深度探索 | 新版 Chrome 内置 AI 模型 Gemini Nano 使用指南

Gemini Nano 简介

Gemini Nano 是 Gemini 模型系列中的最小版本，专门为在设备端运行而优化。它内置于 Chrome 浏览器中，可以在大多数现代台式机和笔记本电脑上本地运行。可用于执行摘要、翻译、写作等任务。完全支持本地运行和离线使用，无需额外费用。

Gemini Nano默认的上下文窗口设置为1024个令牌。对于Gemini Nano，理论上的最大值是32k，但上下文大小和性能之间存在权衡。

在设备上运行的好处

• 对敏感数据的本地处理
• 离线 AI 使用

安装和配置

系统要求

需要128.0.6545.0 版本或更高版本的Chrome Canary或Chrome Dev。

Chrome在 127 和 128 版本之间出现了一个回退问题，所以建议使用这个版本或更高版本。

此外，Chrome 下载和运行 Gemini Nano 还需要满足以下条件。

方面	Windows	MacOS	Linux
操作系统	10, 11	≥ 13 (Ventura)	未指定
存储器	包含您的 Chrome 配置文件的卷上至少有 22 GB 空间。请注意，模型实际所需存储空间要少得多，这只是为了有充足的存储余量。
GPU	集成 GPU，或独立 GPU（如显卡）。
显存	4 GB（最低）
网络连接	非计量连接

尚不支持： Chrome for Android、Chrome for iOS、Chrome for ChromeOS

安装步骤

启用 Gemini Nano 和 Prompt API

1. 在 Chrome 中打开一个新标签页，访问 chrome://flags/#optimization-guide-on-device-model

2. 选择"启用 BypassPerfRequirement"

这将绕过性能检查，这些检查可能会妨碍 Gemini Nano 下载到您的设备上。

3. 访问 chrome://flags/#prompt-api-for-gemini-nano

4. 选择"启用"

5. 重新启动 Chrome。

确认 Gemini Nano 的可用性

1. 打开开发者工具，在控制台中输入 await window.ai.canCreateTextSession();。如果返回 "readily"，则表示一切就绪。

• 否则，强制 Chrome 识别您想使用此 API。为此，打开开发者工具，在控制台中输入await window.ai.createTextSession();。

重新启动 Chrome ，打开一个新标签页，访问 chrome://components

确认 Gemini Nano 是否可用或正在下载

• 您需要看到 Optimization Guide On Device Model 的版本号大于或等于 2024.5.21.1031。

• 如果没有列出版本号，点击”检查更新“以强制下载。

故障排除方法

部分用户在组件里找不到“Optimization Guide On Device Model ”，有些用户反馈，以下步骤可以使它显示出来：

• 尝试将chrome//flags/#optimization-guide-on-device-model设置为“启用“而不是“启用并绕过性能要求“，然后重新尝试设置步骤。

我在实际设置中，下载了最新的Chrome Dev和Chrome  Canary，在完成启用 Gemini Nano 和 Prompt API后，重启Chrome后在components都无法找到Optimization Guide On Device Model，重复了2次也不行，后来将test third party cookie phaseout设置为enabled后等了几分钟，在Chrome Canary里看到了Optimization Guide On Device Model。

模型下载延迟

浏览器可能不会立即开始下载模型。如果您的计算机满足所有要求，但在调用window.ai.createTextSession()后在chrome：//components上没有看到模型下载开始，并且优化指南设备内模型显示版本0.0.0.0 ，请保持浏览器打开几分钟，等待调度程序开始下载。

我的体验

下图是我写的几个脚本，和gemini对话。

在写脚本过程中，我多次测试，调整提示词，topK 和 temperature，发现Gemini Nano回复不稳定，Nano这个模型还是太小了。

折腾了很久，后来看到同类产品也有这样的问题。

我也找到几个插件，推荐下面的插件：

https://chromewebstore.google.com/detail/gemini-ai-chrome-in-built/lffhclikkehjgbgnkgfkjbdlbapepgfo?pli=1

这个插件也不完美，但是目前对比了4、5个产品后较稳定的。

https://aichrome.net/

这个网站可以检测你的浏览器是否支持Chrome内置AI。

使用指南

基本使用示例

// 首先检查是否可以创建会话，这取决于模型的可用性和设备的特征。
const canCreate = await window.ai.canCreateTextSession();
// canCreate 将是以下值之一：
// * "readily"：模型在设备上可用，因此创建会话将很快完成
// * "after-download"：模型在设备上不可用，但设备具备能力，
//   所以创建会话将开始下载过程（可能需要一段时间）。
// * "no"：此设备不支持该模型。

if (canCreate !== "no") {
  const session = await window.ai.createTextSession();

