Foundation Modelフレームワークの紹介

Foundation Modelフレームワークの紹介

Apple Intelligenceを支えるオンデバイスの大規模言語モデルを活用する方法を学びましょう。この概要セッションでは、Swiftのデータ構造のガイド付き生成、応答性の高い体験を実現するストリーミング、コンテキスト管理のためのデータソースとセッションの統合を可能にするツール呼び出しなど、このフレームワークの機能を幅広く網羅しています。このセッションには、参加のための前提条件はありません。

関連する章
- 0:00 - イントロダクション
- 2:05 - モデル
- 5:20 - ガイド付き生成
- 7:45 - スナップショットのストリーミング
- 11:28 - ツール呼び出し
- 16:11 - ステートフルなセッション
- 21:02 - デベロッパの体験
リソース
- Human Interface Guidelines: Generative AI
- - HDビデオ
  - SDビデオ
関連ビデオ

WWDC25
こんにちは Erikです Yifeiですこのセッションで新しいFoundation Modelフレームワークをご紹介できるのを嬉しく思います Foundation Modelフレームワークでは Apple Intelligenceの基盤となるオンデバイスの大規模言語モデルを便利で強力なSwift APIにより利用できますこのフレームワークはmacOS、 iOS、iPadOS、visionOSで利用できますパーソナライズされた検索候補を表示するなどアプリの既存の機能を強化できますまたは旅行アプリでの旅程の生成をすべてオンデバイスで実行するなどまったく新しい機能を作成することもできますさらにはゲームキャラクターの会話をリアルタイムで生成することさえ可能です
このフレームワークはコンテンツの生成、テキストの要約、ユーザー入力の分析などに最適化されていますこれらはすべてデバイス上で実行されるのでモデルに入力されモデルから出力される全データのプライバシーが確保されますこれはオフライン実行も可能ということですまた OSに組み込まれているためアプリのサイズが大きくなりません今年の進化はかなり大幅なので皆さんが最大限に Foundation Modelフレームワークを活用できるよう一連のビデオを用意しましたこの最初のビデオではフレームワーク全体の概要を説明しますまずモデルの詳細について解説し次にガイド付き生成を紹介しますこの機能はSwiftに構造化された出力と遅延を解消し快適さをもたらす強力なストリーミングのAPIを提供しますまたツール呼び出しについても説明しますこれはアプリで定義したコードをモデルが自律的に実行できるようにする機能です最後に締めくくりとしてステートフルなセッションでマルチターンをサポートする方法とこのフレームワークを Appleデベロッパのエコシステムにシームレスに統合する方法を説明しますフレームワークの最も重要な部分は当然ながらその基盤となるモデルですそしてモデルへのプロンプティングを開始する最良の方法は Xcodeを導入することです様々なプロンプトをテストして最適なプロンプトを特定することは大規模言語モデル構築の重要な部分でありそして Xcodeの新しいPlayground機能はその作業に最適ですわずか数行のコードでオンデバイスモデルのプロンプティングをすぐに開始できますここでは日本への旅行のタイトルを生成するように指示しますするとモデルの出力が右側のキャンバスに表示されますこのプロンプトが他の目的地の場合でもうまく機能するかどうかを確認します #Playgroundではアプリで定義された型にアクセスできるのでアプリで紹介している観光名所を対象とする forループを作成します Xcodeはすべての観光名所に対するモデルの応答を表示します
ここで使用したオンデバイスのモデルは 30億個のパラメータを持つ大規模言語モデルで各パラメータは 2ビットに量子化されますこのモデルは OS内の他のどのモデルよりも数桁大規模です
しかしそれでもオンデバイスのモデルはデバイススケールのモデルであることを肝に銘じておくことが重要ですこのモデルが最適化されているのは要約、抽出、分類などに対してですその設計は世界に関する知識の収集や高度な推論を目的としていませんそれらのタスクには通常サーバスケールのLLMを使用します
デバイススケールのモデルではタスクを細かく分割する必要がありますこのモデルを扱っているうちにその長所と短所が直感的にわかってくるでしょう
コンテンツのタグ付けなど特定の一般的なユースケースでは Appleは専用のアダプタも提供しその特定の分野でモデルの機能が最大化されるようにします
さらにモデルの改良は今後も継続していきますこのビデオでは後ほどモデル使用に関するフィードバックの提供方法も紹介しますこれは皆さんにとって意義のある形で Appleがモデルを改良していく上で有益です
以上モデルについて説明しましたがこのセッションの最初のハイライトはガイド付き生成ですガイド付き生成は先ほど説明したような機能の構築を可能にする技術であり Foundation Modelフレームワークの核となるものですではガイド付き生成によって解決できる一般的な問題とその方法を見てみましょう言語モデルがデフォルトで生成する出力は構造化されていない自然言語です人間には読みやすいですがアプリのビューへのマッピングは困難です
一般的な解決策は JSONやCSVなど解析しやすいファイルを生成するようモデルに指示することです
