Apple عرضت كيف تُبسّط وحدتا الماكرو @Generable و@Guide في FoundationModels تطوير Swift

عرضت أبل كيفية تبسيط وحدات @Generable و@Guide في

FoundationModels لتطوير Swift

تستمر أبل في تحسين منهجها لدمج الذكاء الاصطناعي في Swift. الخطوة الأخيرة هي وحدات @Generable و@Guide، التي تسمح للمطورين بالعمل مع الإنشاء المنظم من نماذج اللغة بطريقة آمنة من حيث النوع.

ما هما @Generable و@Guide؟

@Generable عبارة عن وحدة تميز بنى Swift للإنشاء بواسطة نماذج اللغة. بدلاً من الحصول على نص خام من نموذج لغة واستخراج البيانات منه يدويًا، يمكن للمطورين الآن تحديد بنية وطلب من النموذج إنشاء كائنات تطابقها. هذا النهج أكثر موثوقية من الإنشاء القائم على النصوص لأن النموذج يعمل مع تنسيق محدد مسبقًا.

@Guide يكمل @Generable بتقديم تلميحات على مستوى الحقل. مع @Guide، يمكن للمطورين تحديد ما يجب أن يحتويه كل حقل، مما يعطي النموذج سياقًا أكثر لإنشاء دقيق. على سبيل المثال، إذا كان الحقل ينتظر ملخصًا، يمكنك أن تخبر النموذج: "يجب أن يحتوي هذا الحقل على وصف موجز، لا يزيد عن جملتين."

كيف يعمل الإنشاء المنظم؟

العملية مباشرة. أولاً، تحدد بنية Swift وتميزها بـ @Generable. ثم تستخدم LanguageModelSession لإرسال طلب إلى النموذج. يفهم النموذج البنية ويعيد البيانات التي تطابق تعريف النوع الخاص بك. يلغي هذا الحاجة إلى استخراج النصوص ويقلل من احتمالية الأخطاء.

توفر أبل دعم البث، لذلك عند إنشاء النموذج للبيانات، يتلقى تطبيقك أجزاء تدريجيًا. يسمح هذا بتحديثات واجهة المستخدم في الوقت الفعلي بدلاً من انتظار الرد الكامل. يجعل تكامل SwiftUI من السهل ربط هذه التحديثات بالواجهة.

لماذا @Guide مهم

بدون @Guide، قد يفسر النموذج الحقول بطريقة غامضة. معه، يحصل المطورون على تحكم دقيق. إليك الفوائد الرئيسية:

• الوضوح — يفهم النموذج بالضبط ما يجب أن يحتويه كل حقل
• التحقق — التلميحات تقلل من احتمالية البيانات غير الصحيحة أو غير ذات الصلة
• الاتساق — عبر عمليات إنشاء متعددة، تبقى النتائج قابلة للتنبؤ بها
• الكفاءة — يتطلب عدد محاولات أقل لأن المحاولة الأولى لديها احتمالية أكبر للنجاح
• أمان النوع — يمنع التكامل مع نظام نوع Swift أخطاء وقت التشغيل

الصورة الأكبر

يمثل منهج أبل تحولاً من استخراج النصوص الضعيف إلى تكامل ذكاء اصطناعي منظم وآمن من حيث النوع. بدلاً من طلب لغة طبيعية والأمل في أن يمكن تحليل الإخراج، يعمل المطورون الآن مع نماذج اللغة كمولدات بيانات. يجعل هذا ميزات الذكاء الاصطناعي أكثر موثوقية وأسهل في الدمج في تطبيقات الإنتاج. تتعامل الوحدات مع التعقيد، مما يترك المطورين أحرارًا في التركيز على منطق التطبيق الخاص بهم.