夜雨聆风
iOS 27 系统提示词拆解 一个成熟 AI 系统的设计思路
基于 samhenrigold 从 iOS 27 beta（build 24A5355q）dyld_shared_cache_arm64e 中提取的 Apple 生产环境内嵌系统提示词，整理与分析。
需要最新的iOS 27 siri提示词，可以私信我获取
提取字符串总数
100+
真正的 LLM prompt
~40 条
iOS 27 新增占比
约 2/3
来源
二进制逆向
嵌入式 __cstring
〇先校准材料本身
这份材料的价值在于它是 Apple 真实生产环境的提示词——从系统二进制中逆向提取，不是营销材料，也不是泄露的文档草稿。每条都标注了所属二进制（如 TextComposer、VisualIntelligenceCore）和版本状态（NEW in iOS 27 / 26.5.1 已有）。
使用前要明确两点：
1. 存在大量误报。提取是按 “You are…” 等字符串模式进行的，因此混入了很多普通 UI 文案和错误提示——”You are deleting a calendar”（你正在删除一个日历）、”You are not signed in with an Apple ID”（你尚未登录 Apple ID）等约占三分之一，分析时需要先剔除。
2. 版本对比本身就是信息。iOS 26 时代的 prompt 几乎只有邮件智能回复和翻译；27 新增的集中在 Spotlight 多代理搜索、视觉智能、个性化画像和评估基建——这就是 Apple 这一年 AI 投资方向的切片。
一邮件回复：把”开放生成”拆成”选择题”的三段流水线
TextComposer26 已有
这是整份材料里最精巧的一条链路，由三个独立 prompt 串联：
STEP 1
生成对立候选
生成两条约 4 个词、语义上尽量对立的回复 snippet（”maximum polarity”），保证用户总有一个方向可选。
STEP 2
提取问题 → 选择题
从原邮件提取”明确问到的问题”并配 2 词候选答案，由收件人点选。prompt 原文写明动机：减少草稿幻觉。
STEP 3
合成草稿
基于”用户选的 snippet + 问答对”生成 ≤50 词草稿，保留原邮件语气，禁止编造事实。
“The answer to those questions will be selected by the recipient which will help reduce hallucination in drafting the response.”—— 028_in26（问题提取 prompt，动机直接写在 prompt 里）
设计思路：模型不确定的事实永远不让模型编，而是变成 UI 上的选择题交还给人。幻觉治理做在交互结构里，而不是只靠一句 “do not hallucinate”。
二个性化：先建”语言学画像”，再注入写作 prompt
TextUnderstandingRuntimeTextComposerRuntime27 新增
iOS 27 引入了两个大型画像 prompt，对用户的历史邮件做离线分析：
风格画像（五维）
词汇等级（basic / advanced / technical）· 排版习惯（强格式 / 无格式）· 客套程度 padding · 句式复杂度（segmented / balanced / interwoven）· 标点习惯（逗号、分号、冒号、括号的具体使用场景）
身份画像（七维）
昵称 · 称呼语 · 开场白 · 结尾 · 落款 · 签名 · 关系。每一维都有严格的 INCLUDE / EXCLUDE 边界定义（如 “Hi John” 中 “Hi” 是称呼语，”John” 归昵称）。
三个值得细看的工程细节：
① 预判模型会在哪里出错。prompt 明确标注 padding 是”最容易判错的维度”，并加 WARNING：口语化 ≠ 直接——要看的是有没有刻意的缓冲客套语，不是语气正不正式。
② 提取的 Golden Rule。开场白只提取”能原样复制到任何主题邮件里仍然成立”的内容无关短语；拿不准就不提取——宁缺毋滥，因为错误画像比没有画像更糟。
③ 逐字提取，禁止改写。所有提取必须 verbatim，不许发明、转述或推断。
“When in doubt, DO NOT extract. It’s better to have fewer, highly reusable openings than many topic-specific phrases.”—— 053_NEW27（身份画像 prompt）
画像结果通过 personalization_meta_data 字段流入写作代理（001 号 prompt，其核心原则是：永不阻塞用户、最终输出禁止任何占位符、缺信息时用 followup_suggestions 追问）。整条链路是”分析 prompt 产出结构化画像 → 画像作为另一个 prompt 的输入”，prompt 之间用 JSON 作为接口契约。
三Siri × 云端大模型：按场景装配工具 + 极重的防误触发设计
归属二进制未知（推测为 ChatGPT 集成封装层）27 新增
“You are being connected to the user through Siri on an Apple device” 出现了三个变体，区别只在工具集（仅紧急呼叫 / 加 fileGenerationTool / 加 use_device_assistant）——同一个云端模型按入口场景动态装配不同的工具描述。
