一文带你了解 Chrome AI

在人工智能迅猛发展的今天，Google Chrome 正在通过其前沿的技术推动浏览器体验的革新。特别是 Gemini 大模型作为 Chrome 的核心AI技术之一，正引领着智能化应用的新时代。

本文将深入探讨 Gemini 大模型及其在 Chrome 浏览器中的应用，涵盖 Built-in AI 、 DevTools AI 以及如何在网页中直接调用 Gemini API 。这些技术不仅提升了用户的浏览体验，也为开发者提供了强大的工具。让我们一起探索这些创新如何改变我们与互联网的互动方式。

Gemini API

Gemini 是由 Google DeepMind 开发的一系列多模态大型语言模型，它于 2023 年 12 月 6 日发布，定位为 OpenAI 的 GPT-4 的竞争对手。主要有以下特点：

• 多模态能力 ：与其他 LLMs 不同，Gemini 的独特之处在于它不是单独在文本语料库上训练的，而是被设计为多模态的，这意味着它可以同时处理多种类型的数据，包括文本、图像、音频、视频和计算机代码。
• 长上下文理解 ：Gemini具有复杂的长上下文理解能力，能够有效处理和解释大型文档和复杂代码。这一能力对于需要深度上下文理解的应用至关重要，如高级文档编辑、长篇内容生成和综合数据分析。
• 高效性和适应性 ：Gemini设计高效，能够在各种平台上无缝运行，从大型数据中心到设备端应用。这种适应性确保其可以集成到各种环境中，不论操作规模如何，都能提供强大的性能。
• 增强AI助手 ：凭借其先进的功能，Gemini显著增强了AI助手的有效性和可靠性。它支持复杂任务的执行，为用户提供更智能和直观的互动。无论是协助编写代码、生成详细报告，还是创建多媒体内容，Gemini都提升了AI助手的标准。

模型种类

Gemini 包含多个模型种类，每个模型针对不同的应用场景和任务进行了优化。这些模型包括：

• Gemini Ultra ：最大的多模态模型，适用于大规模、高度复杂的任务；
• Gemini Pro ：性能最佳的多模态模型，具有适用于各种推理任务的功能；
• Gemini Flash ：最快的多模态模型，具有出色的性能，适用于各种任务；
• Gemini Nano ：专为边缘计算而构建的最高效模型，如以下介绍的 Chrome Built-in AI 。

实际应用

Gemini的实际应用广泛且多样。在创意产业中，它可以协助生成高质量内容；在技术领域，它有助于开发复杂的软件解决方案；在教育方面，Gemini通过理解和适应个人学生需求提供个性化的学习体验。其多模态能力在医疗行业也同样有价值，能分析各种数据类型，改善诊断流程。

Chrome Built-in AI

Built-in AI 是指将人工智能模型直接集成到用户设备（如台式机、笔记本电脑、移动设备等）中运行，而不依赖于云端服务器进行处理。这种方法结合了设备本地处理能力和AI模型，使得用户可以在本地设备上直接执行AI任务。

它的优点是：

1. 隐私和安全 ：数据本地处理确保用户隐私和安全。
2. 更高的可用性 ：即使没有互联网连接，用户也能使用AI功能，提高可用性。
3. 低延迟 ：本地处理减少数据传输时间，提供更快的响应和更好的用户体验。

它的缺点是：

1. 硬件限制 ：设备性能差异使得不能保证所有设备都能高效运行复杂的AI模型。
2. 模型大小和下载需求 ：AI模型可能非常大，占用用户设备的存储空间和流量。
3. 适用场景有限 ：本地AI模型通常较小，无法处理需要大型模型的复杂任务。

Built-in AI 提供了一种将AI功能直接带到用户设备的方法，具备显著的隐私、安全和低延迟优势。然而，它也面临硬件限制和模型传输的挑战。在实际应用中，可以结合云端和本地处理的混合方法，最大化利用两者的优势。这种方式能够在不牺牲用户体验的情况下，提高AI应用的可用性和安全性。

开启 Built-in AI

准备工作

1. 申请加入体验计划，在 Chrome for developer 官网（https://developer.chrome.com/docs/ai/built-in?hl=zh-cn#get_an_early_preview）点击“加入我们的早期预览版计划”，在打开的窗口填写信息，提交后会收到邮件回复。

2. 下载 Chrome Dev 版本（或 Canary 版本），并确认版本大于等于 128.0.6545.0；
3. 确保电脑可用存储空间需要大于 22 GB ；

启用 Gemini Nano 和 Prompt API

1. 在Chrome中打开 chrome://flags/#optimization-guide-on-device-model ，选择 "Enabled BypassPerfRequirement" 状态；
2. 在Chrome中打开 chrome://flags/#prompt-api-for-gemini-nano ，选择 "Enabled" 状态；
3. 重新启动Chrome。

确认 Gemini Nano 的可用性

1. 打开 Chrome DevTools 并发送 await window.ai.canCreateTextSession() ；在控制台中，如果返回 readily ，即代表可用。
2. 如果返回状态不是 readily ，打开 chrome://components/ ，确认 Gemini Nano 可用或正在下载。

这里可能会遇到组件一直不出现，可以尝试修改浏览器语言。或尝试刷新，以及在页面多停留一段时间，初次访问加载较慢。

3. 如果模型已经下载完毕，则在控制台执行 await window.ai.createTextSession() 命令，观察结果。4. 重新启动 Chrome。

功能演示

1. 在代码里通过 const session = await window.ai.createTextSession(); 创建模型会话，然后调用 session.prompt() 生成结果，如果想要使用流式数据响应的话，则调用 session.promptStreaming() 。示例代码如下：

import { useState, useEffect } from 'react';
import ReactMarkdown from 'react-markdown';
import InputWithButton from '../../components/InputWithButton';

export default function BuiltInDemo() {
  const [canIuse, setCanIuse] = useState(false);

  const [result, setResult] = useState('');
  const [loading, setLoading] = useState(false);

  const handleButtonClick = async (inputValue) => {
    setLoading(true);
    setResult('...');
    try {
      const session = await window.ai.createTextSession();
      // 以普通的方式返回
      // const result = await session.prompt(inputValue);
      // setResult(result);

      // 以流的形式返回
      const stream = session.promptStreaming(inputValue);
      for await (const chunk of stream) {
        console.log(chunk);
        setResult(chunk);
      }
    } catch (error) {
      console.info('error', error);
    } finally {
      setLoading(false);
    }
  };

  useEffect(() => {
    (async function () {
      const res = await window.ai?.canCreateTextSession();
      setCanIuse(res);
    })();
  }, []);

  return (
    <div className='p-4'>
      <button>canIUseWindwoAi: {canIuse}button>

      <InputWithButton loading={loading} onClick={handleButtonClick} />

      {!!result && (
        <div className='prose p-4 m-4 border border-gray-300 rounded'>
          <ReactMarkdown>{result}ReactMarkdown>
        div>
      )}
    div>
  );
}

2. 可以看到在生成结果的时候，没有发起任何网络请求。

在 Web 应用里使用 Gemini API

准备工作

1. 准备一个web项目；
2. 获取Gemini API Key，可以在Google AI Studio https://aistudio.google.com/app/apikey 里申请；
3. 在页面里导入SDK并初始化模型；

import { GoogleGenerativeAI } from '@google/generative-ai';

const API_KEY = 'xxx';

const genAI = new GoogleGenerativeAI(API_KEY);

// 选择模型
const model = genAI.getGenerativeModel({ model: "gemini-1.5-flash"});

这里要注意：如果将 API 密钥直接嵌入到 Web 应用中或在运行时远程获取，则可能会将 API 密钥暴露给恶意参与者。所以如果是线上运行，建议在服务器端调用 Google AI Gemini API，以确保 API 密钥的安全。

功能演示

1. 从纯文本输入生成文本

const model = genAI.getGenerativeModel({ model: 'gemini-1.5-flash' });

// prompt 输入的提示文本
const result = await model.generateContent(prompt);
const response = await result.response;
const text = response.text();

// or 流式响应
// const result = await model.generateContentStream(prompt);
// let text = '';
// for await (const chunk of result.stream) {
//   const chunkText = chunk.text();
//   console.log(chunkText);
//   text += chunkText;
// }

在这个示例里，在输入框输入“小狗学游泳的故事”，点击按钮，调用api输出内容如下：

2. 文本+图片生成文本

/** 将图片转成base64 */
async function fileToGenerativePart(file) {
  const base64EncodedDataPromise = new Promise((resolve) => {
    const reader = new FileReader();
    reader.onloadend = () => resolve(reader.result.split(',')[1]);
    reader.readAsDataURL(file);
  });
  return {
    inlineData: { data: await base64EncodedDataPromise, mimeType: file.type },
  };
}

export async function generateContentStream(prompt, ipt, onMessage) {
 
  const model = genAI.getGenerativeModel({ model: 'gemini-1.5-flash' });

  const imageParts = ipt
    ? await Promise.all([...ipt.files].map(fileToGenerativePart))
    : null;

  const result = await model.generateContent(
    imageParts ? [prompt, ...imageParts] : prompt
  );

  let text = '';
  for await (const chunk of result.stream) {
    const chunkText = chunk.text();
    console.log(chunkText);
    text += chunkText;
    onMessage(text);
  }

  return text;
}

在这个示例里，上传了两张图片，并在输入框输入“用中文介绍下他们是谁”，点击按钮，调用api输出内容如下：

此外还可以利用Gemini API 建立多轮对话等，感兴趣的同学可以自行研究。

Chrome DevTools AI

在Chrome 125之后的版本里，Chrome支持在控制台里使用Gemini AI分析错误和警告，帮助开发者更高效地调试和修复问题。但有一点仍需要注意，大语言模型生成的结果可能不准确或具有误导性，因此使用时请务必仔细检查！

开启 Chrome DevTools AI

需要满足以下几个条件：

1. 已年满 18 周岁，并且位于支持此功能的地区。很遗憾大陆不支持，需要借助科学上网。
2. Chrome 125 或更高版本。
3. 使用您的 Google 账号登录 Chrome。
4. 在开发者工具中启用了“利用 AI 了解控制台消息”。a. 第一步设置语言：打开 DevTools，Settings > Preferences > Appearance > Language，选择  English (US)。b. 第二步开启AI：打开 DevTools，Settings > Preferences > Console。

如果 Understand console messages with AI 无法开启的话，hover上去会有提示不可开启的原因。如果提示年龄，则需要登录账号，并确保年龄设置大于18岁。如果已经科学上网，并且ip在可以使用的范围内，仍旧提示当前地区不可使用，可以修改下浏览器和系统的语言、地理位置设置，然后重启。