```

feat(iOS): 更新MNN后端模型配置优化性能

将MNN主模型从Qwen3.5-4B(~2.64GiB)降级为Qwen3.5-2B(~1.1GiB)，因为4B版本
实测运行过慢，影响用户体验。iPhone17+/SME2设备使用2B模型，保留MLX
兜底方案用于模拟器和备用场景，确保AI推理性能和存储效率的平衡。
```

康康/AI/AIRuntime.swift

@@ -33,11 +33,11 @@ actor AIRuntime {
     private var vlSession: VLSession?
 
     // MARK: - MNN 后端(CPU/SME2,挑战赛考核路径)
-    // .mnn 引擎下,文本生成与 VL(图→文)由同一个 Qwen3.5-4B 多模态 MNN 模型全包(已实测)。
+    // .mnn 引擎下,文本生成与 VL(图→文)由同一个 Qwen3.5-2B 多模态 MNN 模型全包(已实测)。
     // 模拟器无 MNN,VL 回退 MLX 的 Qwen3-VL-4B。
     private let mnn = MNNBackend()
     private(set) var mnnStatus: Status = .notReady
-    /// MNN 模型目录(下载/旁路导入到 Models/Qwen3.5-4B-MNN)。
+    /// MNN 模型目录(下载/旁路导入到 Models/Qwen3.5-2B-MNN)。
     nonisolated static var mnnModelFolder: URL {
         ModelStore.shared.localURL(for: .mnnLLM)
     }
@@ -266,7 +266,7 @@ actor AIRuntime {
         }
         if vlStatus == .ready { return }
 
-        // MLX VL 改用 .llm 的 Qwen3.5-4B 多模态(VLMModelFactory 走 qwen3_5 视觉路径),
+        // MLX VL 改用 .llm 的 Qwen3.5-2B 多模态(VLMModelFactory 走 qwen3_5 视觉路径),
         // 不再单独需要 Qwen3-VL-4B。用 isComplete 排除半下载,与下载服务判据一致。
         guard ModelStore.shared.isComplete(for: .llm) else {
             vlStatus = .error("VL 模型未就绪")
@@ -274,7 +274,7 @@ actor AIRuntime {
         }
 
         // 进闸门:等所有在跑的推理(可能是 LLM 文本流)结束,再卸 LLM + 载 VL。
-        // —— 这正是「异常项快拍识别时 App 自动退出」的主因防护。
+        // —— 这正是「指标速记识别时 App 自动退出」的主因防护。
         await acquireGate()
         defer { releaseGate() }
         if vlStatus == .ready { return }

康康/AI/InferenceEngine.swift

@@ -26,16 +26,52 @@ nonisolated enum InferenceEngine: String, CaseIterable, Sendable {
 
     private static let key = "kk.inferenceEngine"
 
-    /// 当前选择。无效/不可用时回退到 .mlx(保证总有可用引擎)。真机默认 .mnn。
+    /// 由偏好(可能是 .auto)解析出的、本次调用实际使用的具体引擎。
+    /// AIRuntime / MeView 等消费方只看这个,永远拿到 .mnn 或 .mlx。
+    /// 解析后仍做一次可用性兜底,保证总有可用引擎。
     static var current: InferenceEngine {
-        get {
-            let raw = UserDefaults.standard.string(forKey: key)
-            let chosen = raw.flatMap(InferenceEngine.init(rawValue:)) ?? .mnn
-            return chosen.isAvailable ? chosen : .mlx
-        }
-        set { UserDefaults.standard.set(newValue.rawValue, forKey: key) }
+        let resolved = preference.resolved
+        return resolved.isAvailable ? resolved : .mlx
     }
 
