主題指南
人工智慧與機器學習
探索 Apple Intelligence、Foundation Models、Core ML、Vision，以及推出兼顧隱私與能力的機器學習功能的實用方法。
這個主題連結 Apple 的模型框架與妥善運用這些框架所需的產品決策，涵蓋裝置端與雲端模型、工具呼叫、評估、電腦視覺、模型轉換，以及實際 App 所面對的隱私與效能限制。
- Session
- 76
- 2026
- 38
- 2025
- 17
- 2024
- 21
這個主題涵蓋的內容
- Foundation Models 與 Apple Intelligence
- Core ML、Vision 與模型最佳化
- 評估、隱私與 Agent 體驗
WWDC 2026
38 場 Session- Apple Intelligence 團體 Lab線上加入我們，與 Apple 工程師和設計師一同深入探索 WWDC26，提出問題、取得建議，並參與本週 Apple Intelligence 重大發表的討論。活動以英語進行。
- Foundation Models 框架的全新功能探索 Foundation Models 框架的全新功能。了解如何存取 Private Cloud Compute、整合第三方和開放原始碼模型，以及運用視覺功能。探索情境管理 API、內建語意搜尋，以及在應用程式中建立 Agentic 體驗的強大基礎元件。
- Shortcuts 的新功能探索使用應用程式內容建構強大捷徑的技巧。新的自動化功能為應用程式提供更多與系統整合的方式。使用全新的「Use Model」逐字稿功能，調整 App Entity 呈現給 LLM 的方式。在捷徑中儲存應用程式的豐富資訊，並在裝置間同步。瞭解如何結合這些功能，建立能與應用程式內容和功能順暢整合的智慧型強大自動化操作。
- 使用 App Schemas 建立智慧 Siri 體驗透過 App Intents，將應用程式的內容和動作帶到 Siri。使用 App Entities 建立資料模型，採用 App Schemas 啟用強大的系統動作，並支援由 Apple Intelligence 驅動的自然語言互動。探索如何啟用語意搜尋、跨應用程式執行動作，以及運用螢幕感知和內容傳送建立情境式體驗。了解建立快速可靠 Siri 體驗的最佳做法和測試工具。
- 使用 AppIntentsTesting 驗證 App Intents 採用情況認識 AppIntentsTesting。這個全新框架可透過 Siri、Shortcuts 和 Spotlight 採用的相同基礎架構來驗證 App Intents。探索如何執行 Intent、檢查結果，以及測試 Entity 和 Query，全程不需要 UI 自動化。瞭解如何驗證 View Annotation 和 Spotlight 索引等整合項目，協助你在開發工作流程早期找出錯誤。
- 使用 Core AI 將裝置端 AI 模型整合至應用程式探索精選的熱門開放原始碼模型，包括 Qwen、Mistral、SAM3 等。這些模型已透過全新的 Core AI 框架針對 Apple 晶片最佳化。了解如何在 Mac 上下載、執行模型並進行效能評測，只需幾行程式碼即可將模型整合至應用程式。探索全新的模型編譯與裝置端特化工作流程，加快模型首次載入的速度。了解如何使用 Xcode 中的 Core AI 工具分析並最佳化執行階段效能。
- 使用 Core Spotlight 進行 LLM 搜尋使用 SpotlightSearchTool 和 LanguageModelSession，將基本搜尋提升為檢索增強系統。探索 Core Spotlight 整合、以委派為基礎的資料補全模式，以及中繼資料品質對搜尋結果的影響。瞭解如何使用自訂 PipelineStages 執行情感分析等工作。掌握索引建立的最佳做法，並在應用程式中建構彈性且具備豐富情境的搜尋體驗。
- 使用 Evaluations 爬山法改善提示詞學習比較評估技術，為提示詞工程提供指引，並為應用程式選擇合適的模型。探索如何建立效能基準、擴充評估策略，以及將結果轉換為 JSON，以便與其他工具整合。了解何時該採用不同的提示策略，以及如何反覆調整提示詞以取得最佳成果。
- 使用 Foundation Models 框架建立 Agentic 應用程式體驗了解如何運用 Foundation Models 框架提供的動態情境和 Agentic 工作流程基礎元件，進一步強化智慧功能。我們會逐步說明如何設計共用情境、設定隱私界線，以及管理鍵值快取。探索如何協調本機和伺服器模型之間的順暢交接。