しかしこの方法ではすぐにイタチごっこになってしまいます何をすべきかまたしないべきか具体的な指示を次から次へと追加することになり大抵はうまくいきませんコンテンツを抽出してパッチ適用するための凝ったコードを書く羽目になりますこれはモデルが確率的な性質であるため信頼できませんしかも構造上のミスが生じる危険性はゼロではありませんガイド付き生成はこの問題に対する根本的な解決策を提供します
Foundation Modelを導入すると 2つの新しいマクロである @Generableと@Guideを利用できます @Generableではモデルにインスタンスを生成させる型を指定できますそして@Guideでは自然言語でプロパティの説明を提供してそれらのプロパティに対し生成できる値をプログラムで制御できます
Generable型を定義したらモデルがプロンプトへの応答としてその型のインスタンスを生成するようにできますこれは非常に強力ですプロンプトでの出力形式の指定が不要になったことにご注目くださいフレームワークが代わりに処理してくれます
もちろん最も重要な部分は魅力的なビューへと簡単にマッピングできる豊富なSwiftオブジェクトを利用できるようになることです
Generable型の構成には Strings、 Integer、Double、Float、Decimal、 Booleanなどのプリミティブを使用できます配列も生成可能ですまた Generable型を構成することもできます Generableは再帰型もサポートしていますこの型は生成UIなどの分野の強力な用途に利用できますガイド付き生成について理解しておくべき最も重要なことはこの機能が制限付きデコードと呼ばれる手法により根本において構造上の適切さを保証してくれる点ですガイド付き生成を使用するとプロンプトがよりシンプルになり形式ではなく目的の動作に重点を置くことができますさらにガイド付き生成では通常モデルの精度が向上しますまた最適化を推進できるようになり推論の高速化にもつながりますこれらすべてを実現できたのは入念な調整を行いながら Appleの各種OS、デベロッパツール、基盤モデルのトレーニングを統合した結果ですガイド付き生成については実行時に動的なスキーマを作成する方法など説明すべき内容がまだ多数あります詳細を解説するこれ以外のビデオもぜひご覧くださいガイド付き生成の説明は以上です自然言語プロンプトを強化して構造化された信頼性の高い出力を提供する Swiftの強力な型システムを紹介しました次のトピックはストリーミングですこれは皆さんもすでにご存じの @Generableマクロを基盤としています大規模言語モデルの使用経験があればご存じでしょうがこのモデルでは短い文字のグループであるトークンという形式でテキストを生成します出力のストリーミングでは通常トークンはデルタという形式で配信されますが Foundation Modelフレームワークのアプローチはそれとは異なりますその理由を説明します
デルタが生成されるとそれらを蓄積しておく責任は通常はデベロッパにありますデベロッパがデルタが生成されるたびに追加していくと応答は成長していきますしかし生成結果が構造化されている場合問題が生じます各デルタの後にあいさつの文字列を表示したい場合蓄積したデルタを解析して取得する必要がありますこれはそう簡単な作業ではありません特に構造が複雑な場合は困難ですデルタストリーミングは構造化された出力を扱う場合適切な方法とは言えません先ほど確認したように構造化された出力はまさに Foundation Modelフレームワークの核心であるため私たちは異なるアプローチを開発しました生のデルタの代わりにスナップショットをストリーミングします
モデルがデルタを生成するとフレームワークがスナップショットに変換しますスナップショットは部分的に生成された応答に相当しますそのプロパティはすべて任意でありモデルが生成する応答が増えるにつれて入力されていきますスナップショットは構造化された出力をストリーミングする上で強力かつ便利な表現方法です
@Generableマクロについては先にも説明しましたが今お話ししたように PartiallyGenerated型の定義もそこから提供されますマクロを展開するとわかるように「PartiallyGenerated」という型が生成されていますそれは事実上外部構造のコピーですがプロパティがすべて任意である点が違います
PartiallyGenerated型が機能するのはセッションで'streamResponse'メソッドを呼び出す時です
streamResponseは非同期シーケンスを返しますそのシーケンスの要素は PartiallyGenerated型のインスタンスですシーケンス内の各要素には更新されたスナップショットが含まれます
このスナップショットは SwiftUIのような宣言型のフレームワークに最適ですまず PartiallyGenerated型を保持する Stateを作成します次に応答のストリームを反復処理しその要素を格納して UIに反映されるのを確認します
最後にストリーミングに関するベストプラクティスを確認しましょう
まず SwiftUIのアニメーションと遷移で創造性を発揮して遅延が気にならないようにしましょう単に待つだけの時間も楽しい体験に変えられるはずです次に SwiftUIのビューの識別子は慎重に検討しましょう配列を生成する場合は特に要注意です最後にプロパティが生成される順序は Swiftの構造体で宣言された順に従うことに注意しましょうこれはアニメーションとモデルの出力品質の両方にとって重要です例えばモデルが生成する要約の品質を最適化するには要約を構造体の最後のプロパティにする必要がある場合があります