  // 向模型提供提示，并等待完整结果返回。
  const result = await session.prompt("给我写一首诗");
  console.log(result);
}

这段代码展示了如何使用 Gemini Nano API 创建文本会话并生成内容。它首先检查是否可以创建会话，然后根据结果决定是否继续。如果可以创建会话，它会发送一个提示（在这个例子中是"给我写一首诗"），并等待模型生成完整的响应。最后，它将结果打印到控制台。

流式传输示例

const canCreate = await window.ai.canCreateTextSession();

if (canCreate !== "no") {
  const session = await window.ai.createTextSession();

  // 向模型提供提示并流式传输结果：
  const stream = session.promptStreaming("给我写一首特别长的诗");
  for await (const chunk of stream) {
    console.log(chunk);
  }
}

这段代码展示了如何使用 Gemini Nano API 的流式传输功能。以下是代码的主要步骤：

1. 首先检查是否可以创建文本会话。
2. 如果可以创建会话（即 canCreate 不等于 "no"），则创建一个文本会话。
3. 使用 promptStreaming 方法向模型发送提示，这里要求模型写一首特别长的诗。
4. 使用 for await...of 循环来逐块接收和处理模型生成的内容。
5. 每收到一个数据块（chunk），就将其打印到控制台。

会话选项和管理

每个会话都可以通过 topK 和 temperature 进行自定义。这些参数的默认值可以通过 window.ai.defaultTextSessionOptions() 获取。

const defaults = await window.ai.defaultTextSessionOptions();
const session = await window.ai.createGenericSession(
    {
      temperature: 0.6, 
      topK: defaults.topK
    }
);

终止会话

如果不再需要某个会话，可以调用 destroy() 来释放资源。当会话被销毁后，它将不能再被使用，任何正在进行的执行也会被中止。如果您打算经常向模型提问，可能会希望保留会话，因为创建会话可能需要一些时间。

await session.prompt(`
  你是一个友好、乐于助人的助手，专门提供服装选择建议。
`);

session.destroy();

// 这个 promise 将被拒绝，并返回一个错误，解释会话已被销毁。
await session.prompt(`
  今天我该穿什么？天气晴朗，我在T恤和polo衫之间犹豫不决。
`);

流式传输

目前，promptStreaming() 返回一个 ReadableStream，其中的数据块是逐步构建的。

例如，以下代码会记录一个序列，如 "Hello,"、"Hello world,"、"Hello world I am,"、"Hello world I am an AI."

for await (const chunk of stream) {
  console.log(chunk);
}

这不是预期的行为。谷歌打算与平台上的其他流式 API 保持一致，即数据块是单个长流的连续部分。这意味着输出应该是类似 "Hello"、" world"、" I am"、" an AI" 的序列。

目前，要实现预期的行为，您可以实现以下代码：

let result = '';
let previousLength = 0;
for await (const chunk of stream) {
  const newContent = chunk.slice(previousLength);
  console.log(newContent);
  previousLength = chunk.length;  
  result += newContent;
}
console.log(result);

从 Chrome 128.0.6606.0 开始，在会话期间发送给模型的信息现在会被保留。您不再需要每次都重新发送整个对话。换句话说，每次调用 prompt() 或 promptStreaming() 都是连续交互的一部分。请注意，上下文窗口会随着每次提示不断填充，最终会开始淘汰最旧的标记。如果您想重新开始，可能需要调用 destroy() 或创建一个新的会话。

提示建议

应该做的	不应该做的
在提示中包含示例。 示例可以为模型提供清晰的方向，帮助其生成更符合预期的输出。即使是一个简短的示例也能显著提升结果质量。	避免有对错之分的用例。 由于模型的局限性，它可能无法准确回答某些知识性问题。因此，设计功能时应考虑到这些局限性，避免依赖完美答案。
添加规则。 明确的规则能提升输出的质量和一致性。例如，规定语调或分类标准。	避免绕过用户的用例。 模型不一定总能给出令人满意的答案，因此应将其作为支持工具，而非替代方案。
添加角色。 指定角色可以使输出更符合场景需求，如要求模型模拟某种身份。	避免自定义参数。 除非有明确需求，否则应保持默认参数设置，因为更改参数可能导致不可预见的输出。
指定输出语言。 如果希望模型以非英语语言回答，应明确指出。这有助于获得更符合预期的多语言输出。

