6 月 8 日我发了一个能搜本机内容的 AI 快捷指令，后来越想越不对劲——只能搜东西，算不上 Agent。

Agent 应该能调用工具、能多步推理、能根据上下文调整策略。所以我把之前的推倒重来，重新做了一个纯端侧运行的快捷指令 Agent。骨架和提示词系统已经搭好，剩下的就是把每个功能模块补完——这用不了多久。

技术方案上，底层模型用的是 Gemma 4 Mobile，这个模型很难让快捷指令崩溃的同时性能比肩其他4B模型，很适合端侧场景。核心思路是让模型输出严格的 JSON 来控制工具调度，所有逻辑通过提示词约束，不走云端，完全本地。

硬件方面，兼容配置是 iPhone 15 Pro 及以上机型，iPhone15以下也可以尝试，但可能不稳定

目前已经搭好了一个天气预报工具作为功能验证，证明 JSON 调度链路是通的。剩下的二十多个工具（本机搜索、地图导航、日程、OCR 视觉链、系统控制等等）结构都一样，接入就是体力活。

目前集成的能力

- 本机搜索：相册、消息、邮件、备忘录、提醒事项、联系人、录音

- 天气、位置、附近搜索

- 地图导航 + 行程时间预估

- 截图 与OCR

- 日程创建、记忆管理

- 打电话、发短信

- 音乐播放控制

- 联网搜索

为什么是 Agent？看几个使用场景

场景一：多工具串联

你说"明天下午去机场接人"——它会同时查天气、创建出发和到达两个日程、规划驾车路线并估算时间，最后汇总成一句话告诉你。不是东一个西一个地回复，而是当成一件事来处理。

场景二：看屏幕、看周围、看自己

你说"这是啥"——它不知道你指什么，会先截图OCR识别屏幕内容问你"是这个吗"；你说不是，它切后置摄像头拍周围再问你；你还说不是，它切前置拍你再问。三次尝试都失败才放弃，全程自动推进，不需要你教它每一步。

字数限制不列举更多场景

后续计划

所有功能完成后，考虑做一个开源版本，目标是把配置降到几乎零门槛——下载快捷指令、导入模型、跑起来，三步就能到手即用