お伝えしたいことは他にもたくさんあるので詳しくは Foundation Modelの SwiftUIアプリへの統合に関する画面に示したビデオをぜひご覧ください Foundation Modelによるストリーミングの説明は以上です次はツールの呼び出しについて Yifeiが説明しますありがとう Erik ツール呼び出しも重要な機能の1つですこれによりアプリで定義したコードをモデルが実行できるようになりますこの機能はモデルを最大限に活用する上で特に重要ですツール呼び出しによってモデルの様々な追加機能が利用可能になるためです対象のタスクに追加の情報やアクションが必要かどうかモデルが判断してどのツールをいつ使うかをプログラムでは判断しにくい場合に自律的に決定できるようになりますデベロッパがモデルに提供する情報は世界に関する知識、最近のイベント、個人データなどです例えばサンプルの旅行アプリでは様々な場所に関する情報を MapKitから提供していますこれは信頼できる情報源を引用する能力をモデルに獲得させる上でも役立ちハルシネーションの抑制やモデル出力のファクトチェックも可能になります最後にツール呼び出しによりモデルはアプリ内、システム上、実世界などどこでもアクションを実行できるようになりますアプリ内の様々な情報源との統合は魅力的な体験を構築する上で効果的な戦略ですツール呼び出しが非常に便利である理由を説明しました次はその仕組みを見てみましょう左側にはそれまでに起こったすべてのことを記録するトランスクリプトがありますセッションにツールを提供した場合セッションはそのツールを指示とともにモデルに提示します次にどの目的地に行きたいかをモデルに指示するプロンプトがありますここでモデルはツール呼び出しにより応答を強化できると判断した場合 1つ以上のツール呼び出しを生成しますこの例ではモデルは 2つのツール呼び出しを生成していますレストランとホテルのクエリですこの段階で Foundation Modelフレームワークがこれらのツール用に記述したコードを自動的に呼び出しますフレームワークは次にツールの出力をトランスクリプトに自動的に挿入します最後にモデルにはツール出力とその他の要素をトランスクリプトに組み込み最終的な応答を生成します
ツール呼び出しの概要について理解できたのでツールの定義に移りましょう
ここでは Toolプロトコルに準拠したシンプルな天気ツールを定義します天気ツールはいわばツール呼び出しの「Hello World」となっていますデモを始めるには最適な例です
Toolプロトコルでは最初にツールの名前と自然言語での説明を指定する必要があります
フレームワークはこれらの情報をモデルがツールをいつ呼び出すべきか理解できるようモデルに自動的に提供します
モデルがツールを呼び出すと定義したcallメソッドが実行されます
callメソッドの引数には任意のGenerable型を指定できます
引数がGenerable型である必要があるのはツール呼び出しがガイド付き生成を基盤として構築されているためですそれによりモデルが無効なツール名や引数を生成することを防げます引数の型を定義したらメソッドの本文に必要なものを何でも記述できますここでは CoreLocationと WeatherKitを使用して都市の気温を取得しています出力は ToolOutput型を使用して表現されますこの型は構造化データを表現するために GeneratedContentから作成できますまたはツールの出力が自然言語の場合文字列から作成できますツールを定義できたので次はモデルがそのツールにアクセスできるようにする必要がありますそのためにはツールをセッションのイニシャライザに渡しますツールはセッションの初期化時にアタッチされておりセッションの存続期間を通じてモデルがアクセスできる必要があります
ツールとともにセッションを作成した後必要なことは通常通りモデルにプロンプトを提供することだけですツール呼び出しは透過的かつ自律的に行われモデルはツールの出力を最終的な応答に組み込みますここで示した例はコンパイル時に型安全なツールを定義する方法ですこれは大部分のユースケースにおいて有効ですがツールはあらゆる点で動的にすることもできます例えば動的な生成スキーマを使用すれば実行時のツールの引数と動作を定義できますご興味のある方は詳細を解説する下記のビデオをご覧くださいツール呼び出しの説明は以上ですツール呼び出しが便利である理由とツールを実装してモデルの機能を拡張する方法をご紹介しました次のテーマはステートフルなセッションですこのビデオでは「セッション」という言葉が何度も登場していますね Foundation Modelフレームワークの基盤はステートフルなセッションという概念ですデフォルトではセッションを作成するとオンデバイスの汎用モデルにプロンプトが提示されますカスタムの指示を提供することもできます指示を提供することでモデルに自らの役割を伝えモデルがどのように応答すべきかについてガイドを提供できます例えばスタイルや詳細度などを指定できますなおカスタムの指示の提供は任意であり提供しない場合は妥当なデフォルトの指示が使用されます
