Firebase ML Model Downloader iOS 示例应用配置指南从 GoogleService-Info.plist 到自定义模型下载实战【免费下载链接】firebase-ios-sdkFirebase SDK for Apple App Development项目地址: https://gitcode.com/GitHub_Trending/fi/firebase-ios-sdk本篇指南以 firebase-ios-sdk 仓库中FirebaseMLModelDownloader/Apps/Sample示例应用为核心完整讲解如何在 iOS 工程中配置并运行 ML Model Downloader从 Firebase 控制台获取GoogleService-Info.plist、安装 CocoaPods 依赖到使用ModelDownloader下载、列出与删除自定义 TensorFlow Lite 模型。读者阅读后将掌握该示例应用的完整运行流程并理解底层模型下载、缓存与更新的实现原理。示例应用概述FirebaseMLModelDownloaderFirebase ML Model Downloader允许开发者将自定义 TensorFlow Lite 模型托管在 Firebase 上并在运行时按需下载到 iOS 设备本地从而无需随 App 打包模型、可以动态更新模型版本。仓库中的示例应用位于 FirebaseMLModelDownloader/Apps/Sample是一个基于 SwiftUI 的 iOS 工程MLDownloaderTestApp提供以下交互能力输入模型名称后以三种不同的ModelDownloadType策略下载模型查看设备上已下载的模型列表删除指定名称的本地模型通过进度条实时展示模型文件下载进度并在下载完成后校验文件可达性、读取文件大小、尝试用 TensorFlow LiteInterpreter加载模型。示例应用的核心业务逻辑封装在 Downloader.swift界面层位于 ContentView.swiftApp 生命周期与 Firebase 初始化位于 AppDelegate.swift。运行前必备GoogleService-Info.plist要运行该示例应用首先需要一份与你的 Firebase 项目对应的GoogleService-Info.plist配置文件。这份文件包含了 Firebase 初始化所需的 Project ID、API Key、Bundle ID 等关键信息ModelDownloader的远端请求正是依赖其中的 projectID 与 apiKey见 ModelDownloader.swift缺少它会导致应用启动后 Firebase 无法完成配置模型下载请求也会失败。按以下步骤获取该文件即示例 README 的完整步骤打开 Firebase 控制台如果你还没有项目点击创建项目新建一个 Firebase 项目在项目中注册一个新的iOS AppBundle ID 需与示例工程一致或改为你自己的 Bundle ID进入项目设置Project Overview → General → Your apps选择刚创建的 iOS App点击下载GoogleService-Info.plist文件。下载完成后将GoogleService-Info.plist拖入 Xcode 工程MLDownloaderTestApptarget 中确保它出现在 Build Phases 的 Copy Bundle Resources 列表里应用启动时即可被FirebaseApp.configure()读取。依赖安装CocoaPods 配置示例应用通过 CocoaPods 管理依赖Podfile 内容如下platform :ios, 15.0 use_frameworks! source https://github.com/firebase/SpecsDev.git source https://github.com/firebase/SpecsStaging.git source https://cdn.cocoapods.org/ pod FirebaseCore, :path ../../../ pod FirebaseCoreInternal, :path ../../../ pod FirebaseMLModelDownloader, :path ../../../ pod TensorFlowLiteSwift target MLDownloaderTestApp do target MLDownloaderTestAppTests do end target MLDownloaderTestAppUITests do end end关键点说明platform :ios, 15.0示例工程最低支持 iOS 15.0use_frameworks!以动态 framework 方式集成便于 Swift 直接import三个 Firebase 相关 pod 使用:path ../../../指向仓库根目录即直接以本地源码方式集成FirebaseCore、FirebaseCoreInternal与FirebaseMLModelDownloader方便调试与二次开发TensorFlowLiteSwift用于在下载完成后用 TensorFlow Lite 解释器实际加载模型验证模型文件的可用性。执行pod install后使用生成的MLDownloaderTestApp.xcworkspace打开并运行工程。应用初始化FirebaseApp.configure()示例应用的 AppDelegate.swift 在启动阶段完成 Firebase 初始化import FirebaseCore import FirebaseMLModelDownloader import UIKit main class AppDelegate: UIResponder, UIApplicationDelegate { func application(_ application: UIApplication, didFinishLaunchingWithOptions launchOptions: [UIApplication .LaunchOptionsKey: Any]?) - Bool { FirebaseApp.configure() FirebaseConfiguration.shared.setLoggerLevel(.debug) return true } ... }FirebaseApp.configure()会自动读取工程内 Bundle 中的GoogleService-Info.plist并创建默认 FirebaseApp 实例setLoggerLevel(.debug)则将日志级别调至 debug便于观察模型下载过程中的调试信息源码中通过DeviceLogger.logEvent输出的日志均会显示见 ModelDownloader.swift 等处的调用。