feat: 国际化(i18n) en/ja/ko + App 内语言切换

主体:多语言支持(简体中文源 + 英/日/韩)
- 基础设施:Localizable.xcstrings(String Catalog,sourceLanguage=zh-Hans)
  + pbxproj developmentRegion/knownRegions 注册 en/ja/ko
- 全部硬编码 Locale("zh_CN") → Locale.current;中文 dateFormat → Date.FormatStyle(跟随系统)
- UI 中文字面量统一为 String(appLoc:)(显式绑定所选语言 bundle+locale,即时切换)
  Text 字面量走环境 \.locale + Bundle 重定向
- 549 个 catalog key 全部 en/ja/ko 翻译完成(0 未翻译)
- App 内语言切换:我的 → 语言(LanguageManager + 即时生效,无需重启)
- 双用预设(症状/监测指标/慢病)本地化:static→computed 避免缓存

注:本提交为 WIP,一并打包了并行进行的功能模块
(HealthExport 健康导出、Security/Face ID 锁、DiaryAssist 日记 AI 辅助)
及 App 图标、CLAUDE.md、docs/scripts。

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

康康/AI/AIRuntime.swift

@@ -7,9 +7,9 @@ enum AIRuntimeError: Error, LocalizedError {
 
     var errorDescription: String? {
         switch self {
-        case .notReady:                  return "AI 模型尚未准备好"
-        case .modelLoadFailed(let m):    return "模型加载失败:\(m)"
-        case .inferenceFailed(let m):    return "推理失败:\(m)"
+        case .notReady:                  return String(appLoc: "AI 模型尚未准备好")
+        case .modelLoadFailed(let m):    return String(appLoc: "模型加载失败:\(m)")
+        case .inferenceFailed(let m):    return String(appLoc: "推理失败:\(m)")
         }
     }
 }

康康/AI/FileDownloader.swift

@@ -7,9 +7,9 @@ enum DownloadError: Error, LocalizedError {
     var errorDescription: String? {
         switch self {
         case .badStatus(let code):
-            return "下载失败(HTTP \(code))"
+            return String(appLoc: "下载失败(HTTP \(code))")
         case .sizeMismatch(let expected, let got):
-            return "文件大小校验失败(预期 \(expected),实际 \(got))"
+            return String(appLoc: "文件大小校验失败(预期 \(expected),实际 \(got))")
         }
     }
 }

康康/AI/ModelManifest.swift

@@ -30,18 +30,27 @@ enum ModelManifest {
                 ModelFile(path: "added_tokens.json", bytes: 707),
             ]
         case .vl:
+            // Qwen3-VL-4B-Instruct-4bit:字节数取自 mlx-community 仓库实际 blob 大小
+            // (HF API blobs=true,2026-05 核对),用于总进度计算与下载后大小校验。
+            // 策略:完整镜像仓库的全部运行文件(仅排除 README.md / .gitattributes),
+            // 与标准 mlx-vlm 加载环境保持一致,避免漏文件导致 VLMModelFactory 加载失败。
+            // 同时带两份 chat_template(.json 旧约定 + .jinja 新约定)与 video 预处理配置,
+            // 以兼容不同版本 swift-transformers / Qwen3VLProcessor 的读取路径。
             return [
-                ModelFile(path: "config.json", bytes: 1_659),
-                ModelFile(path: "model.safetensors", bytes: 3_073_720_461),
-                ModelFile(path: "model.safetensors.index.json", bytes: 108_307),
-                ModelFile(path: "tokenizer.json", bytes: 11_421_896),
-                ModelFile(path: "tokenizer_config.json", bytes: 7_256),
+                ModelFile(path: "config.json", bytes: 7_137),
+                ModelFile(path: "model.safetensors", bytes: 3_093_767_283),
+                ModelFile(path: "model.safetensors.index.json", bytes: 64_742),
+                ModelFile(path: "tokenizer.json", bytes: 11_422_654),
+                ModelFile(path: "tokenizer_config.json", bytes: 5_445),
                 ModelFile(path: "vocab.json", bytes: 2_776_833),
                 ModelFile(path: "merges.txt", bytes: 1_671_853),
                 ModelFile(path: "special_tokens_map.json", bytes: 613),
-                ModelFile(path: "added_tokens.json", bytes: 605),
-                ModelFile(path: "chat_template.json", bytes: 1_050),
-                ModelFile(path: "preprocessor_config.json", bytes: 350),
+                ModelFile(path: "added_tokens.json", bytes: 707),
+                ModelFile(path: "generation_config.json", bytes: 269),
+                ModelFile(path: "chat_template.json", bytes: 5_502),
+                ModelFile(path: "chat_template.jinja", bytes: 5_292),
+                ModelFile(path: "preprocessor_config.json", bytes: 782),
+                ModelFile(path: "video_preprocessor_config.json", bytes: 817),
             ]
         }
     }