カスタムの指示を提供する場合は指示とプロンプトの違いを理解することが重要です指示はデベロッパが提供するものである一方プロンプトはユーザーから提供可能ですこれはプロンプトより指示を優先するようモデルがトレーニングされているためですこれはプロンプトインジェクション攻撃への対策に役立ちますがそれで万全というわけではありません原則として指示はほとんどの場合静的であり信頼されていないユーザーの入力を指示に挿入すべきではありませんこれは指示とプロンプトの最適な作成方法に関する基本事項ですより詳細なベストプラクティスについてはプロンプトの設計と安全性に関するビデオをご覧くださいセッションの初期化については以上で次はマルチターンインタラクションの説明です先ほど説明した respondまたはstreamResponseメソッドを使用する場合モデルとの間の各インタラクションはトランスクリプトのコンテキストとして保持されますそれによりモデルは単一のセッション内の過去のマルチターンインタラクションを参照し理解できます例えばこの例のモデルは「もう1回実行」という指示の内容が過去における俳句の生成に言及していることを理解できます
また sessionオブジェクトの 'transcript'プロパティによって過去のインタラクションを調べたりそれを表すUIビューを描画したりできます
もう1つの重要な点はモデルが出力を生成する際に 'isResponding'プロパティが 'true'になることですこのプロパティを監視しておきモデルの応答が完了するまでは別のプロンプトを送信しないようにする必要がありますデフォルトのモデル以外にもアダプタによって可能になる組み込みの特殊なユースケースにも対応していますニーズに合う組み込みのユースケースがある場合 SystemLanguageModelのイニシャライザに渡すことができますどのような組み込みのユースケースがありどうすれば有効活用できるかについては Apple Developer Webサイトのドキュメントをお読みくださいここで詳しく説明したい専用のアダプターの1つがコンテンツタグ付けアダプタですコンテンツタグ付けアダプタはタグ生成、エンティティ抽出、トピック検出のための優れたサポートを提供しますこのアダプタはデフォルトでトピックタグを出力するようにトレーニングされておりガイド付き生成とそのまま統合できますそのため Generableマクロを使用して構造体を定義しユーザーの入力を渡すだけでトピックを抽出できます
それだけではなくカスタムの指示とカスタムのGenerable出力型を提供すればアクションや感情などの検出にも使用できますセッションを作成する前にモデルが利用可能かの確認も必要ですモデルは Apple Intelligence対応のデバイスでサポート対象の地域でのみ実行できるためですモデルが現在利用可能かどうかを確認するには SystemLanguageModelの availabilityプロパティにアクセスします
availabilityは2ケースの列挙型であり値はavailableかunavailableのいずれかです unavailableの場合理由も提供されるのでそれに応じてUIを調整できます
最後にモデルを呼び出す時にエラーが発生する場合がありますこれらのエラーの内容はガードレール違反、サポート非対象の言語、コンテキストウインドウの超過などです最高のユーザー体験を提供するにはこれらを適切に処理する必要がありますが対処法について詳しくは画面に示す詳細解説ビデオをご覧くださいマルチターンのステートフルなセッションの説明は以上ですセッションを作成し使用する方法とモデルがコンテキストを追跡する仕組みについて説明しましたフレームワークの様々な素晴らしい機能を紹介してきましたが次はデベロッパツールとデベロッパの体験についてお話ししますまずプロジェクト内の任意のSwiftファイルに移動し新しいPlaygroundマクロを使用してモデルにプロンプトを提供します
Playgroundの優れた点はアプリ全体の再ビルドと再実行を行うことなくプロンプトを迅速に反復処理できる点です Playgroundではコードはプロジェクト内のすべての型にアクセスできます例えば既にUIで利用されている Generable型などです
次に大規模言語モデルを利用しているアプリの体験を構築する場合内部におけるすべての遅延を把握することが重要です大規模言語モデルでは従来型のMLモデルよりも実行に時間がかかるためです遅延がどこで生じるかを把握できるとプロンプトの冗長性を修正したりウォームアップなどの便利なAPIを呼び出すタイミングを判断したりできます
新しいInstrumentsのアプリプロファイリングテンプレートはまさにそのために構築されましたモデルのリクエストの遅延をプロファイルし最適化可能な領域を監視して改善の度合を測定できます
アプリを開発する中でモデルとAPIの改善に役立つようなフィードバックを Appleにご提供いただけることもあると思います
フィードバックアシスタントを通じてぜひフィードバックをご提供くださいフィードバックにファイルとして添付できるエンコード可能なフィードバック添付用のデータ構造体も提供しています
最後に高度に専門化されたユースケースを扱いカスタムのデータセットを使用する ML担当のデベロッパの方はアダプタトレーニングツールキットを使ったカスタムアダプタのトレーニングもできますしかしこれには大きな責任も伴うことを心に留めておいてください Appleは継続的にモデルを改良するので再トレーニングが必要になるためです詳しくは Apple Developer Webサイトをご覧ください本セッションでは新しいFoundation Modelフレームワークが提供する優れた機能を多数紹介しました皆さんがこのフレームワークで最高のアプリを構築されることを期待しています生成AIをアプリに組み込む方法の詳細やガイド付き生成などのテクノロジーの仕組みの詳細最高のプロンプトを作成する方法について知りたい方のために充実したビデオや記事を豊富にご用意していますご視聴ありがとうございました学習内容をぜひご活用ください