- 使用 Image Playground 建立高品質影像使用 Image Playground，在應用程式中支援高品質影像創作。透過在 Private Cloud Compute 上執行的全新生成式模型，使用者可直接在應用程式中製作幾乎任何風格的影像，包括擬真照片。你也可以指定尺寸，讓影像能用在更多地方，並讓使用者透過自然語言描述和觸控修改影像。探索如何採用 Image Playground、根據描述與照片生成影像，以及管理應用程式中的功能可用性。
- 使用 Instruments 偵錯及分析 Agentic 應用程式體驗探索 Xcode 中增強的 FoundationModels instrument，檢查行為並最佳化 Agentic 流程的效能。了解如何檢查提示、分析延遲，並在運用多個 LanguageModelSessions 和設定檔的進階使用案例中追蹤控制流程。
- 使用 MLX 在 Mac 上執行本機 Agentic AI在本機執行 AI Agent，兼顧隱私、低延遲和離線存取。深入了解 MLX 的進展和 Mac 硬體，如何讓強大的 Agentic 工作流程完全在裝置端執行。你會探索 OpenCode 等編碼 Agent、了解它們如何整合至 Xcode、學習使用多部 Mac 擴充規模的技巧，並探索如何順暢整合工具，全程不必離開你的電腦。
- 使用 MLX 探索 Swift 數值運算透過 MLX Swift，將 NumPy 風格的運算原生帶入 Swift。在單一且具型別安全的環境中處理影像、張量運算與神經網路訓練，了解如何消除機器學習工作流程中跨語言作業的阻礙。探索相關 API，運用 GPU 加速，同時享有你已熟悉的編譯器、工具與除錯體驗。
- 使用 Metal 建構即時神經算繪管線探索如何使用 Metal 4，將機器學習整合至即時算繪管線。我們將探索實用的採用模式與最佳做法，使用 MetalFX 神經網路降噪達到正式製作等級的成果，並分享 Maxon Redshift Live 的實際經驗。了解如何訓練及部署神經網路色調映射器，透過 ML 指令編碼器與圖形工作一併執行。最後，深入全新的張量 API，直接在著色器中建構並評估小型的專用神經網路。
- 使用 Metal 張量最佳化自訂機器學習運算運用 Metal Tensor API 與 Metal Performance Primitives (MPP) Tensor Ops 函式庫，釋放強大的機器學習效能。探索如何建立可攜式運算，充分發揮 Apple M5 和 A19 GPU 中 Neural Accelerator 的效能。了解如何為 Core AI 應用程式建構自訂機器學習核心，以及如何有效運用量化資料格式並最佳化 GPU 記憶體。
- 使用 Xcode 中的 Agent 建立 UI 原型了解如何使用 Xcode 中的 Agent 製作應用程式原型。探索運用 AI 製作互動原型、反覆調整版面，以及針對設計挑戰產生創意解法的技巧。你會學到如何審慎評估構想，並將其改進為完善且以人為本的應用程式體驗。
- 使用 Xcode 中的 Agent 翻譯應用程式了解 Xcode 和編碼 Agent 如何運用應用程式的背景資訊來翻譯 String Catalog。我們會逐步介紹檢查翻譯結果及反覆調整在地化內容的策略，讓你為世界各地的使用者提供量身調整的體驗。
- 使用 fm CLI 和 Python SDK 建構 AI 驅動的指令稿探索在 macOS 上運用 Apple Foundation Models 的各種全新方式。Foundation Models SDK for Python 可讓你整合 Python 生態系統中常用的工具與評估套件。了解如何使用 macOS 27 推出的全新 fm 指令，簡化指令稿編寫、自動執行模型工作流程，並加快開發流程。
- 保護應用程式：降低 Agent 功能的風險探索如何評估間接提示詞注入造成的威脅，例如資料外洩與非預期操作。了解使用 App Intents 與 Foundation Models 框架時的系統防護措施和安全性最佳做法，包括要求使用者確認、安全的提示詞設計與身分驗證等風險緩解方式。
- 在 Private Cloud Compute 上使用全新的 Apple Foundation Model 建構體驗Private Cloud Compute 可讓你在保護使用者隱私的同時，使用功能強大的前沿模型。探索其運作方式，以及如何透過 Foundation Models 框架存取。瞭解在應用程式中檢查可用性及妥善處理備援方案的最佳做法。
- 在應用程式中整合視覺智慧的最佳做法深入瞭解視覺智慧如何改變應用程式中的內容探索方式。探索如何定義 Entity、處理影像，以及有效處理多種結果類型。瞭解最佳化速度和相關性的最佳做法，並探索 Intent 如何讓使用者點一下就能直接執行開啟或播放內容等動作。
