用途：面向 iOS/macOS CoreML 的故障排查技能，覆盖模型加载失败、首次加载慢、推理慢、内存增长或溢出、压缩后精度下降、转换报错与转换后输出不一致等常见问题。
主要能力：以「症状—首先检查—对应模式」速查表与决策树组织排查流程，并给出各模式的原因、诊断方法与修复方向。加载问题区分模型版本不受支持、计算计划创建失败与一般加载失败；性能问题区分缓存未命中、整体推理慢与特定设备慢；内存问题区分预测过程中内存增长与加载时溢出；精度问题区分调色板压缩、量化与剪枝导致；转换问题区分算子不支持与转换成功但输出错误。
使用方式：按速查表或决策树定位问题后进入对应模式。例如用 coremltools 读取 MLModel 并打印 specificationVersion 判断最低部署目标；通过设置 MLModelConfiguration 的 computeUnits 为 .cpuOnly 绕过不支持的 GPU/NE；用 MLComputePlan 查看各算子的首选计算设备；限制并发预测以控制内存。命令与代码片段按资料原样保留，未提供完整端到端示例。
适用场景：iOS 端 CoreML 模型上线前后的性能与精度排查，模拟器与真机表现差异定位，压缩方案选型与回归验证。
限制：资料未提供具体支持矩阵、版本兼容细节的完整列表，也未说明各压缩方案在所有模型上的效果；WWDC 与文档仅作资源指向，未提供链接与结论；未提供价格与安装信息。