核心 API 实战三种下载策略与模型管理示例应用的业务逻辑全部封装在Downloader一个ObservableObject中直接对应 SDK 提供的四个核心 API。以下结合源码逐一展开。1. 下载模型getModelDownloader.swift 中的downloadModel(downloadType:)演示了标准下载流程func downloadModel(downloadType: ModelDownloadType) { let modelDownloader ModelDownloader.modelDownloader() let conditions ModelDownloadConditions() modelDownloader.getModel( name: modelName, downloadType: downloadType, conditions: conditions, progressHandler: { progress in self.downloadProgress progress } ) { result in switch result { case let .success(model): self.isDownloaded true self.filePath model.path // 校验文件可达、读取文件大小并用 TensorFlow Lite 解释器加载 ... case let .failure(error): self.isDownloaded false self.isError true self.error Model download failed with error: \(error) } } }ModelDownloader.modelDownloader()获取与默认 FirebaseApp 绑定的下载器实例。从源码看SDK 内部按 appName 维护了一个共享字典ModelDownloader.swift多次调用会返回同一实例也可通过ModelDownloader.modelDownloader(app:)为指定 FirebaseApp 创建实例。getModel(name:downloadType:conditions:progressHandler:completion:)核心下载方法。progressHandler回调下载进度值为[0.0, 1.0]区间内的浮点数示例中直接驱动 SwiftUI 的ProgressViewcompletion在成功时返回CustomModel失败时返回DownloadError。成功后从model.path拿到模型在设备上的本地路径示例随后用FileManager读取文件大小、用Interpreter(modelPath:)验证模型可被 TensorFlow Lite 加载——这验证了下载产物是可直接使用的.tflite文件。2. 三种下载策略ModelDownloadTypeModelDownloadType是决定下载行为的关键枚举ModelDownloader.swift示例界面上的三个按钮分别对应其一枚举值行为适用场景localModel若设备上已有本地模型则直接返回否则等同于latestModel从服务器拉取最新版优先离线可用允许回退到网络下载localModelUpdateInBackground先返回本地模型同时在后台以DispatchQueue.global(qos: .utility)异步拉取最新版并更新希望立即使用现有模型又不想阻塞用户体验地保持模型最新latestModel始终从服务器获取最新模型若本地版本已与服务端一致则不发起文件网络请求对模型新鲜度要求高的场景从源码实现看ModelDownloader.swift前两种策略都会先通过getLocalModel(modelName:)检查设备缓存要求本地存在模型文件且 UserDefaults 中记录有对应模型信息见 ModelDownloader.swift命中则直接成功返回localModelUpdateInBackground还会额外在后台qos: .utility队列中触发一次远端更新失败不会影响已返回的结果只会记录 debug 日志。3. 列出已下载模型listDownloadedModelsDownloader.swift 演示了设备端模型枚举func listModel() { let modelDownloader ModelDownloader.modelDownloader() modelDownloader.listDownloadedModels { result in switch result { case let .success(models): if models.count 0 { self.isError true self.error No models found on device. } else { for model in models { self.modelNames.append(model.name) } } case let .failure(error): self.isError true self.error Listing models failed with error: \(error) } } }底层实现ModelDownloader.swift会枚举模型目录中的文件、从文件路径解析模型名、在 UserDefaults 中查询对应模型信息并校验本地文件可达最终以SetCustomModel返回。若某个本地文件信息不完整或路径失效会以.internalError返回对应描述例如outdated model paths in local storage。4. 