     /// 运行时探测:CPU 是否支持 SME2(A19/iPhone17+)。用于 UI 展示加速状态。
     static var cpuSupportsSME2: Bool { MNNLLMBridge.cpuSupportsSME2() }
+
+    // MARK: - 用户偏好(auto / mnn / mlx)
+
+    /// 用户在设置页的选择。默认 .auto:按本机配置自动择优。
+    /// 与具体引擎共用同一 UserDefaults key——历史写入的 "mnn"/"mlx" 仍兼容。
+    static var preference: EnginePreference {
+        get {
+            let raw = UserDefaults.standard.string(forKey: key)
+            return raw.flatMap(EnginePreference.init(rawValue:)) ?? .auto
+        }
+        set { UserDefaults.standard.set(newValue.rawValue, forKey: key) }
+    }
+}
+
+/// 推理引擎的「用户偏好」,比具体引擎多一个 .auto。
+/// - auto:按本机配置自动选——真机优先 MNN(考核路径,含 SME2/NEON),
+///         MNN 不可用(模拟器)时回退 MLX。
+nonisolated enum EnginePreference: String, CaseIterable, Sendable {
+    case auto
+    case mnn
+    case mlx
+
+    var displayName: String {
+        switch self {
+        case .auto: return "自动"
+        case .mnn:  return InferenceEngine.mnn.displayName
+        case .mlx:  return InferenceEngine.mlx.displayName
+        }
+    }
+
+    /// 把偏好解析成具体引擎(不做可用性兜底,那一步留给 `InferenceEngine.current`)。
+    var resolved: InferenceEngine {
+        switch self {
+        case .mnn:  return .mnn
+        case .mlx:  return .mlx
+        case .auto: return InferenceEngine.mnn.isAvailable ? .mnn : .mlx
+        }
+    }
 }

康康/AI/LLMSession.swift

@@ -45,10 +45,16 @@ actor LLMSession {
             let task = Task {
                 do {
                     try await Self.withDeviceOverride {
+                        // 低温:本 App 文本任务多为"直答/JSON 抽取",高温随机性会经常吐成非 JSON。
+                        // 0.3 + topP 0.85 让输出更确定、JSON 更稳(与 MNN set_config 降温对齐)。
+                        // repetitionPenalty:低温 + 无惩罚时,长文本(如「关键指标」列表)会逐行复读
+                        // 进入死循环;1.1 的重复惩罚 + 64 token 上下文窗口掐断复读(与 MNN penalty 对齐)。
                         let parameters = GenerateParameters(
                             maxTokens: maxTokens,
-                            temperature: Float(0.6),
-                            topP: Float(0.9)
+                            temperature: Float(0.3),
+                            topP: Float(0.85),
+                            repetitionPenalty: Float(1.1),
+                            repetitionContextSize: 64
                         )
 
                         try await container.perform { (context: ModelContext) in

康康/AI/MNN/MNNLLMBridge.mm

@@ -127,6 +127,22 @@ private:
     _cancel = false;
     _llm = Llm::createLLM(std::string(configPath.UTF8String));
     if (_llm == nullptr) return nil;
+    // load 前以 merge-patch 调三件事(只翻这几个叶子,保留 chat_template 等其余配置):
+    // ① enable_thinking=false:config.json 默认 true,模板会给每个 assistant 回合硬塞
+    //    <think>\n 开启思考,吞掉 token 预算并污染 JSON(prompt 里的 /no_think 对此模板无效)。
+    // ② 降温:config.json 默认 temperature=1.0 对结构化 JSON 太高,随机性大→经常吐成非 JSON。
+    //    本 App 所有任务都是"直答/JSON",压到 0.3 + topP 0.85 让输出更确定、JSON 更稳。
+    // ③ 重复惩罚:MNN 默认 mixed_samplers 不含 "penalty"、penalty/ngram_factor=1.0(全关),
+    //    叠加低温 → 长文本(如「关键指标」列表)会陷入逐行复读死循环(收缩压 107 mmHg ×N)。
+    //    显式把 "penalty" 放进 mixed 链首,开 repetition penalty(1.1)+ n-gram 惩罚(ngram_factor 1.05):
+    //    n-gram 命中整段重复时惩罚升到 max_penalty,直接掐断逐行复读。
+    _llm->set_config("{"
+                     "\"jinja\":{\"context\":{\"enable_thinking\":false}},"
+                     "\"sampler_type\":\"mixed\","
+                     "\"mixed_samplers\":[\"penalty\",\"topK\",\"topP\",\"temperature\"],"
+                     "\"temperature\":0.3,\"topP\":0.85,\"topK\":40,"
+                     "\"penalty\":1.1,\"n_gram\":8,\"ngram_factor\":1.05"
+                     "}");
     _loaded = _llm->load();
     if (!_loaded) { Llm::destroy(_llm); _llm = nullptr; return nil; }
     return self;

