老司机 iOS 周报，只为你呈现有价值的信息。你也可以为这个项目出一份力，如果发现有价值的信息、文章、工具等可以到 Issues 里提给我们，我们会尽快处理。记得写上推荐的理由哦。有建议和意见也欢迎到 Issues 提出。文章🐎 Why I'm Not Using Xcode 26's AI Chat Integration (And What Could Change My Mind)@阿权：文章者结合自身开发体验，分析了 Xcode 26 中 AI 集成的不足，并建议 Apple 补齐（作者也是恨铁不成钢啊！）：请求队列：AI 功能会阻塞输入，无法 “边等待边规划”，打断开发思路。上下文工程支持：不支持输入上下文文档，需反复解释编码规则，难以调教。构建验证能力：无法自行构建、读取错误日志，频繁依赖人工操作，打断开发节奏。Git 集成：无法搜索历史、对比版本、自动提交，无法利用代码历史辅助开发（如恢复旧代码、更新文档）。终端与 CLI 访问：无法通过终端运行自定义的 CLI 工具，简化多任务工作流。项目文件限制：无法打开多仓库文件夹，适配复杂项目结构的能力差。网页搜索与文档访问：无法获取最新 API / 提案信息，需手动查找，降低信息获取效率。作者认为 Xcode AI 目前更像个 “功能展示”（有但难用），而非真正的生产力工具，核心问题是未围绕 “ AI 驱动开发” 的工作流设计（如频繁的人工干预、缺少自动化能力）。为此，作者也是放弃了 Xcode 转向了 Cursor + Claude Code。🐎 Working with partially generated content in Xcode previews@DylanYang：iOS 26 有了新的 Foundation Models 框架支持开发者通过系统端侧的模型来生成一些数据，本文作者在此之上探索了如何让 Xcode Preview 功能和这些端生成的数据结构进行交互预览。预览 SwiftUI 的静态布局的话我们可以通过代码构造对应的数据结构来 mock 一个实现，此外也可以通过 json 的方式构造一个 GeneratedContent 作为端生成数据结构的初始化参数。如果需要验证流式输出对于 UI 布局的影响，则可以借助 AsyncThrowingStream 来模拟模型生成的场景。🐢 From GPT-2 to gpt-oss: Analyzing the Architectural Advances And How They Stack Up Against Qwen3@阿权：本文围绕 OpenAI 新发布的开放权重模型 gpt-oss（20B/120B）展开，对比了从 GPT-2 的架构演进，并与 Qwen3 的特性进行对比，最后总结其实用价值和局限。内容可概括为：从 GPT-2 到 gpt-oss 的架构演进：演进点旧设计（GPT-2）新设计（gpt-oss）收益正则化Dropout无 Dropout单轮训练场景无过拟合风险，提升效率位置编码绝对位置编码RoPE（旋转位置编码）支持更长上下文，减少参数激活函数GELU + 2 层前馈SwiGLU + 3 层门控前馈降低计算成本，增强表达能力前馈模块单前馈模块MoE（混合专家模型）平衡模型容量与推理效率注意力机制MHA（多头注意力）GQA（分组查询注意力）减少显存与计算开销长上下文优化无滑动窗口注意力（128 token）进一步降低长文本推理成本归一化层LayerNormRMSNorm简化计算，提升 GPU 训练效率推理控制无推理强度可调（低 / 中 / 高）平衡成本与准确率gpt-oss 与 Qwen3 模型差异较小，在一些特性上各有千秋：维度gpt-oss-20BQwen3 30B-A3B架构权衡更宽（嵌入维度 2880）、少量大型专家（32 个）更深（48 个 Transformer 块）、大量小型专家（128 个）长上下文处理滑动窗口（13.1 万 token），但设计了 Attention Bias、Attention Sinks纯 GQA 支持更长上下文（26.2 万 token）实用价值与局限：优势：MXFP4 优化适配单 GPU（20B 需 16GB 显存，120B 需 80GB 显存），推理强度可调，性能接近闭源模型；局限：幻觉率较高，无训练代码 / 数据集（仅开源权重与推理代码），未提供基础模型；未来潜力：随着工具集成成熟，可通过调用外部资源（如搜索引擎）弥补知识遗忘，进一步释放推理能力。总体而言，gpt-oss 的发布丰富了开源 LLM 生态，为需要本地部署、高推理能力的场景提供了新选择，也为研究 Transformer 架构演进提供了重要参考。注意：尽管 gpt-oss 名称中，oss 为 Open-source Software，但官方明确它只是开放权重（Open-weight）模型，仅提供模型权重与推理代码，而非完全开源。🐕 GPT-5 Thinking System Prompts Leak@Barney：这份提示词让我们看到 GPT-5 Thinking 模型的内部运作机制。核心内容包括：•知识边界：模型知识截止 2024 年 6 月，当前时间设定为 2025 年 8 月，具备 Web 搜索、Python 分析、图像生成等多种工具集成能力•交互规范：采用三通道架构（analysis、commentary、final），支持富文本 UI 组件（图片轮播、产品卡片、图表），强制要求立即完成任务不可推诿•安全机制：严格的事实核查要求（需引用来源），时效性信息强制网络验证，设有 1-10 级详细度控制参数为理解大语言模型的提示工程和安全设计提供了珍贵的第一手资料，对 AI 应用开发者极具参考价值。🐕 Corner concentricity in SwiftUI on iOS 26@AidenRao：iOS 26 的同心圆角（Corner Concentricity）是苹果在 WWDC 2025 上强调的一项重要设计理念和视觉特性。同心圆角的核心思想是让嵌套的 UI 元素具有和谐一致的圆角，即使它们的大小或层级不同，其圆角的视觉“圆心”也尽可能保持一致，从而营造出统一、精致且富有纵深感的界面效果。SwiftUI 引入了 ConcentricRectangle 这个新的 API，帮助开发者更高效地在复杂布局中实现完美的同心圆角效果，让界面设计更加统一与精致。🐕 MNN LLM Chat iOS 流式输出优化实践@JonyFang: 本文针对 iOS 应用中部署大语言模型（LLM）时出现的文字流式输出卡顿问题，提出了一套高效的三层优化方案：通过智能流缓冲解决模型输出与 UI 更新的频率不匹配，利用 UI 更新批处理与节流降低主线程压力，并借助打字机动画渲染增强视觉流畅性。这一方案提升了本地 LLM 应用的交互体验，适合开发高性能 AI 聊天应用的团队参考实践。其开源实现：MNN GitHub 项目 - https://github.com/alibaba/MNN。内推重新开始更新「iOS 靠谱内推专题」，整理了最近明确在招人的岗位，供大家参考具体信息请移步：https://www.yuque.com/iosalliance/article/bhutav 进行查看（如有招聘需求请联系 iTDriverr）关注我们我们是「老司机技术周报」，一个持续追求精品 iOS 内容的技术公众号，欢迎关注。关注有礼，关注【老司机技术周报】，回复「2024」，领取 2024 及往年内参同时也支持了 RSS 订阅：https://github.com/SwiftOldDriver/iOS-Weekly/releases.atom 。说明🚧 表示需某工具，🌟 表示编辑推荐预计阅读时间：🐎 很快就能读完（1 - 10 mins）；🐕 中等 （10 - 20 mins）；🐢 慢（20+ mins）