- 將 Cyberpunk 2077 帶到 Mac深入幕後，了解 CD PROJEKT RED 如何將 Cyberpunk 2077 帶到 Mac，為 macOS 的 AAA 遊戲樹立全新標準。探索團隊如何運用 Apple 強大的硬體、軟體與開發工具，實現這項高擬真體驗。學習如何將類似技術應用到自己的遊戲。了解創新的「For this Mac」預設如何自動最佳化圖形設定，在各款 Mac 上平衡視覺擬真度與影格率。
- 將 LLM 供應商帶入 Foundation Models 框架為新模型實作 LanguageModelExecutor，擴充 Foundation Models 框架。探索如何與 LanguageModelSession 的逐字稿介接、有效管理 Session 狀態，以及最佳化 KV 快取的使用。了解如何支援自訂片段類型，為生成式 AI 功能解鎖進階能力。
- 影像理解的全新功能運用 Vision 框架和 Foundation Models 框架的最新更新，實現強大的影像理解功能。全新的點按分割要求讓你能以新方式分割影像，Vision 現在也支援 watchOS。將 Apple Foundation Model 新增的影像支援，與 OCR、條碼掃描和自己的工具結合，在應用程式中提供由 LLM 驅動的視覺理解功能。
- 探索 App Intents 框架的全新功能透過進階功能提升 App Intents 的採用成效，使其更快速、更靈活也更切合情境。了解 ValueRepresentation 與 RelevantEntities 如何讓內容更容易被發現並在應用程式之間流通、EntityCollection 如何提升效能，以及 SyncableEntity 如何協助你擴展至多部裝置。探索更豐富的參數類型，包括聯集值，以及能妥善處理取消操作的長時間執行 Intent。
- 探索 Siri 與 Apple Intelligence 的進階 App Intents 功能使用進階 App Intents API，完善應用程式與 Siri 搭配運作的方式。學習相關技術，讓使用者只靠語音就能完成更多工作、協助 Apple Intelligence 找到你的內容，並為螢幕感知提供情境資訊，讓 Siri 了解應用程式中正在發生的事。
- 探索使用 MLX 進行分散式推論和訓練使用 MLX，將機器學習工作負載擴充到多部 Mac。了解如何處理互連效率、大型模型推論、要求批次處理和分散式訓練等挑戰。探索桌上的幾部 Mac 如何取代昂貴的雲端基礎架構，處理高需求的 AI 工作負載。
- 機器學習與 AI 團體 Lab線上加入我們，與 Apple 工程師和設計師一同深入探索 WWDC26，提出問題、取得建議，並參與本週機器學習與 AI 重大發表的討論。活動以英語進行。
- 深入 Apple Intelligence 與 Xcode：特別發表走進 Steve Jobs Theater，探索 Apple Intelligence 與 Xcode 的最新進展。了解如何運用 Xcode 27 全新的 Agent 編碼工作流程加速開發，並探索 App Intents 如何讓 Siri 理解情境並在應用程式中採取行動。了解如何使用 Foundation Models 框架推出智慧功能、透過 Core AI 部署自訂裝置端模型，以及使用 MLX…
- 深入了解 Core AI 模型編寫與最佳化透過全新的 Core AI 框架，深入了解在 Apple 晶片上部署自訂模型的完整工作流程。探索使用自訂 Metal 核心編寫模型的強大技術，以及考量平台特性的壓縮策略。全新的 Core AI Debugger 提供深入的內部分析，AI 輔助工作流程則會引導你從最初的構想一路完成最佳化的裝置端執行。
- 為 Agent 應用程式建立穩健的評估瞭解如何運用 Evaluations 框架的進階功能，為應用程式建立穩健的評估。探索如何評估包含工具呼叫和動態條件的流程，以及如何依照使用情境定義正確行為。瞭解如何產生合成資料、有效使用 Judge，並驗證資料集以取得可靠結果。
- 為 visionOS 應用程式和空間 Web 設計沉浸式環境了解如何為應用程式、網站和 SharePlay 體驗建立逼真的 visionOS 環境。探索讓環境呈現真正沉浸感的設計原則，並了解如何建立或擷取參考素材、準備高精細度 CG 資源，以及製作動態和光線等即時效果。