如何使用控制序列 <ctrl23>

控制序列用于帮助模型理解对话回合及其何时应回应。以下是如何使用它的示例：

单次提示示例

"[示例文章的全文]
这篇文章的改写摘要是：[示例摘要]<ctrl23>

[要summarize的文章全文]
这篇文章的改写摘要是："

少量示例提示

"[示例文章#1的全文]
这篇文章的改写摘要是：[示例摘要#1]<ctrl23>

[示例文章#2的全文]
这篇文章的改写摘要是：[示例摘要#2]<ctrl23>

[示例文章#3的全文]
这篇文章的改写摘要是：[示例摘要#3]<ctrl23>

[要summarize的文章全文]
这篇文章的改写摘要是："

---

异常处理和故障排除

方法	DOM异常	错误消息	注释
All methods	InvalidStateError	执行上下文无效。	JS上下文无效(例如，已分离的iframe)。解决方法：确保从有效的JS上下文调用API。
createTextSession， defaultTextSessionOptions	OperationError	模型执行服务不可用。	解决方法：重试，可能需要重启Chrome。
When streaming a response	UnknownError	发生未知错误：<错误代码>	解决方法：重试，可能需要重启Chrome。
	NotSupportedError	请求无效。
	UnknownError	发生了其他一般性故障。
	NotReadableError	响应被禁用。
	AbortError	请求被取消。
prompt， promptStreaming	InvalidStateError	模型执行会话已被销毁。	这发生在会话被销毁后调用prompt或promptStreaming时。解决方法：创建一个新会话。
createTextSession	NotSupportedError	初始化新会话时必须同时指定topK和temperature，或者两者都不指定。	这发生在调用createTextSession时部分指定可选参数。解决方法：调用createTextSession时需要同时指定topK和temperature参数，或者都不指定。如果您只想更改一个参数的值，请使用defaultTextSessionOptions中的值。
	InvalidStateError	无法创建会话。	如果canCreateTextSession返回“readily“，则不应发生这种情况。解决方法：重试，可能需要重启Chrome。

更多内容，请查看 prompt API

https://github.com/explainers-by-googlers/prompt-api

未来应用场景

以下是未来 Chrome 内置 AI 模型能力提升后的一些潜在应用场景：

1. 智能翻译插件：

• 场景：浏览外语网页时，可以一键将整个页面翻译成用户的母语。
• 优势：相比传统翻译，AI模型可以更好地理解上下文，提供更自然、更准确的翻译。

内容摘要生成器：

• 场景：阅读长文章时，自动生成文章的关键点摘要。
• 优势：帮助用户快速把握文章主旨，提高阅读效率。

智能搜索助手：

• 场景：用户输入搜索词时，自动扩展和优化搜索查询。
• 优势：帮助用户找到更相关的搜索结果，节省搜索时间。

代码解释器：

• 场景：浏览技术博客或代码仓库时，自动解释复杂的代码段。
• 优势：帮助开发者更快理解陌生的代码，提高学习和工作效率。

智能表单填充：

• 场景：填写在线表单时，根据字段名称和类型自动推荐填写内容。
• 优势：简化用户填写表单的过程，提高准确性和效率。

个性化内容推荐：

• 场景：基于用户的浏览历史和当前页面内容，推荐相关的文章或产品。
• 优势：提供更精准的个性化体验，提高用户粘性。

实时写作助手：

• 场景：在浏览器中写作时，提供实时的写作建议和纠错。
• 优势：提高写作质量，帮助用户更好地表达想法。

隐私保护助手：

场景：在用户填写敏感信息时，提醒可能的隐私风险并提供保护建议。

广告时间

过去我已写了150+篇AI主题原创长文，我对继续写作充满信心，因为这是我的爱好，我非常热爱这件事。

最近我开通了知识星球，你加入后可以访问公众号收费文章，向我提问，第一时间获取AI资讯。

结语

希望这些工具和技巧能帮助你实现更多创意想法。

别忘了分享你的作品，让我们一起在AI应用开发的道路上共同进步！

欢迎点赞、转发、收藏。

精选历史文章，请看这里：