康康/AI/ModelStore.swift

@@ -3,12 +3,12 @@ import Foundation
 nonisolated enum ModelKind: String, CaseIterable {
     /// 与 HuggingFace mlx-community 仓库名一一对应,也是沙盒 Models/ 下的子目录名。
     case llm = "Qwen3-1.7B-4bit"
-    case vl  = "Qwen2.5-VL-3B-Instruct-4bit"
+    case vl  = "Qwen3-VL-4B-Instruct-4bit"
 
     var displayName: String {
         switch self {
         case .llm: return "Qwen3-1.7B"
-        case .vl:  return "Qwen2.5-VL-3B"
+        case .vl:  return "Qwen3-VL-4B"
         }
     }
 
@@ -132,7 +132,7 @@ enum ModelStoreError: Error, LocalizedError {
     var errorDescription: String? {
         switch self {
         case .missingConfig:
-            return "所选文件夹缺少 config.json,不是有效的模型目录"
+            return String(appLoc: "所选文件夹缺少 config.json,不是有效的模型目录")
         }
     }
 }

康康/AI/Prompts/DiaryAssistPrompts.swift

@@ -0,0 +1,76 @@
+import Foundation
+
+/// 「健康记录」写入时,让 LLM 从医生问诊角度提 3-4 个追问。
+/// 输出严格 JSON,每个 question 带 dim(问诊维度)+ q(展示)+ fill(可一键追加的模板)。
+///
+/// 为什么要 `dim`(对齐 2026-05-30 prompt 优化):
+/// 1.7B 模型对「不要重复」这类否定指令遵循很差,且先验会把每轮问题都拉向同一簇症状。
+/// 改成「从固定维度清单里挑,每条标注 dim,跨轮排除已覆盖维度」这种正向结构约束后,
+/// 去重从「字面比对」升级为「按维度结构去重」,轮内扎堆和轮间换皮重复都能压住。
+enum DiaryAssistPrompts {
+
+    /// 固定问诊维度清单。模型每条问题必须正好归属其中一个;UI 累积已覆盖维度回传下一轮。
+    /// 顺序即展示/示例顺序,改动需同步 few-shot。
+    static let dimensions: [String] = [
+        "起病诱因", "症状性质", "伴随症状", "加重缓解",
+        "持续频率", "既往家族史", "用药过敏", "生活方式",
+    ]
+
+    /// - content: 患者当前全文。
+    /// - coveredDimensions: 之前各轮已经问过(或记录里已写明)的维度名,本轮必须避开。
+    ///   第一轮传空数组。
+    static func suggest(content: String, coveredDimensions: [String] = []) -> String {
+        let covered = coveredDimensions.filter { !$0.isEmpty }
+        let coveredLine = covered.isEmpty ? "无" : covered.joined(separator: "、")
+        let excludeRule = covered.isEmpty
+            ? ""
+            : "\n- 本轮【严禁】选择这些已覆盖维度:\(covered.joined(separator: "、"));只能从其余维度里挑。"
+
+        return """
+        你是社区医生的小助手。患者写了一段身体状态的健康记录,信息可能不够完整。
+        请从医生问诊角度提出 3-4 个最值得追问的问题,帮患者把这条记录补全。
+
+        【问诊维度清单】每个问题必须正好归属其中一个,并用 dim 标注:
+        1. 起病诱因 —— 何时开始、有无诱因
+        2. 症状性质 —— 部位、性质、程度
+        3. 伴随症状 —— 是否伴随其他不适
+        4. 加重缓解 —— 什么情况下加重或缓解
+        5. 持续频率 —— 持续多久、多频繁、是否反复发作
+        6. 既往家族史 —— 以前是否有类似、家族相关史
+        7. 用药过敏 —— 在服药物、过敏史
+        8. 生活方式 —— 睡眠、饮食、运动习惯、压力
+
+        硬性规则:
+        - 本轮每个问题必须来自【不同】维度,严禁两条落在同一维度(例如不能两条都问"伴随症状")。\(excludeRule)
+        - 只问【最新记录】里还没写明的事。方括号 `[xxx]` 表示该话题已被提出、只是细节待填,【不要】再作为新问题重复它。
+        - 不给诊断、不给用药建议、不写「建议就医」。
+        - q ≤ 20 字,像真人医生在问;fill 是采纳后追加到原文的中文补充句,可含方括号占位符如 [时间] [部位]。
+        - 至少 3 条,最多 4 条。
+
+        只输出严格 JSON,不要解释、不要 markdown 围栏、不要 <think> 标签。结构:
+        {"questions":[{"dim":"<清单里的一个维度名>","q":"<问题>","fill":"<补充句模板>"}]}
+
+        示例 1(第一轮,记录:头痛了一上午):
+        {"questions":[
+          {"dim":"起病诱因","q":"具体什么时候开始的?","fill":"症状从 [时间] 开始,"},
+          {"dim":"症状性质","q":"是哪种性质的头痛?","fill":"部位/性质是 [部位/胀痛/刺痛],"},
+          {"dim":"伴随症状","q":"还伴有其他不适吗?","fill":"还伴有 [症状],"},
+          {"dim":"生活方式","q":"最近睡眠和压力怎么样?","fill":"近期睡眠 [小时]、压力 [情况],"}
+        ]}
+
+        示例 2(后续轮,已覆盖维度:起病诱因、症状性质、伴随症状):
+        {"questions":[
+          {"dim":"加重缓解","q":"做什么会加重或缓解?","fill":"[活动/休息] 时会 [加重/缓解],"},
+          {"dim":"持续频率","q":"这种情况反复或持续多久了?","fill":"已持续/反复 [时长/频率],"},
+          {"dim":"既往家族史","q":"以前有过类似情况吗?","fill":"既往类似 [有/无,频率],"}
+        ]}
+
+        现在输出 JSON。
+        已覆盖维度(必须避开):\(coveredLine)
+        【最新记录】:
+        \(content)
+
+        Output: /no_think
+        """
+    }
+}

