新闻详情

新闻详情

首页 / 资讯中心 / 详情

iOS 27正式推送:Siri AI英文先行,开发者该盯的其实是App Intents

发布时间:2026/11/16 14:04:06来源:尧图网络
iOS 27正式推送:Siri AI英文先行,开发者该盯的其实是App Intents
北京时间 9 月 15 日凌晨苹果开始推送 iOS 27 正式版美东时间是 9 月 14 日iPadOS 27、macOS 27 等平台同步更新。这一版最大的看点不是界面而是拖了两年多的新一代 Siri AI 终于以测试版形式落地它基于 Apple Intelligence能理解个人上下文、感知屏幕内容、跨 App 执行多步操作。据财联社等媒体报道Siri AI 初期仅支持英文10 月会扩展法文、日文等 5 种语言国行正式版暂时不可用完整的 Apple Intelligence 能力也限定在 iPhone 15 Pro 及更新机型上。iOS 27 本身支持 iPhone 11 及以后的机型今年没有淘汰老设备据报道底层还做了重构App 启动速度最高提升 30%、照片载入最高提升 70%、AirDrop 传输最高提升 80%。对普通用户来说这是一次“能力更聪明的语音助手”对做 App 的人来说真正需要关注的是另四个字App Intents。一、变的是什么从“填格子”到“系统级 Agent”旧版 Siri 的第三方接入方式是 SiriKit苹果预先定义了一堆 intent domain打车、发消息、支付……开发者只能在这些格子里填空超出范围就接不进去。这也是为什么过去 Siri 能做的事一直很有限。WWDC 2026 上苹果正式弃用了 SiriKit把接力棒交给 App Intents并给出了大约两到三年的迁移窗口。新版 Siri 的运作逻辑变成了App 把“我能做什么、我有什么数据”用结构化的 schema 声明出来系统模型再根据用户的自然语言去调度。前者是“固定句式匹配固定动作”后者是“模型在候选动作里自己挑”。这是两种完全不同量级的接入方式也是这次 Siri AI 能跨 App 操作的前提。二、没变的是什么没有声明过Siri 依然看不见你有一点很多人会误解AI 能“接管手机”不等于 AI 能随便操作别人的 App。App 仍然必须显式声明自己的能力。没有通过 App Intents 暴露出来的功能系统模型再强也调不到同理想被 Apple Intelligence 检索到的内容也要按苹果的实体Entity规范做索引。换句话说如果你什么都没做那么在新 Siri 里你是隐形的。三、开发者该怎么做三个层级按投入从小到大可以这样接最轻一层App Shortcuts。把几个高频动作注册成语音短语让用户直接说“用 XX 记一笔”就能完成。中间一层AppIntent AppEntity。把 App 内的对象和动作暴露给系统让 Siri 能理解参数、执行操作。深水区内容索引与 App Schema。用 IndexedEntity 等机制让你的内容可被 Apple Intelligence 发现配合屏幕感知做“看一眼就能问”的交互。中间一层的骨架代码大概长这样Swift / AppIntents 框架importAppIntentsstructAddTaskIntent:AppIntent{staticvartitle:LocalizedStringResource添加待办staticvardescriptionIntentDescription(把一条待办写进 App)Parameter(title:内容)vartext:Stringfuncperform()asyncthrows-someIntentResultProvidesDialog{tryawaitTaskStore.shared.add(text)return.result(dialog:已添加\(text))}} 几处细节值得注意-参数类型尽量用语义化类型日期用 Date、地点用位置实体别一律用 String。类型越准确模型理解自然语言时越不容易出错。--perform() 必须是异步可取消的并且**做成幂等**。语音场景网络抖动、用户中途改口都很常见同一条指令被执行两次不能出事故。--动作的粒度要小。一个 intent 干一件事比做一个“万能 intent”更容易被模型正确调用。 ## 四、几个现实的坑1.**别再用SiriKit起新项目。**它已经被正式弃用新代码一律走AppIntents已有项目把迁移排进排期别拖到最后。2.2.**端侧算力有门槛。**完整AI能力只在 iPhone15Pro及更新的机型可用别假设所有用户都能用上功能设计要有降级路径。3.3.**国行暂时用不了海外初期也只有英文。**如果你的用户主要在国行设备上这一轮AI入口红利短期吃不到先把接入能力做好、等合规与语言放开比硬凹功能更实在。4.4.**隐私红线不能绕。**系统确实会读设备上的信息但必须走苹果提供的实体和权限机制不要想着让模型绕过授权去拿数据。5.5.**不要把所有功能设计都绑死在SiriAI上。**助手入口的通话次数限制、语言范围、可用机型都在变功能的主路径还得留一条不依赖AI的。 ## 五、对非 iOS 开发者的一个提醒AppIntents这套思路其实和现在MCP、function calling、Agenttools 是同一件事**把能力声明成结构化的 schema让模型来调度。**苹果只是把它做进了操作系统层。 做后端的同学不妨把它当一次免费的产品课你的接口是不是也能用一份 schema 描述清楚描述得清楚模型就能用描述得含糊模型就只能猜。 ## 六、写在最后SiriAI更像是一次“入口重构”而不是能力爆炸。短期能感受到的变化有限但接入方式的更替是实打实的——SiriKit退场、AppIntents上台窗口期两三年已经开始了。 你会为了SiriAI去给App接一套AppIntents吗评论区聊聊。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