删除模型deleteDownloadedModelDownloader.swift 演示了删除流程func deleteModel() { let modelDownloader ModelDownloader.modelDownloader() modelDownloader.deleteDownloadedModel(name: modelName) { result in switch result { case .success: self.isDeleted true self.isDownloaded false self.filePath case let .failure(error): self.isDeleted false self.isError true self.error Model deletion failed with error: \(error) } } }源码实现ModelDownloader.swift会先校验模型文件存在且 UserDefaults 中有对应信息然后移除设备上的模型文件并清理本地模型信息记录若指定名称的模型不在设备上则返回.notFound。数据模型与下载条件CustomModel下载成功后的返回类型CustomModel.swift包含name模型名、size服务端提供的模型大小、path设备本地存储路径、hash用于模型校验的哈希值四个公开字段并遵循Hashable便于放入集合。ModelDownloadConditions下载触发条件ModelDownloadConditions.swift目前唯一可配置项是allowsCellularAccess默认true表示允许在蜂窝网络下下载模型文件需要省流量时可显式传入ModelDownloadConditions(allowsCellularAccess: false)。底层下载流程原理当本地无模型缓存而需要远端下载时ModelDownloader内部按以下链路工作可对照 ModelDownloader.swift 阅读getRemoteModel从FirebaseApp.options取出projectID与apiKey源自GoogleService-Info.plist构造ModelInfoRetriever负责拉取模型元信息见 ModelInfoRetriever.swift和ModelFileDownloader负责实际文件下载见 FileDownloader.swiftdownloadInfoAndModel先请求远端模型信息若服务端返回新版本.modelInfo则创建ModelDownloadTask见 ModelDownloadTask.swift下载模型文件并通过progressHandler上报进度若服务端返回.notModified说明本地已是最新版本直接返回本地模型下载任务以taskSerialQueue串行队列管理同一模型若已有下载任务进行中新请求会被合并canMergeRequests/merge避免重复下载若模型下载 URL 在下载前过期expiredDownloadURLSDK 会自动重试numberOfRetries默认为 1重试耗尽才返回失败下载完成后的模型文件由ModelFileManager见 ModelFileManager.swift管理落盘对应的模型元信息持久化在 UserDefaults见 DownloaderUserDefaults.swift 与 LocalModelInfo.swift供后续listDownloadedModels、localModel等策略复用。错误处理速查DownloadError枚举ModelDownloader.swift覆盖了下载过程的典型失败场景示例应用将其展示在界面上错误含义notFound服务器上不存在该名称的模型permissionDenied权限不足无法下载模型failedPrecondition下载条件未满足resourceExhausted请求配额耗尽notEnoughSpace设备空间不足invalidArgument模型名或 Firebase App 配置非法emptyModelName模型名为空getModel会先校验空名并直接返回该错误internalError(description:)其他带描述的内部错误设备端管理操作列出、删除失败时返回DownloadedModelErrornotFound/fileIOError/internalError见 ModelDownloader.swift。重要提示Firebase ML 的弃用与迁移需要特别说明的是FirebaseMLModelDownloader所属的 Firebase ML 服务已被官方标记为弃用deprecated。从 ModelDownloader.swift 中每个公开类型的available(*, deprecated)标注以及 CHANGELOG.md 中 12.17.0 版本的说明可以看到Firebase ML is deprecated and will be shut down onJune 15, 2027. To host custom models, you must migrate to another solution. You can use Cloud Storage for Firebase as an alternative for hosting custom models.也就是说该服务将于2027 年 6 月 15 日正式关停。对于需要托管自定义模型的新项目官方建议迁移到Cloud Storage for Firebase作为托管方案。本文所述的示例应用与 API 用法适合用于学习模型下载/缓存机制的既有项目维护与迁移前评估场景。小结通过 FirebaseMLModelDownloader/Apps/Sample 示例应用可以快速上手 Firebase ML Model Downloader 的完整工作流下载GoogleService-Info.plist并配置工程 → 以本地源码方式集成 SDK → 用ModelDownloader的getModel/listDownloadedModels/deleteDownloadedModel管理自定义 TensorFlow Lite 模型并借助ModelDownloadType在离线优先与始终最新之间灵活取舍。结合 ModelDownloader.swift 等源码还能进一步理解其信息拉取、文件下载、请求合并、URL 过期重试与本地缓存校验等底层机制。【免费下载链接】firebase-ios-sdkFirebase SDK for Apple App Development项目地址: https://gitcode.com/GitHub_Trending/fi/firebase-ios-sdk创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Firebase ML Model Downloader iOS 示例应用配置指南：从 GoogleService-Info.plist 到自定义模型下载实战