康康/AI/MNNBackend.swift

@@ -3,7 +3,7 @@ import Foundation
 /// MNN(CPU / SME2)推理后端,封装 `MNNLLMBridge` 的文本流式生成。
 /// 与 `LLMSession`/`VLSession` 同款 actor 隔离;跨调用的串行化由上游 `AIRuntime` 闸门保证。
 ///
-/// 文本与视觉(图→文)由同一个 Qwen3.5-4B 多模态 MNN 模型承担:`generate` 走文本,
+/// 文本与视觉(图→文)由同一个 Qwen3.5-2B 多模态 MNN 模型承担:`generate` 走文本,
 /// `analyze` 把图片拼成 <img> 标签交给 Omni 内核 imread 解码(需 OMNI 构建,xcframework 已含)。
 /// 已实测可用,真机走此单模型全包路径;模拟器无 MNN,VL 仍回退 MLX(见 `AIRuntime`)。
 actor MNNBackend {

康康/AI/ModelManifest.swift

@@ -18,18 +18,20 @@ nonisolated enum ModelManifest {
     static func files(for kind: ModelKind) -> [ModelFile] {
         switch kind {
         case .llm:
-            // Qwen3.5-4B-4bit:多模态仓库,MLX 兜底用它同时做文本(LLMModelFactory qwen3_5 文本路径)
-            // 与视觉(VLMModelFactory qwen3_5)。字节数取自 mlx-community/Qwen3.5-4B-4bit
-            // 仓库实际 blob 大小(HF API,2026-06 核对)。镜像全部运行文件(含视觉预处理配置),
-            // 排除 README.md / .gitattributes。
+            // Qwen3.5-2B-4bit:多模态仓库,但走 LLMModelFactory 的 qwen3_5 文本路径加载。
+            // 字节数取自 mlx-community/Qwen3.5-2B-4bit 仓库实际 blob 大小(HF API,2026-06 核对)。
+            // 该仓库 tokenizer 体系为 vocab.json + tokenizer.json(无 merges.txt /
+            // special_tokens_map.json / added_tokens.json),chat_template 改为 .jinja。
+            // 一并镜像视觉预处理配置(preprocessor / processor / video_preprocessor),
+            // 文本加载用不到但体积可忽略,保持与仓库一致避免漏文件。
             return [
-                ModelFile(path: "config.json", bytes: 3_366),
-                ModelFile(path: "model.safetensors", bytes: 3_034_300_695),
-                ModelFile(path: "model.safetensors.index.json", bytes: 101_944),
+                ModelFile(path: "config.json", bytes: 3_113),
+                ModelFile(path: "model.safetensors", bytes: 1_722_271_785),
+                ModelFile(path: "model.safetensors.index.json", bytes: 81_722),
                 ModelFile(path: "tokenizer.json", bytes: 19_989_343),
                 ModelFile(path: "tokenizer_config.json", bytes: 1_139),
                 ModelFile(path: "vocab.json", bytes: 6_722_759),
-                ModelFile(path: "chat_template.jinja", bytes: 7_756),
+                ModelFile(path: "chat_template.jinja", bytes: 7_755),
                 ModelFile(path: "preprocessor_config.json", bytes: 390),
                 ModelFile(path: "processor_config.json", bytes: 1_300),
                 ModelFile(path: "video_preprocessor_config.json", bytes: 385),
@@ -58,18 +60,17 @@ nonisolated enum ModelManifest {
                 ModelFile(path: "video_preprocessor_config.json", bytes: 817),
             ]
         case .mnnLLM:
-            // taobao-mnn/Qwen3.5-4B-MNN 预转换 MNN 格式(HF API 实测,2026-06)。
+            // taobao-mnn/Qwen3.5-2B-MNN 预转换 MNN 格式(HF API 实测,2026-06)。
             // 运行时必需:config.json(MNN llm 配置)+ llm_config.json(超参)+ llm.mnn(图)
-            // + llm.mnn.weight(量化权重 ~2.45GB)+ tokenizer.txt + visual.mnn/visual.mnn.weight(多模态,
-            // 文本路径不用但配置含 mllm,带上避免缺文件)。排除 README/.gitattributes 与可读 dump。
+            // + llm.mnn.weight(量化权重 ~1.1GB)+ tokenizer.txt + visual.mnn(多模态,文本路径不用但配置含 mllm)。
+            // 排除 README/.gitattributes 与可读 dump(llm.mnn.json / export_args.json)。
             return [
                 ModelFile(path: "config.json", bytes: 652),
-                ModelFile(path: "llm_config.json", bytes: 8_693),
-                ModelFile(path: "llm.mnn", bytes: 3_651_096),
-                ModelFile(path: "llm.mnn.weight", bytes: 2_629_387_626),
+                ModelFile(path: "llm_config.json", bytes: 8_692),
+                ModelFile(path: "llm.mnn", bytes: 2_148_136),
+                ModelFile(path: "llm.mnn.weight", bytes: 1_176_647_702),
                 ModelFile(path: "tokenizer.txt", bytes: 6_465_727),
                 ModelFile(path: "visual.mnn", bytes: 488_096),
-                ModelFile(path: "visual.mnn.weight", bytes: 196_768_960),
             ]
         }
     }

