用途：帮助开发者在 Apple 平台选择、部署并优化端侧机器学习模型，涵盖 Apple Foundation Models、Core ML、MLX Swift 和 llama.cpp 四条技术路线，并提供框架选型决策树。
主要能力：Foundation Models 用于 iOS 26+/macOS 26+ 且启用 Apple Intelligence 设备的文本生成、摘要、实体抽取与结构化输出，支持 @Generable 类型安全模式、@Guide 约束、流式输出、Tool 协议工具调用与自定义适配器；Core ML 用于部署自训练模型（视觉、NLP、音频），通过 coremltools 从 PyTorch/TensorFlow 转换，支持量化、调色板化与剪枝；MLX Swift 面向 Apple Silicon 上开源 LLM（Llama、Mistral、Qwen、Gemma）的高吞吐推理与微调；llama.cpp 用于 GGUF 格式的跨平台推理。
使用方式：Foundation Models 需先检查 SystemLanguageModel.default.availability 与 supportsLocale，创建 LanguageModelSession 并可在交互前调用 prewarm()；结构化输出用 @Generable 与 session.respond(generating:)；Core ML 转换前须调用 model.eval()，使用 ct.convert 并保存为 .mlpackage；MLX Swift 通过 LLMModelFactory 加载 mlx-community 模型并设置 Memory.cacheLimit。多后端场景建议用 coordinator actor 串行化模型访问。
适用场景：端侧文本生成与摘要、图像分类与检测、自定义 NLP 分类、开源 LLM 本地推理、隐私敏感应用。
限制：Foundation Models 不适用于复杂数学、代码生成与事实准确性任务，且不支持 iOS 26 之前设备；护栏始终启用不可关闭；令牌预算含输入与输出；MLX Swift 在 iOS 上不应超过总内存 60%，模拟器无法验证 Metal 相关推理，需真机测试。具体收费、价格与平台支持细节资料暂未提供。