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

公众号:kate人不错

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"

  3. 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。

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

  5. 选择"启用"

  6. 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();
  2. 重新启动 Chrome ,打开一个新标签页,访问 chrome://components
  3. 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:

chromewebstore.google.com/detail/gemi...

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。

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

javascript 复制代码
// 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

javascript 复制代码
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。

ini 复制代码
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。

javascript 复制代码
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."

arduino 复制代码
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:

ini 复制代码
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

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

css 复制代码
"[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

css 复制代码
"[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

github.com/explainers-...

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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。
  6. 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。
  7. 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。
  8. 隐私保护助手:
  9. 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。
相关推荐
YSGZJJ26 分钟前
股指期货的套保策略如何精准选择和规避风险?
人工智能·区块链
无脑敲代码,bug漫天飞29 分钟前
COR 损失函数
人工智能·机器学习
HPC_fac130520678161 小时前
以科学计算为切入点:剖析英伟达服务器过热难题
服务器·人工智能·深度学习·机器学习·计算机视觉·数据挖掘·gpu算力
小陈phd4 小时前
OpenCV从入门到精通实战(九)——基于dlib的疲劳监测 ear计算
人工智能·opencv·计算机视觉
Guofu_Liao5 小时前
大语言模型---LoRA简介;LoRA的优势;LoRA训练步骤;总结
人工智能·语言模型·自然语言处理·矩阵·llama
ZHOU_WUYI9 小时前
3.langchain中的prompt模板 (few shot examples in chat models)
人工智能·langchain·prompt
如若1239 小时前
主要用于图像的颜色提取、替换以及区域修改
人工智能·opencv·计算机视觉
老艾的AI世界9 小时前
AI翻唱神器,一键用你喜欢的歌手翻唱他人的曲目(附下载链接)
人工智能·深度学习·神经网络·机器学习·ai·ai翻唱·ai唱歌·ai歌曲
DK221519 小时前
机器学习系列----关联分析
人工智能·机器学习
Robot25110 小时前
Figure 02迎重大升级!!人形机器人独角兽[Figure AI]商业化加速
人工智能·机器人·微信公众平台