- 程式碼實作：讓 Siri 能使用你的應用程式深入探索一個 Xcode 專案，了解如何讓 Siri 能使用你的應用程式。學習如何採用 App Schemas，讓使用者詢問行事曆活動，並以自然語言執行排程等動作。探索讓 Spotlight 語意索引取用內容，以及為螢幕感知提供情境資訊的最佳做法。
- 編碼智慧、機器學習與 AI 團體 Lab線上加入我們，與 Apple 工程師和設計師一同深入探索 WWDC26，提出問題、取得建議，並參與本週編碼智慧、機器學習與 AI 重大發表的討論。活動以英語進行。
- 認識 Core AI探索 Core AI，這是 Apple 全新的裝置端 AI 模型部署框架。全面了解整個生態系統，包括用來轉換、編寫與最佳化模型的 Python 函式庫、可即插即用地執行推論的 Swift API，以及對延遲和記憶體有嚴格要求的進階使用情境。探索全新的 Core AI 模型儲存庫，其中提供熱門架構可直接執行的範例。了解 Xcode…
- 認識 Evaluations 框架瞭解如何使用 Evaluations 框架評估模型驅動的體驗。在機率世界中，僅靠單元測試並不足夠。探索如何定義指標、自動評分輸出並彙整統計資料，確保 AI 功能在各個 Apple 平台上可靠運作。
- 認識 Music Understanding 框架認識 Music Understanding。這個全新框架可讓應用程式在裝置端從調性、節奏、結構、速度、樂器活動和音量六個面向分析音訊。你也可以使用 Music Understanding Lab 範例應用程式，將各項結果視覺化。
- 運用 Agent 編碼快速完成遊戲移植運用 Game Porting Toolkit 4 中全新的 Agent 技能，大幅加快移植流程，讓遊戲踏上前往 Apple 平台的旅程。探索如何與 AI 編碼助理協作，採用 Metal 4、整合 MetalFX，並針對 Apple 硬體調校遊戲。了解 Agent 如何使用 Metal 除錯工具，自主排解 GPU 算繪問題，讓你能專注於最重要的工作。
WWDC 2025
17 場 Session- BNNS Graph 最新功能BNNS Graph Builder API 現在讓開發者能使用熟悉的 Swift 語言撰寫運算圖，產生前置與後置處理常式及小型機器學習模型。BNNS 會在執行前編譯運算圖，並支援音訊處理等即時與延遲敏感的使用情境。在本 Session 中，我們會重新檢視去年的位元破碎效果範例，移除對獨立 Python 檔案的依賴，改以 Swift 完整實作音訊效果，藉此簡化 Swift 元件。BNNS Graph Builder…
- 使用 App Intents 為捷徑與 Spotlight 開發功能建立 App Intents，讓動作可搭配 Mac 上捷徑與 Spotlight 的新功能；了解如何結合捷徑中的 Apple Intelligence 動作、深入「使用模型」動作與 App entity 的互動，並讓動作出現在 Spotlight。
- 使用 Instruments 最佳化 CPU 效能瞭解如何使用 Instruments 中兩項全新的硬體輔助工具，針對 Apple silicon 最佳化應用程式。我們會先介紹如何剖析應用程式，再深入示範如何使用 Processor Trace 查看每一個被呼叫的函式。我們也會討論如何使用 CPU Counters 的各種模式，分析程式碼中的 CPU 瓶頸。
- 使用 MLX 探索 Apple silicon 上的大型語言模型探索 MLX LM，它專為簡化 Apple silicon 上的大型語言模型工作並提升效率而設計。我們將介紹如何在 Mac 上微調頂尖的大型語言模型並執行推論，以及如何將這些模型順暢整合到以 Swift 建構的應用程式與專案中。
- 使用 SpeechAnalyzer 為應用程式加入進階語音轉文字功能探索全新的語音轉文字 SpeechAnalyzer API。我們將認識 Swift API 及其功能，這些功能也為「備忘錄」、「語音備忘錄」、「日誌」等應用程式提供支援。我們會深入說明語音轉文字的運作方式，以及如何透過 SpeechAnalyzer 與 SpeechTranscriber 建立精彩且高效能的功能。你也將跟著程式碼示範，學習如何將 SpeechAnalyzer 與即時轉錄整合到應用程式中。
- 使用 Vision framework 讀取文件瞭解 Vision framework 的最新進展。我們將介紹 RecognizeDocumentsRequest，以及如何用它讀取文字行並組成段落、讀取表格等內容。我們也會深入探討相機鏡頭髒污偵測，以及如何在照片圖庫或你自己的相機擷取管線中辨識可能因鏡頭髒污而受影響的影像。
