深入 AnyLanguageModel 架构LanguageModelSession 与 Transcript 设计解析【免费下载链接】AnyLanguageModelAn API-compatible, drop-in replacement for Apples Foundation Models framework with support for custom language model providers.项目地址: https://gitcode.com/gh_mirrors/an/AnyLanguageModel在 Swift 大模型应用开发中AnyLanguageModel 提供了一个与 Apple Foundation Models 框架 API 兼容的即插即用替代方案支持接入 OpenAI、Anthropic、Gemini、Ollama 以及本地 Core ML、MLX、llama.cpp 等自定义语言模型提供商。本文将从源码出发深入解析其核心设计负责管理对话的LanguageModelSession会话组件以及承载完整对话历史的Transcript记录结构帮助你快速理解这套架构的设计理念。 本文适合刚开始接触 Swift 大模型框架的新手开发者即使不写一行代码也能读懂会话与记录的设计精髓。为什么需要 Session 与 Transcript聊天应用和普通 API 调用的最大区别在于多轮对话需要记住上下文。一次提问、一次回答如果每次都失忆模型就无法理解刚才我们聊到哪里了。AnyLanguageModel 的解决思路非常清晰把整个对话过程拆成两个角色组件职责类比LanguageModelSession会话调度模型、管理响应状态、执行工具️ 主持人Transcript记录保存每一轮对话的完整历史 会议纪要会话负责做记录负责存。两者通过state紧密绑定构成了整个框架的中枢。LanguageModelSession 会话组件的三层设计核心源码位于 LanguageModelSession.swift它的设计可以拆成三个层次来看。第一层线程安全的状态容器 多轮对话难免遇到并发问题用户在滚动流式输出时又发了新消息怎么办会话内部用了一个非常朴素但有效的方案——用 NSLock 包住全部状态。private let state: LockedState这个Locked容器定义在 Locked.swift原理很简单所有对状态的读写都必须先加锁保证同一时刻只有一个线程在修改对话记录。同时会话通过 Swift Observation 框架对外暴露transcript和isResponding两个可观察属性UI 可以实时感知正在回复中的状态从而自动展示加载动画。第二层回复状态的计数器 会话里有一个容易被忽略但很精妙的设计——isResponding不是一个布尔值而是一个计数器每次发起响应包括流式响应时计数器 1响应结束时计数器 -1计数器大于 0 就代表正在响应中为什么用计数器而不是布尔值因为流式响应是异步的多个请求可能同时进行。如果用布尔值一个请求结束就会错误地关闭状态。计数器方案天然支持并发这一处细节充分体现了框架对并发场景的周到考虑。第三层统一的响应入口 无论你是调用普通回复respond还是流式回复streamResponse会话内部都遵循同一条铁律先记录用户输入再调用模型最后记录模型输出。完整流程如下模型层通过 LanguageModel.swift 中定义的LanguageModel协议抽象所有提供商OpenAI、Gemini、本地 MLX 等都实现同一个接口。这也解释了为什么 AnyLanguageModel 能实现只改一行 import的替换体验——上层会话逻辑完全与具体模型解耦。Transcript 记录结构的五类条目设计对话记录不能只是简单的字符串拼接。让我们打开 Transcript.swift看看它如何用类型系统把复杂对话表达得清清楚楚。Entry五种对话角色 每一次交互都会被归类为以下五种Entry之一Entry 类型含义典型场景instructions开发者设定的系统指令角色设定、行为约束prompt用户提问每一轮用户输入toolCalls模型发起的工具调用模型决定调用天气查询toolOutput工具执行后的返回结果天气查询的返回数据response模型给出的回答最终回复这五种类型几乎覆盖了 Agent 对话的全部场景。每一条 Entry 都有稳定的id方便定位和引用某一条历史记录。Segment三种内容片段 更进一步每条 Entry 内部的内容也不是单一字符串而是由三种Segment片段组合而成text 文本片段普通的文字内容structure 结构化片段带 schema 的 JSON 结构化数据工具输出的典型形态image 图片片段支持以 Data 字节或 URL 方式携带图片实现多模态对话例如一条多模态的提问就是文本片段 图片片段的组合。这个设计让记录既能表达纯文本聊天也能承载复杂的工具调用链和多模态输入。让人安心的协议加持 ️Transcript及其所有内部类型都遵循了Sendable、Equatable、Codable协议这意味着Sendable可以安全地跨线程传递配合上面的锁机制实现并发安全Equatable可以比较两份记录是否相同方便做 diff 和 UI 更新Codable可以直接序列化/反序列化实现对话历史的持久化存储——用户退出应用再进来聊天记录可以完整恢复此外Transcript还实现了RandomAccessCollection你可以像操作数组一样直接transcript[0]、transcript[1]去访问某一条记录。会话与记录如何协同工作让我们用一个真实的工具调用场景完整走一遍数据流用户提问北京今天天气怎么样会话把这条提问作为prompt条目写入Transcript会话调用模型模型决定调用getWeather工具模型返回toolCalls条目会话收到后执行工具工具结果以toolOutput条目写回Transcript会话再次调用模型模型基于工具结果生成最终回答最终回答以response条目写入Transcript可以看到工具调用的中间过程也被完整记录。这不仅让模型能在后续轮次中记得自己调用过什么工具也让开发者可以随时回溯整个推理链条调试 Agent 行为变得前所未有的简单。如果你需要对这个过程做更多控制会话还提供了专属的ToolExecutionDelegate委托见 ToolExecution.swift可以拦截工具调用、决定是否执行、甚至直接伪造工具输出。比如用户点击发送前弹窗确认或者在演示模式下用假数据代替真实工具调用。写在最后这套设计的启示 ✨回顾整个架构AnyLanguageModel 在会话与记录上的设计可以用三个词概括单一数据源所有对话状态都收敛在一个加锁的Transcript中杜绝状态分散导致的不一致类型安全五类 Entry、三类 Segment 让对话历史可编程而非靠字符串拼接关注点分离会话管调度、记录管存储、模型协议管接入各司其职对新手开发者来说理解这套设计最大的价值在于当你掌握了 Session 和 Transcript 的协作模式就掌握了构建任何多轮对话应用的基础骨架。无论你接的是 OpenAI 还是本地模型只要沿着这条设计思路走都能写出结构清晰、易于维护的大模型应用。想亲手体验只需将 Swift 依赖指向这个仓库并替换 import 语句即可在现有项目中直接使用这套会话与记录机制。下次写聊天应用时不妨试试这个主持人 会议纪要的思路它会让你少走很多弯路。【免费下载链接】AnyLanguageModelAn API-compatible, drop-in replacement for Apples Foundation Models framework with support for custom language model providers.项目地址: https://gitcode.com/gh_mirrors/an/AnyLanguageModel创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考