import FoundationModels
import Playgrounds

#Playground {
    let session = LanguageModelSession()
    let response = try await session.respond(to: "What's a good name for a trip to Japan? Respond only with a title")
}

2:43 - Playground - Loop over landmarks

import FoundationModels
import Playgrounds

#Playground {
    let session = LanguageModelSession()
    for landmark in ModelData.shared.landmarks {
        let response = try await session.respond(to: "What's a good name for a trip to \(landmark.name)? Respond only with a title")
    }
}

5:32 - Creating a Generable struct

// Creating a Generable struct

@Generable
struct SearchSuggestions {
    @Guide(description: "A list of suggested search terms", .count(4))
    var searchTerms: [String]
}

5:51 - Responding with a Generable type

// Responding with a Generable type

let prompt = """
    Generate a list of suggested search terms for an app about visiting famous landmarks.
    """

let response = try await session.respond(
    to: prompt,
    generating: SearchSuggestions.self
)

print(response.content)

6:18 - Composing Generable types

// Composing Generable types

@Generable struct Itinerary {
    var destination: String
    var days: Int
    var budget: Float
    var rating: Double
    var requiresVisa: Bool
    var activities: [String]
    var emergencyContact: Person
    var relatedItineraries: [Itinerary]
}

9:20 - PartiallyGenerated types

// PartiallyGenerated types

@Generable struct Itinerary {
    var name: String
    var days: [Day]
}

9:40 - Streaming partial generations

// Streaming partial generations

let stream = session.streamResponse(
    to: "Craft a 3-day itinerary to Mt. Fuji.",
    generating: Itinerary.self
)

for try await partial in stream {
    print(partial)
}

10:05 - Streaming itinerary view

struct ItineraryView: View {
    let session: LanguageModelSession
    let dayCount: Int
    let landmarkName: String
  
    @State
    private var itinerary: Itinerary.PartiallyGenerated?
  
    var body: some View {
        //...
        Button("Start") {
            Task {
                do {
                    let prompt = """
                        Generate a \(dayCount) itinerary \
                        to \(landmarkName).
                        """
                  
                    let stream = session.streamResponse(
                        to: prompt,
                        generating: Itinerary.self
                    )
                  
                    for try await partial in stream {
                        self.itinerary = partial
                    }
                } catch {
                    print(error)  
                }
            }
        }
    }
}

11:00 - Property order matters

@Generable struct Itinerary {
  
  @Guide(description: "Plans for each day")
  var days: [DayPlan]
  
