FoundationModels on-device LLM patterns (iOS 26) - **name_fr:** Modèles on-device FoundationModels (iOS 26) - **tl_en:** Build privacy-first AI features with Apple's on-device FoundationModels: sessions, structured output with @Generable, tool calling, snapshot streaming - **tl_fr:** Construire des fonctionnalités IA privées avec FoundationModels on-device d'Apple : sessions, sortie structurée avec @Generable, appels d'outils, streaming de snapshots - **creator:** @affaan-m - **type:** Agent skill - **url:** https://github.com/affaan-m/ecc - **cat:** Mobile - **kws:** ios, apple intelligence, foundation models, on-device llm, swift, generable, tool calling, privacy, streaming - **license:** MIT **Description EN:** Curated by Skill Harbor — a patterns guide by @affaan-m for integrating Apple's on-device language model into iOS apps with the FoundationModels framework (iOS 26 era): availability checks, single- and multi-turn sessions, guided generation with `@Generable` structured types, custom tool calling, and snapshot streaming for real-time UI — plus best practices and anti-patterns. Honest caveats: requires an Apple Intelligence-eligible device; the on-device context window is capped at 4,096 tokens, which shapes prompt design; iOS 26-era APIs may drift between releases; listed here with credit to its creator. Skill Harbor never reviews the code, review it yourself before use. Discovered via skills.sh. **Description FR:** Sélectionné par Skill Harbor — un guide de patterns de @affaan-m pour intégrer le modèle de langage on-device d'Apple dans des apps iOS avec le framework FoundationModels (ère iOS 26) : vérifications de disponibilité, sessions simples et multi-tours, génération guidée avec types structurés `@Generable`, appels d'outils personnalisés et streaming de snapshots pour des UI temps réel — avec bonnes pratiques et anti-patterns. Bémols honnêtes : nécessite un appareil éligible à Apple Intelligence ; le contexte on-device est plafonné à 4 096 tokens, ce qui conditionne la conception des prompts ; les API de l'ère iOS 26 peuvent évoluer d'une version à l'autre ; référencé ici avec crédit à son créateur. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh. **Install prompt EN:** ``` Prerequisites: an Apple Intelligence-eligible Apple device; an Xcode/Swift project targeting iOS 26-era FoundationModels APIs Install "FoundationModels on-device LLM patterns (iOS 26)" for me. Fetch the SKILL.md from the source repository into a temporary folder, review it for anything suspicious, then summarize in two or three sentences which patterns it covers (availability checks, sessions, @Generable structured output, tool calling, snapshot streaming) so I can apply them to my own Swift project. Repository: https://github.com/affaan-m/ecc/blob/main/docs/ja-JP/skills/foundation-models-on-device/SKILL.md GitHub is optional: if I have a GitHub account or the gh CLI, you may use it; otherwise public access is fine. Rules: don't touch anything outside the temp folder and the skill's own content. If anything looks off, stop and ask me. ``` **Install prompt FR:** ``` Prérequis : un appareil Apple éligible à Apple Intelligence ; un projet Xcode/Swift ciblant les API FoundationModels de l'ère iOS 26 Installe-moi « Modèles on-device FoundationModels (iOS 26) ». Récupère le SKILL.md depuis le dépôt source dans un dossier temporaire, examine-le pour tout contenu suspect, puis résume en deux ou trois phrases les patterns qu'il couvre (vérifications de disponibilité, sessions, sortie structurée @Generable, appels d'outils, streaming de snapshots) pour que je puisse les appliquer à mon propre projet Swift. Dépôt : https://github.com/affaan-m/ecc/blob/main/docs/ja-JP/skills/foundation-models-on-device/SKILL.md GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Règles : ne touche à rien en dehors du dossier temporaire et du contenu propre du skill. Si quelque chose semble anormal, arrête-toi et demande-moi. ``` --- ---

Build privacy-first AI features with Apple's on-device FoundationModels: sessions, structured output with @Generable, tool calling, snapshot streaming - **tl_fr:** Construire des fonctionnalités IA privées avec FoundationModels on-device d'Apple : sessions, sortie structurée avec @Generable, appels d'outils, streaming de snapshots - **creator:** @affaan-m - **type:** Agent skill - **url:** https://github.com/affaan-m/ecc - **cat:** Mobile - **kws:** ios, apple intelligence, foundation models, on-device llm, swift, generable, tool calling, privacy, streaming - **license:** MIT **Description EN:** Curated by Skill Harbor — a patterns guide by @affaan-m for integrating Apple's on-device language model into iOS apps with the FoundationModels framework (iOS 26 era): availability checks, single- and multi-turn sessions, guided generation with `@Generable` structured types, custom tool calling, and snapshot streaming for real-time UI — plus best practices and anti-patterns. Honest caveats: requires an Apple Intelligence-eligible device; the on-device context window is capped at 4,096 tokens, which shapes prompt design; iOS 26-era APIs may drift between releases; listed here with credit to its creator. Skill Harbor never reviews the code, review it yourself before use. Discovered via skills.sh. **Description FR:** Sélectionné par Skill Harbor — un guide de patterns de @affaan-m pour intégrer le modèle de langage on-device d'Apple dans des apps iOS avec le framework FoundationModels (ère iOS 26) : vérifications de disponibilité, sessions simples et multi-tours, génération guidée avec types structurés `@Generable`, appels d'outils personnalisés et streaming de snapshots pour des UI temps réel — avec bonnes pratiques et anti-patterns. Bémols honnêtes : nécessite un appareil éligible à Apple Intelligence ; le contexte on-device est plafonné à 4 096 tokens, ce qui conditionne la conception des prompts ; les API de l'ère iOS 26 peuvent évoluer d'une version à l'autre ; référencé ici avec crédit à son créateur. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh. **Install prompt EN:** ``` Prerequisites: an Apple Intelligence-eligible Apple device; an Xcode/Swift project targeting iOS 26-era FoundationModels APIs Install "FoundationModels on-device LLM patterns (iOS 26)" for me. Fetch the SKILL.md from the source repository into a temporary folder, review it for anything suspicious, then summarize in two or three sentences which patterns it covers (availability checks, sessions, @Generable structured output, tool calling, snapshot streaming) so I can apply them to my own Swift project. Repository: https://github.com/affaan-m/ecc/blob/main/docs/ja-JP/skills/foundation-models-on-device/SKILL.md GitHub is optional: if I have a GitHub account or the gh CLI, you may use it; otherwise public access is fine. Rules: don't touch anything outside the temp folder and the skill's own content. If anything looks off, stop and ask me. ``` **Install prompt FR:** ``` Prérequis : un appareil Apple éligible à Apple Intelligence ; un projet Xcode/Swift ciblant les API FoundationModels de l'ère iOS 26 Installe-moi « Modèles on-device FoundationModels (iOS 26) ». Récupère le SKILL.md depuis le dépôt source dans un dossier temporaire, examine-le pour tout contenu suspect, puis résume en deux ou trois phrases les patterns qu'il couvre (vérifications de disponibilité, sessions, sortie structurée @Generable, appels d'outils, streaming de snapshots) pour que je puisse les appliquer à mon propre projet Swift. Dépôt : https://github.com/affaan-m/ecc/blob/main/docs/ja-JP/skills/foundation-models-on-device/SKILL.md GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Règles : ne touche à rien en dehors du dossier temporaire et du contenu propre du skill. Si quelque chose semble anormal, arrête-toi et demande-moi. ``` --- ---

Version: