Journal / 2026 / AI技术
每台 Mac 都自带一个没写进文档的家庭关系分类器
2026 年 10 月,安全团队 8rank 拆解了 macOS 的本地知识图谱:两个守护进程把通讯录、照片、日历、位置和行为信号汇成一张关于你和亲友的图,还用两个 XGBoost 模型推断谁是你的家人。本文说明它收什么、怎么读自己的图,以及哪些结论未经我们验证。

目录 · 2186 字 / 5 分钟
2026 年 10 月 28 日,安全研究团队 8rank 发布了一篇拆解 macOS 本地知识图谱的长文。他们给出的结论很直接:从 macOS 13 起,每台 Mac 都带着一对守护进程,专门用来建立一张关于你和你身边人的图——谁是你、你认识谁、这些人彼此是什么关系、你怎么和他们联系、你去哪、做什么、什么时候做。
这对进程叫 knowledgeconstructiond 和 intelligenceplatformd。前者分析设备上的内容,后者分担重计算,一起生成知识图谱。Apple 对它的公开说明少得可怜:最接近官方文档的只有一条 man 说明,没有版本清单,也没有完整的采集与推断范围。
先把边界说清楚:下面内容来自 8rank 的公开分析、iKnow 仓库文档和 Apple 的公开资料。我们在一台 Linux 机器上整理,没有 Mac 可拆,也没有亲手读过 graph.db。文中“能看到什么”是原作者在 macOS 26.6.2 上的观察,不是我们的实测。
它把什么写成了一张图
- 数据落在 ~/Library/IntelligencePlatform,是五十一个 SQLite 数据库,明文存放,但所在区域受 TCC 完全磁盘访问权限保护
- 其中最核心的是 graph.db:一个三元组存储,用 181 个实体类和 278 个谓词描述“主体—谓词—客体”
- 进图的内容包括通讯录、照片里的人脸、日历标题与参与者、家庭共享(连每个成员的年龄)、健康 App 里的医疗急救联系人、Siri 建议从邮件和短信里找到的事件与联系人、App Intents 捐出的人,以及已安装的应用
- 另外还有独立的表记录:谁和谁一起出现在照片里;通讯日志(谁、何时、哪个 App、哪个方向,不含内容);位置与移动;以及一长串设备信号,比如锁屏、Wi-Fi、蓝牙、充电和环境光
- 原文对 LLM 是否真的从这张图里检索信息用的是“据称”(allegedly)这个词,这一点目前没有公开证据
家庭关系分类器
- 判断“谁是我的家人”的是一对 XGBoost 分类器:EntityTagging_Family 与 EntityTagging_FamilyAndFriends,都是 CoreML 模型,输入 144 个特征,输出一个类别和概率
- 这些特征以明文写在模型的 metadata.json 里,原文称这是“关于这套系统最清楚的说明”
- 特征大部分是行为信号,例如某人在周六晚上出现在你照片里的后验概率(photosPersonPosteriorProbabilityGivenSaturdayNight),原文点名这是已随模型发布的特征名
- 分数不写进三元组,而是写进单独的 entityTagging.db:每个人一行,十七个关系列,从 family 到 mother 再到 coworker,每天重算
- 十七列里只有两列背后有随系统发布的模型;另外十五列由什么填充、这些概率怎么变成图里的置信度,原团队说他们没查到
- 他们还提醒:文中的分数卡是合成的演示数据;在真正拆开的那台 Mac 上,只有 mother 到了最高档,其余最多是在每个家庭标签上拿一票;这张表实际只写 0.125、0.25、0.5 和 0.96 这几个值,大多数人停在默认值
- 结论:系统确实在推断亲属关系,但“推断得多准”不能拿演示图当证据
iKnow:在你自己 Mac 上读这张图
- 8rank 开源了一个本地面板 iKnow,用 Python 标准库写成,不需要 npm,也不需要 CDN
- 它只绑 127.0.0.1,数据库一律以只读方式打开,不写入、不记录日志;页面数据只在本机回环上流动,可以断网运行
- 官方测试过的版本是 macOS 26.6.2、26.7.1,以及在 27.0.1 上部分可用
- 安装方式:克隆仓库,进目录,运行 server.py,打开终端打印的带 token 的链接;Ctrl-C 停止
- 启动它的终端需要完全磁盘访问权限:系统设置 → 隐私与安全性 → 完全磁盘访问,加入终端或 iTerm,完全退出再打开
- 如果不放心把真实数据交给面板,也可以先用 –bundle 指向一份导出的副本
怎么判断它有没有说错
- iKnow 的“Kinship scorecard”页会把每个关系列、家庭共享令牌、iCloud 家庭标记、近十二个月联系人、照片人脸簇、通讯录记录、可达句柄等九项证据并排放在一起,数有几项落在同一个人身上
- 原文举的例子是:母亲命中九项里的八项,父亲和伴侣各七项;但这套示例数据是合成的,只能看结构,不能当准确率
- 还有一页“Guessed or given”把“你亲手填的”和“Mac 自己推的”放在同一张表里,两者唯一的区别是置信度
- 如果推断错了,目前没有通用的更正入口;原文的原话是:没有文档、没有办法查看这个库、也没有通用办法纠正错误推断
我们的验证与建议
- 我们核对了原文、iKnow 仓库的 README 和安装步骤,确认 URL、路径与命令都能对上
- 我们没有在 Mac 上运行 iKnow,因此不提供“我们的 Mac 上看到了什么”这类结论;这需要一台登录了 iCloud、有通讯录和照片的 Mac
- 想自己查的话,先在一台你愿意授予完全磁盘访问权限的 Mac 上跑 iKnow,先看“What it concluded”和“What it recorded”两页,再决定要不要让 AI 代理读 MANUAL_FOR_YOUR_AGENT.md
- 仓库文档特别提醒:代理会把读到的内容发到模型所在的地方,所以在让它读之前,先确认你信任那家模型提供方;原作者建议用自托管模型
- 对普通用户,更实际的动作是检查系统设置里的完全磁盘访问权限列表,想清楚哪些 App 真的需要读整个磁盘
本文基于以下公开报道整理。
参考来源
- 8rank:Anatomy of Apple’s Personal Knowledge Graph{: rel=“nofollow noopener” target="_blank"}(2026-10-28)
- iKnow 仓库:本地只读面板{: rel=“nofollow noopener” target="_blank"}(2026-11-08 访问)
本文由 AI 辅助整理,数字与说法均来自上方公开来源;我们未在 Mac 上实测,推断准确度未经独立验证。
§
所属主题
TopicsAI 观察 AI Insights
智能体 AI Agents