  @Guide(description: "A brief summary of plans")
  var summary: String
}

13:42 - Defining a tool

// Defining a tool
import WeatherKit
import CoreLocation
import FoundationModels

struct GetWeatherTool: Tool {
    let name = "getWeather"
    let description = "Retrieve the latest weather information for a city"

    @Generable
    struct Arguments {
        @Guide(description: "The city to fetch the weather for")
        var city: String
    }

    func call(arguments: Arguments) async throws -> ToolOutput {
        let places = try await CLGeocoder().geocodeAddressString(arguments.city)
        let weather = try await WeatherService.shared.weather(for: places.first!.location!)
        let temperature = weather.currentWeather.temperature.value

        let content = GeneratedContent(properties: ["temperature": temperature])
        let output = ToolOutput(content)

        // Or if your tool’s output is natural language:
        // let output = ToolOutput("\(arguments.city)'s temperature is \(temperature) degrees.")

        return output
    }
}

15:03 - Attaching tools to a session

// Attaching tools to a session

let session = LanguageModelSession(
    tools: [GetWeatherTool()],
    instructions: "Help the user with weather forecasts."
)

let response = try await session.respond(
    to: "What is the temperature in Cupertino?"
)

print(response.content)
// It’s 71˚F in Cupertino!

16:30 - Supplying custom instructions

// Supplying custom instructions

let session = LanguageModelSession(
    instructions: """
        You are a helpful assistant who always \
        responds in rhyme.
        """
)

17:46 - Multi-turn interactions

// Multi-turn interactions

let session = LanguageModelSession()

let firstHaiku = try await session.respond(to: "Write a haiku about fishing")
print(firstHaiku.content)
// Silent waters gleam,
// Casting lines in morning mist—
// Hope in every cast.

let secondHaiku = try await session.respond(to: "Do another one about golf")
print(secondHaiku.content)
// Silent morning dew,
// Caddies guide with gentle words—
// Paths of patience tread.

print(session.transcript) // (Prompt) Write a haiku about fishing
// (Response) Silent waters gleam...
// (Prompt) Do another one about golf
// (Response) Silent morning dew...

18:22 - Gate on isResponding

import SwiftUI
import FoundationModels

struct HaikuView: View {

    @State
    private var session = LanguageModelSession()

    @State
    private var haiku: String?

    var body: some View {
        if let haiku {
            Text(haiku)
        }
        Button("Go!") {
            Task {
                haiku = try await session.respond(
                    to: "Write a haiku about something you haven't yet"
                ).content
            }
        }
        // Gate on `isResponding`
        .disabled(session.isResponding)
    }
}

18:39 - Using a built-in use case

// Using a built-in use case

let session = LanguageModelSession(
    model: SystemLanguageModel(useCase: .contentTagging)
)

19:19 - Content tagging use case - 1

// Content tagging use case

@Generable
struct Result {
    let topics: [String]
}

let session = LanguageModelSession(model: SystemLanguageModel(useCase: .contentTagging))
let response = try await session.respond(to: ..., generating: Result.self)

19:35 - Content tagging use case - 2

// Content tagging use case

@Generable
struct Top3ActionEmotionResult {
    @Guide(.maximumCount(3))
    let actions: [String]
    @Guide(.maximumCount(3))
    let emotions: [String]
}

let session = LanguageModelSession(
    model: SystemLanguageModel(useCase: .contentTagging),
    instructions: "Tag the 3 most important actions and emotions in the given input text."
)
let response = try await session.respond(to: ..., generating: Top3ActionEmotionResult.self)

19:56 - Availability checking

// Availability checking

struct AvailabilityExample: View {
    private let model = SystemLanguageModel.default

    var body: some View {
        switch model.availability {
        case .available:
            Text("Model is available").foregroundStyle(.green)
        case .unavailable(let reason):
            Text("Model is unavailable").foregroundStyle(.red)
            Text("Reason: \(reason)")
        }
    }
}

22:13 - Encodable feedback attachment data structure

let feedback = LanguageModelFeedbackAttachment(
  input: [
    // ...
  ],
  output: [
    // ...
  ],
  sentiment: .negative,
  issues: [
    LanguageModelFeedbackAttachment.Issue(
      category: .incorrect,
      explanation: "..."
    )
  ],
  desiredOutputExamples: [
    [
      // ...
    ]
  ]
)
let data = try JSONEncoder().encode(feedback)

関連する章

リソース

関連ビデオ

WWDC25