Swift Packages (Package Dependencies):
- https://github.com/ml-explore/mlx-swift (зв'язка MLX Swift) або для Core ML використовуйте coremltools через pip (етап перетворення)
2. Перетворення Моделі (зробіть один раз)
У терміналі (на Mac з Apple Silicon):
Ко Select
pip install mlx mlx_lm coremltools transformersПриклад: Перетворіть Phi-3-mini-4k-instruct на Core ML
Ко Select
from mlx_lm import load, quantize
import coremltools as ct
# MLX з завантаженням та квантизацією (опціонально, щоб було менше)
model, tokenizer = load("microsoft/Phi-3-mini-4k-instruct")
# Перетворення на Core ML (легкий спосіб з mlx_lm)
# Альтернатива: huggingface-cli download microsoft/Phi-3-mini-4k-instruct
# Потім перетворіть з coremltoolsВихід: Phi3Mini.mlpackage → Перетягніть у Xcode (до Assets або папки Resources)
3. Завантаження Моделі та Інференс (Swift)
AIAssistant/Model/LLMInference.swift
Ко Select
import Foundation
import CoreML
import MLX
import MLXLLM // З пакету MLX Swift
@Observable class LLMInference {
private var model: LLMModel?
private var tokenizer: Tokenizer?
var isLoading = true
var error: Error?
init() {
Task { await loadModel() }
}
private func loadModel() async {
do {
guard let modelURL = Bundle.main.url(forResource: "Phi3Mini", withExtension: "mlmodel") else { throw NSError(domain: "Модель не знайдено", code: -1) }
let config = MLModelConfiguration()
config.computeUnits = .all // Neural Engine + GPU + CPU
let mlModel = try MLModel(contentsOf: modelURL, configuration: config) // Обгортка з MLX або прямий інференс Core ML
// Альтернатива з MLX (більш гнучка)
// let (mlxModel, mlxTokenizer) = try await loadModelFromBundle("...")
// клас обгортки
self.tokenizer = ...
self.isLoading = false
} catch {
self.error = error
self.isLoading = false
}
}
func generate(prompt: String, maxTokens: Int = 200) async throws -> String {
guard let model, let tokenizer else { throw NSError(domain: "Модель не знайдено", code: -1) }
// Простий цикл інференсу (в реальності повинен підтримувати стримінг)
let inputTokens = tokenizer.encode(text: prompt)
var outputTokens = inputTokens
for _ in 0..<maxTokens {
let logits = try await model.predict(input: outputTokens)
let nextToken = logits.argmax()
outputTokens.append(nextToken)
if nextToken == tokenizer.eosTokenId { break }
}
return tokenizer.decode(tokens: outputTokens)
}
}4. Інтеграція з Системою через App Intents
AIAssistant/Intents/AnswerQuestionIntent.swift
Ко Select
import AppIntents
struct AnswerQuestionIntent: AppIntent {
static var title: LocalizedStringResource = "Відповісти на Запитання Локальним ШІ"
@Parameter(title: "Запитання")
var question: String
func perform() async throws -> some IntentResult & ReturnsValue<String> {
let inference = LLMInference() // Чекати завантаження моделі (в реальності зробіть singleton)
try await Task.sleep(for: .seconds(2))
let response = try await inference.generate(prompt: question)
return .result(value: response)
}
}Додайте до Info.plist або визначте в IntentHandler.
5. Головний Інтерфейс (SwiftUI)
ContentView.swift
Ко Select
struct ContentView: View {
@State private var inference = LLMInference()
@State private var prompt = ""
@State private var response = ""
@State private var isGenerating = false
var body: some View {
NavigationStack {
VStack(spacing: 20) {
if inference.isLoading {
ProgressView("Завантаження локальної моделі...")
} else if let error = inference.error {
Text("Помилка: \(error.localizedDescription)")
.foregroundStyle(.red)
} else {
TextEditor(text: $prompt)
.frame(height: 120)
.border(Color.gray.opacity(0.3))
.padding()
Button("Генерувати Локальним ШІ") {
Task {
isGenerating = true
do {
response = try await inference.generate(prompt: prompt)
} catch {
response = "Помилка: \(error.localizedDescription)"
}
isGenerating = false
}
}
.buttonStyle(.borderedProminent)
.disabled(isGenerating || prompt.isEmpty)
if isGenerating {
ProgressView()
}
ScrollView {
Text(response)
.frame(maxWidth: .infinity, alignment: .leading)
.padding()
}
}
}
.padding()
.navigationTitle("Локальний ШІ-Асистент")
}
}
}6. Поради для Просунутого Рівня (2026)
- Streaming response: Оновлення UI токен за токеном (з AsyncSequence)
- Інтеграція Foundation Models API (хмарна частина Apple Intelligence)
- Функції подібні до Writing Tools: Обраний текст перефразуйте, перепишіть тощо.
- Додайте маніфест конфіденційності (для App Intents та ML)
- Квантизація моделі: 4-біт або 8-біт для швидкості та меншого споживання пам'яті