康康/AI/Prompts/HealthExportPrompts.swift

@@ -0,0 +1,91 @@
+import Foundation
+
+/// 「导出身体档案」用到的两个 LLM prompt:
+/// 1. `intentExtraction` —— 抽取时间窗 + 指标/症状关键词,只输出 JSON
+/// 2. `reportGeneration` —— 拼真实数据后生成给医生看的 Markdown
+///
+/// 解析逻辑见 `HealthExportService`(§3.2 失败回退红线:
+/// 抽不出 JSON → 用 30 天 + 空关键词兜底,流程不中断)。
+enum HealthExportPrompts {
+
+    // MARK: - 意图抽取
+
+    /// `intentExtraction(userPrompt:)` 把用户原话拼到模板末尾。
+    /// 期望输出形如:
+    /// ```json
+    /// {"time_range_days":30,
+    ///  "keywords":["体温","血压"],
+    ///  "symptom_keywords":["感冒","咳嗽"],
+    ///  "intent":"cold_consult",
+    ///  "intent_label_cn":"感冒就诊"}
+    /// ```
+    static func intentExtraction(userPrompt: String) -> String {
+        """
+        你是健康数据助手。读用户的请求,只输出严格 JSON,不要解释、不要 markdown 围栏、不要任何前后缀文字。
+
+        字段说明(全部必填):
+        {
+          "time_range_days": int,         // 回溯天数,默认 30,最大 365
+          "keywords": [string],            // 指标关键词(中文,如「血压」「血糖」「体温」「肝功」),无则 []
+          "symptom_keywords": [string],    // 症状关键词,无则 []
+          "intent": string,                // 英文 snake_case 标签,如 "cold_consult"
+          "intent_label_cn": string        // 中文短语,会作为报告标题副题,如 "感冒就诊"
+        }
+
+        规则:
+        - 时间未指定 → 30
+        - 「最近一个月」→ 30,「最近三个月」→ 90,「最近半年」→ 180
+        - 关键词要中文,常见健康指标 / 症状词
+        - intent 简短,4-25 字符,小写下划线
+
+        示例 1:
+        User: 我感冒3天了,要把最近一个月的健康情况给医生看
+        Output: {"time_range_days":30,"keywords":["体温","血压","脉搏"],"symptom_keywords":["感冒","咳嗽","咽喉痛","发烧"],"intent":"cold_consult","intent_label_cn":"感冒就诊"}
+
+        示例 2:
+        User: 我最近血糖好像不稳,把上次体检前后的化验单整理一下
+        Output: {"time_range_days":90,"keywords":["血糖","糖化血红蛋白","胰岛素"],"symptom_keywords":[],"intent":"glucose_review","intent_label_cn":"血糖复查"}
+
+        现在请输出 JSON:
+        User: \(userPrompt)
+        Output: /no_think
+        """
+    }
+
+    // MARK: - 报告生成
+
+    /// `reportGeneration(userPrompt:intentLabelCN:dataJSON:)` 拼好后流式生成 Markdown。
+    static func reportGeneration(userPrompt: String,
+                                 intentLabelCN: String,
+                                 dataJSON: String) -> String {
+        let labelLine = intentLabelCN.isEmpty
+            ? "# 就诊摘要"
+            : "# 就诊摘要 — \(intentLabelCN)"
+        return """
+        你正在帮患者撰写一份给社区医生看的就诊摘要。要求:
+        - 严格输出 Markdown,标题用 # / ##,不要 markdown 围栏
+        - 只用「数据」中给出的信息,数据缺失就写「无记录」
+        - 不要给诊断意见、用药建议或「建议就医」之类的话
+        - 引用数值时保留单位 + 参考范围,异常项前加 ⚠️
+        - 全文中文,简洁,医生 30 秒内能扫完
+        - 不要复述「数据」二字,不要输出 JSON
+
+        结构(严格按以下 6 段):
+        \(labelLine)
+        ## 主诉
+        ## 患者背景
+        ## 近期症状(按时间倒序)
+        ## 关键指标(异常项优先)
+        ## 在服药与过敏
+        ## 患者疑问
+
+        数据:
+        \(dataJSON)
+
+        患者原话:\(userPrompt)
+
+        现在请生成 Markdown(直接输出,不要思考过程,不要 <think> 标签):
+        /no_think
+        """
+    }
+}