- 探索 App Intents 的最新進展探索今年各版本為 App Intents framework 帶來的所有新功能。瞭解延後屬性等改善開發體驗的功能、互動式 App Intent 摘要與實體顯示註解等新能力、如何整合 Visual Intelligence，以及更多內容。我們將帶你瞭解 App Intents 如何變得比以往更具表現力，同時也更容易順暢採用。我們也會分享今年 App Intents 的新用戶端，例如 Spotlight 與…
- 探索 Apple 平台上的機器學習與 AI 框架概覽 Apple 平台上機器學習與 AI 框架的最新更新。無論你是準備運用 Apple Intelligence 的應用程式開發者、正在為裝置端部署最佳化模型的機器學習工程師，或是探索 AI 可能性的愛好者，我們都會提供指引，協助你選擇符合需求的工具。
- 探索裝置端基礎模型的提示設計與安全性運用 Foundation Models 框架的優勢設計生成式 AI 體驗。學習為 Apple Intelligence 核心的裝置端大型語言模型設計提示，理解 AI 安全概念，並以具體策略打造安全、可靠且令人愉悅的功能。
- 深入探索 Writing ToolsWriting Tools 讓使用者能在 App 內校對、改寫及轉換文字。了解自訂進階技巧、格式選項與富文字編輯；若使用自訂文字引擎，也能整合完整體驗，直接在文字 view 編輯。
- 深入探討 Foundation Models framework進一步掌握 Foundation Models framework。瞭解引導式生成的內部運作方式，並使用指南、規則運算式與生成綱要取得自訂的結構化回應。我們會示範如何運用工具呼叫，讓模型自主存取外部資訊並執行動作，提供個人化體驗。若想充分掌握本影片內容，建議先觀看「認識 Foundation Models framework」。
- 結合 Metal 4 機器學習與圖形技術使用 Metal 4 tensor 資源與 ML encoder，在 GPU 時間軸上讓模型與算繪及運算工作並行；透過 shader ML 在 shader 內嵌神經網路，並以範例 App 示範新的除錯工具。
- 設計互動式摘要摘要是由 App Intents 呼叫的精簡顯示內容，用來呈現應用程式中的資訊。現在，摘要可加入按鈕與具狀態的資訊，作為 Intent 的一部分提供更多互動，讓應用程式為 Siri、Spotlight 與「捷徑」帶來更多功能。在本 Session 中，你將學習摘要設計的最佳做法，包括佈局、字體排印、互動與 Intent 類型的相關指引。
- 認識 App Intents從 intents、entities、queries 等核心概念開始認識 App Intents，了解如何將 App 整合至 Spotlight、捷徑與動作按鈕等軟硬體功能，以及日後接軌 Apple Intelligence。
- 認識 Foundation Models framework瞭解如何運用 Apple Intelligence 背後的裝置端大型語言模型。本概覽將涵蓋各項功能，從用於產生 Swift 資料結構的引導式生成、提供即時回應體驗的串流，到整合資料來源的工具呼叫，以及管理上下文的 Session。本 Session 不需要任何先備知識。
- 跟著寫程式：使用 Foundation Models 框架將裝置端 AI 帶入 App使用 Foundation Models 框架為 SwiftUI App 開發生成式 AI 功能。逐步學習基礎、以自建工具補充模型、串流結果，並進一步最佳化效能。
- 開始使用適用於 Apple silicon 的 MLXMLX 是一套彈性且高效率的陣列 framework，適用於 Apple silicon 上的數值運算與機器學習。我們將探索統一記憶體、延遲運算與函式轉換等基本功能，也會介紹如何使用 Swift 與 Python API，在 Apple 各平台上建立並加速機器學習模型的進階技巧。
WWDC 2024
21 場 Session- App Intents 新功能探索 App Intents 改進，將 App 功能提供給 Siri、Spotlight 與捷徑。使用 Transferable API、File Representations、IntentFile API 與 Spotlight Indexing 表達 entity，透過 URL Representable Entities 深入 App，並以新 API 處理錯誤與 union value。
- Create ML 新功能探索 Create ML 的互動式資料來源預覽、為 visionOS App 建立物件追蹤模型的新模板，以及時間序列預測與分類 API。