Firebase ML Model Downloader iOS 示例应用配置指南从 GoogleService-Info.plist 到自定义模型下载实战【免费下载链接】firebase-ios-sdkFirebase SDK for Apple App Development项目地址: https://gitcode.com/GitHub_Trending/fi/firebase-ios-sdk本篇指南以 firebase-ios-sdk 仓库中FirebaseMLModelDownloader/Apps/Sample示例应用为核心完整讲解如何在 iOS 工程中配置并运行 ML Model Downloader从 Firebase 控制台获取GoogleService-Info.plist、安装 CocoaPods 依赖到使用ModelDownloader下载、列出与删除自定义 TensorFlow Lite 模型。读者阅读后将掌握该示例应用的完整运行流程并理解底层模型下载、缓存与更新的实现原理。示例应用概述FirebaseMLModelDownloaderFirebase ML Model Downloader允许开发者将自定义 TensorFlow Lite 模型托管在 Firebase 上并在运行时按需下载到 iOS 设备本地从而无需随 App 打包模型、可以动态更新模型版本。仓库中的示例应用位于 FirebaseMLModelDownloader/Apps/Sample是一个基于 SwiftUI 的 iOS 工程MLDownloaderTestApp提供以下交互能力输入模型名称后以三种不同的ModelDownloadType策略下载模型查看设备上已下载的模型列表删除指定名称的本地模型通过进度条实时展示模型文件下载进度并在下载完成后校验文件可达性、读取文件大小、尝试用 TensorFlow LiteInterpreter加载模型。示例应用的核心业务逻辑封装在 Downloader.swift界面层位于 ContentView.swiftApp 生命周期与 Firebase 初始化位于 AppDelegate.swift。运行前必备GoogleService-Info.plist要运行该示例应用首先需要一份与你的 Firebase 项目对应的GoogleService-Info.plist配置文件。这份文件包含了 Firebase 初始化所需的 Project ID、API Key、Bundle ID 等关键信息ModelDownloader的远端请求正是依赖其中的 projectID 与 apiKey见 ModelDownloader.swift缺少它会导致应用启动后 Firebase 无法完成配置模型下载请求也会失败。按以下步骤获取该文件即示例 README 的完整步骤打开 Firebase 控制台如果你还没有项目点击创建项目新建一个 Firebase 项目在项目中注册一个新的iOS AppBundle ID 需与示例工程一致或改为你自己的 Bundle ID进入项目设置Project Overview → General → Your apps选择刚创建的 iOS App点击下载GoogleService-Info.plist文件。下载完成后将GoogleService-Info.plist拖入 Xcode 工程MLDownloaderTestApptarget 中确保它出现在 Build Phases 的 Copy Bundle Resources 列表里应用启动时即可被FirebaseApp.configure()读取。依赖安装CocoaPods 配置示例应用通过 CocoaPods 管理依赖Podfile 内容如下platform :ios, 15.0 use_frameworks! source https://github.com/firebase/SpecsDev.git source https://github.com/firebase/SpecsStaging.git source https://cdn.cocoapods.org/ pod FirebaseCore, :path ../../../ pod FirebaseCoreInternal, :path ../../../ pod FirebaseMLModelDownloader, :path ../../../ pod TensorFlowLiteSwift target MLDownloaderTestApp do target MLDownloaderTestAppTests do end target MLDownloaderTestAppUITests do end end关键点说明platform :ios, 15.0示例工程最低支持 iOS 15.0use_frameworks!以动态 framework 方式集成便于 Swift 直接import三个 Firebase 相关 pod 使用:path ../../../指向仓库根目录即直接以本地源码方式集成FirebaseCore、FirebaseCoreInternal与FirebaseMLModelDownloader方便调试与二次开发TensorFlowLiteSwift用于在下载完成后用 TensorFlow Lite 解释器实际加载模型验证模型文件的可用性。执行pod install后使用生成的MLDownloaderTestApp.xcworkspace打开并运行工程。应用初始化FirebaseApp.configure()示例应用的 AppDelegate.swift 在启动阶段完成 Firebase 初始化import FirebaseCore import FirebaseMLModelDownloader import UIKit main class AppDelegate: UIResponder, UIApplicationDelegate { func application(_ application: UIApplication, didFinishLaunchingWithOptions launchOptions: [UIApplication .LaunchOptionsKey: Any]?) - Bool { FirebaseApp.configure() FirebaseConfiguration.shared.setLoggerLevel(.debug) return true } ... }FirebaseApp.configure()会自动读取工程内 Bundle 中的GoogleService-Info.plist并创建默认 FirebaseApp 实例setLoggerLevel(.debug)则将日志级别调至 debug便于观察模型下载过程中的调试信息源码中通过DeviceLogger.logEvent输出的日志均会显示见 ModelDownloader.swift 等处的调用。