康康/AI/Prompts/VLPrompts.swift

@@ -1,6 +1,6 @@
 import Foundation
 
-/// VL 模型(Qwen2.5-VL)用于体检 / 化验单识别的 prompt 模板。
+/// VL 模型(Qwen3-VL)用于体检 / 化验单识别的 prompt 模板。
 /// 输出契约:严格 JSON,无任何解释文字、markdown 围栏或前后缀。
 /// 解析失败 → CaptureService 回退到手动录入(§3.2 失败回退红线)。
 enum VLPrompts {
@@ -27,9 +27,21 @@ enum VLPrompts {
     /// ```
     /// `kind` 字段省略 —— UI 由 indicators 数量决定走 A2(单项)或 B3(多项)。
 
-    static let reportExtraction: String = #"""
+    /// VL 模型不知"今天"是哪天,且 few-shot 示例里写死了日期,
+    /// 必须把当天日期显式注入 prompt,模型在无报告日期时才会用对正确的回退值。
+    static func reportExtraction(today: Date = .now) -> String {
+        let f = DateFormatter()
+        f.locale = Locale(identifier: "en_US_POSIX")
+        f.dateFormat = "yyyy-MM-dd"
+        let todayStr = f.string(from: today)
+        return reportExtractionTemplate.replacingOccurrences(of: "{{TODAY}}", with: todayStr)
+    }
+
+    private static let reportExtractionTemplate: String = #"""
 你是一个医学体检报告识别助手。请只输出一段合法 JSON,不要解释、不要 markdown 围栏、不要任何前后缀文字。
 
+今天的日期是 {{TODAY}}。
+
 JSON schema(严格):
 {
   "title": string,
@@ -52,7 +64,8 @@ JSON schema(严格):
 规则:
 - status 根据 value 与 range 自己判断:value > range 上限 → "high",< 下限 → "low",否则 → "normal"。
 - range 字段保留原文(如 "< 3.40"、"3.9 - 6.1"、"0 - 5"),不要解析成区间对象。
-- 无法识别的字段填空字符串(institution / summary)或合理默认值(report_date 用今天)。
+- 无法识别的字段填空字符串(institution / summary)。
+- report_date 必须从图片中识别;实在看不清就填上面给出的「今天」({{TODAY}})。下面示例里的日期只是格式参考,不要直接抄。
 - 不要发明指标。看不清的整行跳过。
 - 化验单一般 type = "lab",体检套餐 = "checkup"。
 

康康/AI/VLSession.swift

@@ -3,7 +3,7 @@ import MLX
 import MLXVLM
 import MLXLMCommon
 
-/// 封装 MLX VL 模型(Qwen2.5-VL)的图像 → 文本推理。
+/// 封装 MLX VL 模型(Qwen3-VL)的图像 → 文本推理。
 /// 与 LLMSession 同款 actor 隔离,串行化由上游 AIRuntime 统一保证。
 actor VLSession {
     let container: ModelContainer