康康/AI/ModelStore.swift

@@ -2,19 +2,19 @@ import Foundation
 
 nonisolated enum ModelKind: String, CaseIterable {
     /// 也是沙盒 Models/ 下的子目录名 / CDN 路径段。
-    /// 同一个 Qwen3.5-4B,两种格式两种引擎:
-    /// - mnnLLM:MNN(CPU/SME2,考核路径)文本+视觉一肩挑,taobao-mnn 预转换。真机主用,只露它。
-    /// - llm:MLX(GPU)兜底,Qwen3.5-4B-4bit 多模态(同时兜底文本与视觉,走 qwen3_5)。
+    /// 同一个 Qwen3.5-2B,两种格式两种引擎:
+    /// - mnnLLM:MNN(CPU/SME2,考核路径)文本+视觉一肩挑,taobao-mnn 预转换。iPhone17+(A19/SME2)主用,只露它。
+    /// - llm:MLX(GPU)兜底,Qwen3.5-2B-4bit 多模态(同时兜底文本与视觉,走 qwen3_5)。
     /// - vl:已废弃(MLX VL 改走 .llm 多模态),保留枚举避免动一圈穷举 switch,不再下载/展示。
-    case llm    = "Qwen3.5-4B-4bit"
+    case llm    = "Qwen3.5-2B-4bit"
     case vl     = "Qwen3-VL-4B-Instruct-4bit"
-    case mnnLLM = "Qwen3.5-4B-MNN"
+    case mnnLLM = "Qwen3.5-2B-MNN"
 
     var displayName: String {
         switch self {
-        case .llm:    return "Qwen3.5-4B (MLX)"
+        case .llm:    return "Qwen3.5-2B (MLX)"
         case .vl:     return "Qwen3-VL-4B"
-        case .mnnLLM: return "Qwen3.5-4B (MNN/SME2)"
+        case .mnnLLM: return "Qwen3.5-2B (MNN/SME2)"
         }
     }
 
@@ -25,7 +25,7 @@ nonisolated enum ModelKind: String, CaseIterable {
     var sentinelFilename: String { "config.json" }
 
     /// 面向用户的模型集合:模型管理页 / 下载全部 / 就绪计数对外只暴露统一的
-    /// Qwen3.5-4B(MNN,文本+视觉全包,真机走它)。
+    /// Qwen3.5-2B(MNN,文本+视觉全包,iPhone17+ 走它)。
     /// MLX 的 .llm/.vl 仅作模拟器与兜底路径,保留枚举与下载能力(旁路导入仍可单独导),
     /// 但不在「我的 · 模型管理」展示,也不计入「下载全部」与就绪计数。
     static let userFacing: [ModelKind] = [.mnnLLM]

康康/AI/Prompts/VLPrompts.swift

@@ -88,9 +88,9 @@ JSON schema(严格):
 现在请识别图片并输出 JSON:
 """#
 
-    // MARK: - 局部小框识别(异常项快拍)
+    // MARK: - 局部小框识别(指标速记)
 
-    /// 异常项快拍专用:输入是报告/化验单的**局部照片**(常常只有一两行指标)。
+    /// 指标速记专用:输入是报告/化验单的**局部照片**(常常只有一两行指标)。
     /// 只要 indicators 数组,不要报告标题/机构/日期等元信息 —— 这条路径只存数值,不建 Report。
     static func regionExtraction(today: Date = .now) -> String {
         let f = DateFormatter()