- DockKit 新功能了解 DockKit 智慧追蹤如何使用 ML 模型選取及追蹤主體，讓主體間的轉場更順暢，並在 App 中採用。
- 介紹 visionOS 企業 API使用新的 visionOS 企業 API，在 Apple Vision Pro 建立可提升員工與客戶生產力的空間體驗。
- 使用 App Intents 將 App 核心功能帶給使用者了解 App Intents 的 intent、entity 與 query，並把重要功能整合到 Siri、控制項、widget、Apple Pencil、捷徑和動作按鈕等系統介面，同時共用程式碼與核心功能。
- 使用 Core ML 在裝置端部署機器學習與 AI 模型透過 Core ML 轉換及執行模型時改善速度與記憶體效能。了解模型表示、效能洞察、執行和模型拼接選項，建立保護隱私的裝置端體驗。
- 使用 Core Spotlight 支援語意搜尋使用 Core Spotlight 提供語意搜尋結果，將 App 內容放入使用者裝置端的私密索引，讓使用者以自然語言搜尋，並透過排程索引活動改善效能。建議先閱讀 Apple Developer 網站的 Core Spotlight 文件。
- 使用 Metal 加速機器學習使用 Metal Performance Shaders Graph 新功能加速 transformer 模型，改善運算頻寬與品質，並在新的 MPSGraph viewer 中視覺化。
- 在 App 中使用 HDR 建立動態影像體驗讀寫並處理 HDR 影像，探索新的支援格式和進階顯示方式，並了解 HDR 內容與 UI 共存時的注意事項。
- 在 Apple GPU 訓練機器學習與 AI 模型使用 Metal for PyTorch、JAX 與 TensorFlow 在 Apple 晶片訓練模型，並以新的 attention operation 和量化支援改善 transformer 效能。
- 將 App 帶到 Siri使用 SiriKit 與 App Intents，讓 Siri 和 Apple Intelligence 使用 App 功能。了解可用 intent、App Intent domain、必要 metadata、以 Spotlight 搜尋 entity，以及整合 App 內搜尋。
- 將機器學習與 AI 模型帶到 Apple 晶片為 Apple 晶片最佳化機器學習和 AI 模型。了解裝置端部署的模型轉換流程、相容壓縮技術及適用階段，以及儲存空間、延遲、耗電與準確度的取捨。
- 建立良好的鎖定畫面相機擷取體驗使用 LockedCameraCapture API 將擷取 App 的重要資訊帶到鎖定畫面。了解 API、建立擷取 extension，以及裝置鎖定時的運作方式。
- 探索 Apple 平台的機器學習概覽 Apple 平台機器學習框架，無論初次實作 ML 模型或已有經驗，都可依 App 需求選擇合適框架。
- 探索 Vision framework 的 Swift 改進重新設計的 Vision Framework API 運用 Swift 並行等功能，更快整合各種 Vision 演算法。查看 API、範例與建議，以及影像美感和全身姿勢兩項新功能。
- 探索 visionOS 物件追蹤使用物件追蹤把現實物件化為 visionOS App 的虛擬錨點。了解完整流程，包括以 Create ML 機器學習建立參照物件，再透過 Reality Composer Pro、RealityKit 或 ARKit API 附加相對內容。
- 支援 CPU 即時 ML 推論使用 BNNSGraph 加速 CPU 上的機器學習模型。編譯並執行模型，為音訊或訊號處理提供不在執行期配置記憶體和單執行緒運作等即時保證。
- 為系統體驗設計 App IntentsApp Intents 驅動控制項、Spotlight 與 Siri 等系統體驗。判斷適合的功能、用參數增加彈性，讓使用者在 App 外執行動作，或在需要脈絡時導入 App。
- 認識 Translation API使用新的 Translation framework 在 App 中翻譯不同語言的文字。了解如何在系統 UI 快速顯示翻譯，以及為 App UI 批次翻譯大量文字。
- 讓各次拍攝的色彩保持一致認識 Constant Color API，協助使用者精確判定色彩。了解採用方式、科學與行銷用途，以及實作建議。
- 開始使用 Writing Tools了解 Writing Tools 如何在 App 中協助校對、改寫與轉換文字，如何擷取和處理文字，以及如何在自訂文字 view 中支援。