WWDC24：Support semantic search with Core Spotlight で記したように、日記データを処理するオンデバイス LLM の実験のために Foundation Models の活用を検討しており、エントリ検索のための RAG として Core Spotlight が使えないか考えている。
ユーザー質問を受けた Foundation Models 側で、適切なクエリを生成できることが分かれば何かは作りだせそう。しかし以前の反省のとおりいきなりモデルの実装をし始めるのは悪手。まずは Foundation Models に対し自然言語でやりとりをし、狙う用途を満たす知識や能力があるかを先に検証するべき。
ということで、次のプロンプトを投げてみた。
あなたはCore Spotlightにインデックスされた日記データをもとにユーザーからの質問に答える役をします。Core Spotlightから情報を引き出すためには、ユーザーの質問を解釈し、Core Spotlightに投げるクエリを考える必要があります。ユーザーから「最後に散髪したのはいつ？」と尋ねられたら、どんなクエリを投げますか？返ってきた答えは以下。
「最後に散髪したのはいつ？」という質問に対して、Core Spotlightに投げるクエリを考えるには、以下のようなアプローチが考えられます。このクエリは、ユーザーの行動履歴や、関連するキーワードを考慮して作成されます。
```plaintext
Core Spotlight Query:
- Type: Query
- Language: Natural Language
- Query: 最後に散髪したのはいつ？
- Context:
- Keywords: 散髪、カット、美容室、ヘアスタイル、ヘアサロン
- Date Range: 最近までの履歴を考慮
- Filters:
- Category: Personal Care
- Action: Haircut
- Location: Salon/Barber Shop
- Date: Last occurrence
- Constraints:
- Language: Japanese
- Language Preference: Japanese
```
このクエリは、ユーザーの行動履歴を基に「散髪」に関連するキーワードを特定し、最近までの履歴を考慮して「最後に散髪したのはいつ？」という質問に応答します。また、日付範囲を最近のものに限定し、具体的な場所やアクションを強調することで、より正確な情報 retrieval を促進します。Context / Filters / Constraints をクエリ設計に含めているあたり、同じ Apple の技術である Core Spotlight のコンセプトを理解できているのかは怪しいが、少なくとも質問内容から的確にキーワード抽出ができそうなことは分かった。（まあここはさすがにLLMの得意分野だろう、、）