网罗开发 （小红书、快手、视频号同名）
大家好，我是 展菲，目前在上市企业从事人工智能项目研发管理工作，平时热衷于分享各种编程领域的软硬技能知识以及前沿技术，包括iOS、前端、Harmony OS、Java、Python等方向。在移动端开发、鸿蒙开发、物联网、嵌入式、云原生、开源等领域有深厚造诣。
图书作者：《ESP32-C3 物联网工程开发实战》
图书作者：《SwiftUI 入门，进阶与实战》
超级个体：COC上海社区主理人
特约讲师：大学讲师，谷歌亚马逊分享嘉宾
科技博主：华为HDE/HDG
我的博客内容涵盖广泛，主要分享技术教程、Bug解决方案、开发工具使用、前沿科技资讯、产品评测与使用体验 。我特别关注云服务产品评测、AI 产品对比、开发板性能测试以及技术报告，同时也会提供产品优缺点分析、横向对比，并分享技术沙龙与行业大会的参会体验。我的目标是为读者提供有深度、有实用价值的技术洞察与分析。
展菲：您的前沿技术领航员
👋 大家好，我是展菲！
📱 全网搜索"展菲"，即可纵览我在各大平台的知识足迹。
📣 公众号"Swift社区"，每周定时推送干货满满的技术长文，从新兴框架的剖析到运维实战的复盘，助您技术进阶之路畅通无阻。
💬 微信端添加好友"fzhanfei"，与我直接交流，不管是项目瓶颈的求助，还是行业趋势的探讨，随时畅所欲言。
📅 最新动态：2025 年 3 月 17 日
快来加入技术社区，一起挖掘技术的无限潜能，携手迈向数字化新征程！
文章目录
-
- 背景
- [引入 Streaming：实时获取模型输出](#引入 Streaming：实时获取模型输出)
- 结构定义背后的"魔法"：PartiallyGenerated
- [完整流式输出 + 最终结果收集](#完整流式输出 + 最终结果收集)
- 实际场景分析
- 总结
背景
在前面我们已经了解过 Foundation Model 的基本用法，比如使用 Generable 注解结构化输出。
通常，我们会写出类似这样的代码：
swift
import FoundationModels
@Generable struct Article {
@Guide(description: "The title of the article")
let title: String
@Guide(description: "The content of the article")
let body: String
@Guide(description: "Useful tips related to the article")
let tips: [String]
}
import Playgrounds
#Playground {
let articleGenerationInstructions = "Write a health related article."
let session = LanguageModelSession(instructions: articleGenerationInstructions)
let response = session.respond(to: "Heart Rate", generating: Article.self)
print(response.content)
}这段代码中：
- 我们定义了一个
Article结构体，使用@Generable宏标记； - 每个属性（
title、body、tips）都有明确的语义指导（@Guide）； - 模型会生成一个符合
Article类型格式的结果； - 我们使用
respond()来等待模型一次性返回完整输出。
这种方式虽然简单，但在用户体验上略显"卡顿"------尤其当生成内容较长时，用户要等全部生成完才能看到结果。
引入 Streaming：实时获取模型输出
为了让生成过程更自然、实时，Apple 在 Foundation Model 框架中引入了 Streaming API。
我们可以通过 streamResponse() 方法来替代 respond()，从而在模型生成过程中不断接收部分结果：
swift
import Playgrounds
#Playground {
let articleGenerationInstructions = "Write a health related article."
let session = LanguageModelSession(instructions: articleGenerationInstructions)
let stream = session.streamResponse(to: "heart rate", generating: Article.self)
for try await article in stream {
print(article)
}
}在这个例子中：
streamResponse()返回的是一个ResponseStream对象；- 它符合
AsyncSequence协议 ，可以通过for try await来异步遍历； - 每一次迭代，模型都会返回当前生成的部分结果。
这意味着，我们可以在界面上 边生成边展示，比如一篇文章的标题出来后立刻显示，正文陆续追加，最后再呈现小贴士。
结构定义背后的"魔法"：PartiallyGenerated
有趣的是，@Generable 宏在编译时会自动为我们的结构体生成一个内部类型，比如 Article.PartiallyGenerated，里面的字段都变成了可选类型（Optional）。
这让流式生成成为可能：
- 当模型只生成了
title时，body和tips仍然是nil； - 模型每生成一个字段，就会触发一次流式输出；
- Swift 的类型系统保证了这种"部分可用"的结构安全。
换句话说，模型生成的顺序会严格按照我们定义的属性顺序执行：
swift
struct Article {
let title: String // 先生成
let body: String // 再生成
let tips: [String] // 最后生成
}所以当我们渲染前端 UI 时，也建议保持这种顺序输出，提升体验的连贯性。
完整流式输出 + 最终结果收集
如果我们希望在流式展示的同时，最后还能拿到完整的结果，也可以这样写：
swift
import Playgrounds
#Playground {
let articleGenerationInstructions = "Write a health related article."
let session = LanguageModelSession(instructions: articleGenerationInstructions)
let stream = session.streamResponse(to: "heart rate", generating: Article.self)
// 实时流式输出
for try await article in stream {
print(article.content)
}
// 等待最终生成结果
let article = try await stream.collect()
print(article.content)
}这里的关键在于：
for try await是一个 异步迭代器，逐步输出生成结果；collect()是 聚合函数 ，在流结束后获取完整的Article实例。
这让我们可以既实现「实时更新 UI」，又能在生成完成后「统一保存完整数据」。
实际场景分析
这个机制在工程上非常有用。比如：
- 实时内容生成：写作类 App 可以在用户输入主题后立即显示文章开头；
- 对话系统：用户提问后，AI 回答可以逐句出现，不必等待整段生成；
- 编程助手：代码生成时可逐行输出，方便开发者实时查看。
通过 Foundation Model 的 Streaming API，我们能让生成式 AI 的交互更接近人类思维过程，提升用户参与感和响应速度。
总结
流式生成的本质是：
让模型输出变得可感知、可等待、可预览。
借助 @Generable + streamResponse()：
- 结构化类型安全输出；
- 异步流式传递；
- 最终统一收集结果。
这标志着 Foundation Model 在 Swift 生态中不只是一个"生成 API"，而是一个具备 类型安全 + 实时反馈 + 异步语义统一 的完整生成体系。