Mood Button 选择探索 Apple MLX 和轻量模型，是因为情绪日记天然适合本地推理。用户说出的内容不一定长，但非常敏感。
技术验证的重点不是跑分，而是能否在设备上以可接受速度完成转写后整理、情绪摘要和多语言表达。
开发细节补充：这篇记录放在 Mood Button 的产品日记里，不是为了把一个功能包装成故事，而是把“03 · 本地 AI：MLX 与 Qwen3 的可用性验证”放回真实项目推进中看。它要同时回答三件事：用户为什么需要这个点，开发时哪些边界必须先定住，以及这个选择会怎样影响上架、推广和后续课程复盘。平台口径是 iPhone / MLX / Qwen3，当前公开状态是 App Review / 被拒后重提 / 本地 AI，所以文案不能脱离真实发布进度。
对应的 docs 线索主要来自 Mood Button 开发计划、模型验证记录、上架收尾盘点、App Review 修复记录。公开页面不会照搬内部工作记录，而是把可公开、可学习、不会泄露私密路径和账号信息的事实整理出来。Mood Button 的 docs 覆盖语音到多语日记、AI 线索生成、本地 AI 显性验证、MLX 真实模型测试和 iPad 原生适配。 上架记录包含上传前状态复核、TestFlight 收费墙、产品名称和 GitHub 重命名、App Review 拒回后的修复路径。 模型验证文档说明本地 AI 不是口号，需要验证模型边界、调度方式、设备能力和用户可见说明。 公开文章要谨慎处理情绪、语音和隐私，不渲染心理疗效，而是讲清低门槛记录、本地处理和审核沟通。
从产品功能看，Mood Button 关联的能力包括：语音情绪记录、Apple MLX 本地推理、Qwen3 轻量交互、低干扰日记体验。写这类日记时，不能只说“做了什么”，还要说明为什么先做这些、为什么暂时不做另一些。比如一个按钮、一个导入流程、一个本地模型开关或一段截图文案，放在代码里只是小改动，放在产品里却会影响用户理解、审核员复现和后续推广素材。
从工程推进看，这篇日记对应的检查点是：本地语音 AI 和情绪产品边界；2026-06-17 被 App Review 拒回，后续修复、审核回复和重提材料已进入发布记录。真实开发最容易失真的是中间过程，因为最后页面看起来只有一个结果，但实际会经历方案取舍、权限确认、素材准备、测试设备、审核备注和发布节奏。把这些过程写下来，后面做同类产品时才不会重新踩同一个坑。
从隐私和合规看，当前约束是：设计方向以本地语音和本地模型为核心，正式上架前需要逐项核对隐私标签。这类信息必须前置到开发日记里，因为独立产品的可信度不是靠口号建立的，而是靠数据在哪里处理、用户能不能退出、功能是否离线可用、商店页怎么承诺、隐私政策是否与实现一致这些小事实积累出来的。
从课程和复用看，这篇内容可以沉淀到 本地 AI、语音日记、情绪产品设计。它的价值不只是给访问者看一个产品，而是展示一个独立开发者怎样把想法转成可验证的产品：先收窄场景，再选技术路径，再做体验最小闭环，最后把审核、推广、运营数据和失败教训都纳入下一次迭代。
敏感 AI 产品先讲数据流、边界和审核证据，再讲智能体验。 这也是为什么每篇产品日记都要写到足够长：不是为了凑字数，而是为了把“证据、决策、实现、边界、复盘”都放在同一页，让读者看到一个判断是怎样被逐步验证出来的。最难的是在私密情绪场景里同时满足本地 AI 可用性、隐私说明和 App Review 可验证性。
所以这篇日记的结论不是“功能已经写完”，而是把一个阶段的判断公开化：哪些证据足够支撑继续推进，哪些资料还需要回到源码、商店材料、公开文案或运营观察里补齐。这样的记录会比单纯的发布公告更慢，但也更真实，能让产品页、发布记录和课程内容保持同一条事实线。
验收时我会把它拆成四个层次：第一层是用户路径能不能走通，第二层是异常状态有没有被诚实处理，第三层是页面上的按钮、状态、截图和文案是否对应真实发布渠道，第四层是公开证据能否支撑这个判断。只要其中一层对不上，产品看起来再完整，也不能算真正进入下一个阶段。
交接时也要保留边界：源码、构建、测试、商店元数据、公开文案、平台反馈和运营观察分别保存原始资料。产品日记只把这些事实翻译成读者能理解的过程，不替任何私有记录保存原始材料。
把这些内容公开出来，还有一个很现实的原因：AI 教程如果只展示成功结果，很容易让人误以为产品是一次生成出来的。真实情况恰好相反，真正可学习的是一次次收窄、验证、失败、补证据和重新提交。日记越具体，后续读者越能看到判断的脉络，而不是只看到一个漂亮的截图。
本地模型要服务体验
如果本地推理太慢、太耗电或效果不稳定，用户会放弃。产品需要根据设备能力调整模型和任务范围。
小模型适合做结构化辅助
情绪日记不一定需要复杂推理。把一句话整理成标题、情绪标签和简短复盘，是小模型更适合承担的任务。
AI 输出要保持温和
情绪场景里，模型回复不能像评价或诊断。语气应该克制、支持性强，并提醒用户在严重情况寻求专业帮助。