用途：在 iOS 应用中集成 Core ML 模型，完成设备端机器学习推理的 Swift 侧工作，包括模型加载、配置、预测、性能分析与部署。Python 侧的模型转换、量化、调色板化、剪枝与框架选择不在本技能范围，属于 apple-on-device-ai 技能。
主要能力：支持自动生成类、手动加载、异步加载（iOS 15+）、运行时编译（iOS 16+）；通过 MLModelConfiguration 控制 computeUnits（.all、.cpuOnly、.cpuAndGPU、.cpuAndNeuralEngine）及低精度累加；提供类型化预测、MLDictionaryFeatureProvider 动态输入、批量预测、MLState 有状态预测（iOS 18+）；MLTensor 用于前后处理，操作惰性执行，需 await tensor.shapedArray(of:) 物化；MLMultiArray 用于非图像输入输出；支持多模型流水线、Vision 集成（CoreMLRequest iOS 18+ 与 VNCoreMLRequest）、MLComputePlan（iOS 17.4+）与 Instruments 性能分析。
使用方式：添加 .mlmodel/.mlpackage 后优先使用 Xcode 生成的类型化类；运行时下载模型用 MLModel.compileModel(at:) 编译一次并持久缓存 .mlmodelc，避免每次启动重编译；图像输入优先走 Vision 自动预处理；批量处理用 predictions(fromBatch:)；同一 MLState 的预测必须串行，独立并发流各自 makeState()。
适用场景：图像分类、目标检测、文本与音频等设备端推理，以及需要 GPU/神经引擎加速的 iOS 应用。
限制：MLTensor 的统计与桥接 API 需以官方文档为准，不要臆造；模型加载与预测需处理错误与回退；大模型需关注内存压力与后台释放；性能测量应在调试器外进行。完整代码模式见 references/coreml-swift-integration.md。