核心 API 实战三种下载策略与模型管理示例应用的业务逻辑全部封装在Downloader一个ObservableObject中直接对应 SDK 提供的四个核心 API。以下结合源码逐一展开。1. 下载模型getModelDownloader.swift 中的downloadModel(downloadType:)演示了标准下载流程func downloadModel(downloadType: ModelDownloadType) { let modelDownloader ModelDownloader.modelDownloader() let conditions ModelDownloadConditions() modelDownloader.getModel( name: modelName, downloadType: downloadType, conditions: conditions, progressHandler: { progress in self.downloadProgress progress } ) { result in switch result { case let .success(model): self.isDownloaded true self.filePath model.path // 校验文件可达、读取文件大小并用 TensorFlow Lite 解释器加载 ... case let .failure(error): self.isDownloaded false self.isError true self.error Model download failed with error: \(error) } } }ModelDownloader.modelDownloader()获取与默认 FirebaseApp 绑定的下载器实例。从源码看SDK 内部按 appName 维护了一个共享字典ModelDownloader.swift多次调用会返回同一实例也可通过ModelDownloader.modelDownloader(app:)为指定 FirebaseApp 创建实例。getModel(name:downloadType:conditions:progressHandler:completion:)核心下载方法。progressHandler回调下载进度值为[0.0, 1.0]区间内的浮点数示例中直接驱动 SwiftUI 的ProgressViewcompletion在成功时返回CustomModel失败时返回DownloadError。成功后从model.path拿到模型在设备上的本地路径示例随后用FileManager读取文件大小、用Interpreter(modelPath:)验证模型可被 TensorFlow Lite 加载——这验证了下载产物是可直接使用的.tflite文件。2. 三种下载策略ModelDownloadTypeModelDownloadType是决定下载行为的关键枚举ModelDownloader.swift示例界面上的三个按钮分别对应其一枚举值行为适用场景localModel若设备上已有本地模型则直接返回否则等同于latestModel从服务器拉取最新版优先离线可用允许回退到网络下载localModelUpdateInBackground先返回本地模型同时在后台以DispatchQueue.global(qos: .utility)异步拉取最新版并更新希望立即使用现有模型又不想阻塞用户体验地保持模型最新latestModel始终从服务器获取最新模型若本地版本已与服务端一致则不发起文件网络请求对模型新鲜度要求高的场景从源码实现看ModelDownloader.swift前两种策略都会先通过getLocalModel(modelName:)检查设备缓存要求本地存在模型文件且 UserDefaults 中记录有对应模型信息见 ModelDownloader.swift命中则直接成功返回localModelUpdateInBackground还会额外在后台qos: .utility队列中触发一次远端更新失败不会影响已返回的结果只会记录 debug 日志。3. 列出已下载模型listDownloadedModelsDownloader.swift 演示了设备端模型枚举func listModel() { let modelDownloader ModelDownloader.modelDownloader() modelDownloader.listDownloadedModels { result in switch result { case let .success(models): if models.count 0 { self.isError true self.error No models found on device. } else { for model in models { self.modelNames.append(model.name) } } case let .failure(error): self.isError true self.error Listing models failed with error: \(error) } } }底层实现ModelDownloader.swift会枚举模型目录中的文件、从文件路径解析模型名、在 UserDefaults 中查询对应模型信息并校验本地文件可达最终以SetCustomModel返回。若某个本地文件信息不完整或路径失效会以.internalError返回对应描述例如outdated model paths in local storage。4. 