紧急呼叫工具：4 个正例对 7 个负例
这是全份材料中防御性设计的巅峰。call_emergency_services 工具带四项核查清单（是否危及生命 / 是否有犯罪进行中 / 是否有火灾化学品泄漏 / 是否有自伤伤人迹象），外加一条硬性降级规则：
“If you do not have 100% certainty that the user needs emergency services, respond with ‘if your safety is at risk, ask me to call emergency services or someone you trust'”
负例数量多于正例，且专门覆盖语音场景特有的歧义：
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
use_device_assistant：跨系统上下文传递协议
当请求应由设备端执行（播放媒体、家居控制、设备设置、Find My 等）时，云端模型不直接执行，而是按协议改写后回传 Siri：把口语请求改写成 Siri 能理解的标准句式，引用的上文内容替换成 [reference] 占位符，原文放进 contentReference 字段（短标题 + 换行 + 全文）。例如用户说”记一下那家墨西哥餐厅”，模型输出 "Create a new note with [reference]" + 餐厅信息原文。云端模型和端侧 Siri 之间用结构化协议交接，而不是把整段对话丢过去。
语音输出另有一组风格约束：必须可朗读、事实问题一两句话答完、非必要不用列表和 emoji、容忍 “Hey Siri” 前缀和转写错误。
四Spotlight：把自然语言”编译”成查询计划的多智能体系统
CoreSpotlightAgenticCore_CoreSpotlight_FoundationModels27 新增
这是 iOS 27 最大的架构级新增。编排器（orchestrator）收到搜索请求后决定调度哪些专家代理；世界知识类问题则自己直接回答。
intent 意图解析
必经第一步。提取语义子句：内容类型、关键词、人物、时间表达、位置、属性。完成后 QueryBuilderTool 自动被调用——确定性的步骤不交给模型决定。
disambiguation 消歧
条件触发。解析”我老婆””我老板””上周””Q2 2024″等相对引用。背后还有一个关系分析代理，从通讯模式、日历事件和组织信号中推断人际关系供它使用，且要求”只报告可从数据验证的模式”。
rankingOptimizer 排序优化
条件触发，且不许凭感觉决策——必须先调 check_attribute_coverage 用真实数据验证排序属性覆盖率 >80%，再经 validate_ranking 校验语义匹配后才许启用自定义排序。
pipelineComposer 聚合管道
把”按发件人统计邮件前十”编译成 query → groupby → compute → limit 的多阶段 JSON 管道，attribute 直接落到 kMDItemAuthors 等 Spotlight 元数据键——本质是自然语言到声明式查询计划的编译器。
架构原型：这就是数据库查询优化器的经典架构（parse → resolve → optimize → plan），只是 parser 换成了 LLM。每个代理职责单一、可独立测试，模糊决策必须用工具拿真实数据验证。
五视觉智能：白名单、置信度分级、观察与推断分离
VisualIntelligenceCorePassKitUINutritionCore27 新增
Wallet 凭证提取：能力边界写进 prompt
明确”只提取礼品卡、会员卡、门票；不碰登机牌和政府证件”——把高风险类目直接排除在能力之外，而非依赖模型自觉。字段规则极细：不可见的可选字段省略而不是填 null；空列表用 []；日期一律 ISO 8601；只提取图像中明确可见的信息，不推断。
营养分析：两阶段管线 + 外部权威标准锚定
强制两层输出分离：vision 层只许纯客观描述（明令禁止 “delicious”、”appetizing” 等主观词），nutrition 层才做评估。每个判断带置信度和理由：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
份量估算锚定 FDA RACC 标准、热量锚定 2000 kcal 日参考、临床优先项（钠、糖、饱和脂肪）显式列出、禁止健康声明和处方式语言——把模型的自由发挥钉死在外部权威标准上。图像模糊时的指令是”宁用 unknown 或宽泛类目，不要猜”。
六系统级微任务与评估基建
微任务模型：把问题压到模型能力圈内
放大镜滤镜选择 MagnifierSupport
列出 12 种滤镜编号，”你的回答必须只是一个数字”——分类问题压成单 token，输出空间小到无法跑偏。
来电等待时间提取 CallIntelligence
8 个 few-shot 中 5 个是负例：”问卷只需两三分钟”不是等待时间、”按 9 保留排队位置”不算队列位置。等待时间和排队位置二选一的业务先验也写进了 prompt。
HomeKit 通知摘要 HomeKit
先用规则过滤（”某人正在离开”事件直接丢弃）再交给模型摘要，且”不得添加输入中不存在的任何信息”。
Safari 页面监控 SafariSharedUI
判断页面变化是否满足用户设定的通知条件：先逐步推理（明确条件 → 找证据 → 关注实质性变化），再输出不带 Markdown 包裹的裸 JSON。
日历事件文本生成 CalendarUIKit
“从零创建”和”增量更新”拆成两个独立 prompt；相对日期词规则严苛——绝不引入原文没有的”今天 / 明天”，只在日期未变时保留原有的相对词。
邮件极速回复 TextComposer
26 与 27 各有一版，27 版从”两条 snippet”升级为”针对邮件中问题的两条语义对立回复”，输出格式从列表改为 JSON——同一任务的 prompt 迭代痕迹清晰可见。
评估与运营基建：prompt 是被管理的代码资产
内置 LLM-as-judge。GenerativeAgentsEvaluation 二进制里编译了三个评估器：响应评估器（语义准确性 / 完整性 / 相关性 / 清晰度 → 上下文对齐 → 安全与偏见，三阶段方法论）、对话轨迹评估器（逐轮连贯性、工具调用时机、关键决策点的推理质量、错误恢复机制）、以及工具响应模拟器——在不碰真实工具的情况下测试代理，这是标准的代理测试架构（mock tools + judge）被直接编译进了操作系统。
服务端热更新。IntelligenceFlowPlannerSupport 的日志字符串直接暴露了机制：
“[SystemPromptOverride] Successfully loaded experimental system prompt from server data”“[WritingAssistantModelService] Creating Transcript with system prompt override: %s, %ld tools, %ld conversation turns”
prompt 可从服务器下发实验版本——意味着 A/B 测试和不随系统更新的快速迭代。prompt 即配置，不是硬编码。
建议系统的自我清洁。AssistantActionSuggestionCore 用两个 prompt 维护用户常用指令库：聚类合并判断（”给爸爸发消息”和”给妈妈发消息”是不同意图，不许合并）+ 归一化生成（”How old is Brad Pitt / Anne Hathaway” → “How old is this actor?”，且禁止 [name] 式占位符语法，必须用自然语言的 “this person”）。
底层模板与身份声明。多个二进制共享 <turn_start> system / user / assistant <turn_end> 模板格式，出现了 “modalities: text audio / voice: siri/nora” 的语音配置，以及一条耐人寻味的身份声明：
“You are a foundation model developed by Apple. Only mention this if it is directly relevant to the user request.”—— 025_NEW27（ContentKit）：身份最小化——不主动谈论自己
七九大设计模式
01任务原子化
几十个单一职责的小 prompt，而非一个万能助手。每个 prompt 只解决一个问题，可独立测试、独立迭代。
02结构化输出
几乎全部要求纯 JSON（”只输出合法 JSON，别无其他”），极端情况压缩到”只输出一个数字”。
03反幻觉约束
“Do not hallucinate” 高频出现；只提取显式可见 / 逐字内容；不可见字段省略而非填 null；宁输出 unknown 不猜。
04正负样例并举
反例数量常多于正例，专门覆盖同音歧义、间接询问、相近但不该触发的场景——防误触发优先于提升召回。
05多智能体编排
编排器 + 按需专家；确定性步骤自动执行不让模型选；模糊决策必须用工具拿真实数据验证（覆盖率 >80%）。
06内置评估闭环
LLM-as-judge、轨迹评估器、工具响应模拟器直接编译进系统——回归测试是产品的一部分。
07个性化画像
端侧分析用户邮件史产出结构化风格画像，作为 JSON 契约注入写作 prompt；提取规则保守、逐字、宁缺毋滥。
08服务端热更新
SystemPromptOverride 机制支持从服务器下发实验性 prompt——prompt 即配置，支持 A/B 实验与快速回滚。
09安全门控
高危操作（紧急呼叫）要求 100% 确定，否则降级为固定话术；高风险类目（证件、登机牌）直接写进黑名单。
八横向设计哲学：因为不信任模型，系统才可靠
把六个子系统放在一起看，有一条贯穿的主线：Apple 不信任模型，所以系统才可靠。具体表现为四个层次的”收窄”：
能力收窄
每个 prompt 只做一件事，输出空间能压多小压多小——4 词 snippet、50 词上限、一个数字。
输入收窄
规则预过滤、类目白名单、只看显式可见内容、只分析用户本人发出的邮件。
决策收窄
确定性步骤自动执行不让模型选；模糊决策要用工具拿真实数据验证后才许执行。
失败收窄
负例多于正例；不确定就降级到固定话术、输出 unknown、或变成选择题交还给用户。
在这之上才是运营层：prompt 是服务端可下发的配置资产，有内置评估闭环保证迭代不回退。
这和 Claude、ChatGPT 这类通用助手的 prompt 哲学（一个长 system prompt 定义性格与价值观，依赖模型自身的判断力）几乎是两个极端——因为约束不同：端侧约 3B 的小模型 + 系统级功能对可靠性的硬要求，决定了 Apple 必须用工程结构补模型能力。对想构建生产级 AI 功能的人来说，这份材料最大的价值就是示范了：当你的模型不够强、或场景不容出错时，prompt 工程应该长什么样。