删除模型deleteDownloadedModelDownloader.swift 演示了删除流程func deleteModel() { let modelDownloader ModelDownloader.modelDownloader() modelDownloader.deleteDownloadedModel(name: modelName) { result in switch result { case .success: self.isDeleted true self.isDownloaded false self.filePath case let .failure(error): self.isDeleted false self.isError true self.error Model deletion failed with error: \(error) } } }源码实现ModelDownloader.swift会先校验模型文件存在且 UserDefaults 中有对应信息然后移除设备上的模型文件并清理本地模型信息记录若指定名称的模型不在设备上则返回.notFound。数据模型与下载条件CustomModel下载成功后的返回类型CustomModel.swift包含name模型名、size服务端提供的模型大小、path设备本地存储路径、hash用于模型校验的哈希值四个公开字段并遵循Hashable便于放入集合。ModelDownloadConditions下载触发条件ModelDownloadConditions.swift目前唯一可配置项是allowsCellularAccess默认true表示允许在蜂窝网络下下载模型文件需要省流量时可显式传入ModelDownloadConditions(allowsCellularAccess: false)。底层下载流程原理当本地无模型缓存而需要远端下载时ModelDownloader内部按以下链路工作可对照 ModelDownloader.swift 阅读getRemoteModel从FirebaseApp.options取出projectID与apiKey源自GoogleService-Info.plist构造ModelInfoRetriever负责拉取模型元信息见 ModelInfoRetriever.swift和ModelFileDownloader负责实际文件下载见 FileDownloader.swiftdownloadInfoAndModel先请求远端模型信息若服务端返回新版本.modelInfo则创建ModelDownloadTask见 ModelDownloadTask.swift下载模型文件并通过progressHandler上报进度若服务端返回.notModified说明本地已是最新版本直接返回本地模型下载任务以taskSerialQueue串行队列管理同一模型若已有下载任务进行中新请求会被合并canMergeRequests/merge避免重复下载若模型下载 URL 在下载前过期expiredDownloadURLSDK 会自动重试numberOfRetries默认为 1重试耗尽才返回失败下载完成后的模型文件由ModelFileManager见 ModelFileManager.swift管理落盘对应的模型元信息持久化在 UserDefaults见 DownloaderUserDefaults.swift 与 LocalModelInfo.swift供后续listDownloadedModels、localModel等策略复用。错误处理速查DownloadError枚举ModelDownloader.swift覆盖了下载过程的典型失败场景示例应用将其展示在界面上错误含义notFound服务器上不存在该名称的模型permissionDenied权限不足无法下载模型failedPrecondition下载条件未满足resourceExhausted请求配额耗尽notEnoughSpace设备空间不足invalidArgument模型名或 Firebase App 配置非法emptyModelName模型名为空getModel会先校验空名并直接返回该错误internalError(description:)其他带描述的内部错误设备端管理操作列出、删除失败时返回DownloadedModelErrornotFound/fileIOError/internalError见 ModelDownloader.swift。重要提示Firebase ML 的弃用与迁移需要特别说明的是FirebaseMLModelDownloader所属的 Firebase ML 服务已被官方标记为弃用deprecated。从 ModelDownloader.swift 中每个公开类型的available(*, deprecated)标注以及 CHANGELOG.md 中 12.17.0 版本的说明可以看到Firebase ML is deprecated and will be shut down onJune 15, 2027. To host custom models, you must migrate to another solution. You can use Cloud Storage for Firebase as an alternative for hosting custom models.也就是说该服务将于2027 年 6 月 15 日正式关停。对于需要托管自定义模型的新项目官方建议迁移到Cloud Storage for Firebase作为托管方案。本文所述的示例应用与 API 用法适合用于学习模型下载/缓存机制的既有项目维护与迁移前评估场景。小结通过 FirebaseMLModelDownloader/Apps/Sample 示例应用可以快速上手 Firebase ML Model Downloader 的完整工作流下载GoogleService-Info.plist并配置工程 → 以本地源码方式集成 SDK → 用ModelDownloader的getModel/listDownloadedModels/deleteDownloadedModel管理自定义 TensorFlow Lite 模型并借助ModelDownloadType在离线优先与始终最新之间灵活取舍。结合 ModelDownloader.swift 等源码还能进一步理解其信息拉取、文件下载、请求合并、URL 过期重试与本地缓存校验等底层机制。【免费下载链接】firebase-ios-sdkFirebase SDK for Apple App Development项目地址: https://gitcode.com/GitHub_Trending/fi/firebase-ios-sdk创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考