Interfejs Prompt API w rozszerzeniach do Chrome

Thomas Steiner

Opublikowano: 11 listopada 2024 r.

Interfejs Prompt API dla rozszerzeń jest teraz dostępny w ramach testowania origin. Dzięki temu możesz tworzyć rozszerzenia do Chrome korzystające z Gemini Nano – naszego najwydajniejszego modelu językowego w przeglądarce.

Prompt API może być używany z rozszerzeniami Chrome w wielu przypadkach. Oto przykłady:

  • Wydarzenia w kalendarzu błyskawiczne Utwórz rozszerzenie Chrome, które automatycznie wyodrębnia szczegóły wydarzeń ze stron internetowych, aby użytkownicy mogli tworzyć wpisy w kalendarzu w zaledwie kilku krokach.
  • Płynne wyodrębnianie kontaktów. Utwórz rozszerzenie, które wyodrębnia informacje kontaktowe z witryn, ułatwiając użytkownikom kontakt z firmą lub dodanie szczegółów do listy kontaktów.
  • Dynamiczne filtrowanie treści Utwórz rozszerzenie do Chrome, które analizuje artykuły z wiadomości i automatycznie zaciera lub ukrywa treści na podstawie zdefiniowanych przez użytkownika tematów.

To tylko kilka możliwości. Jesteśmy ciekawi, co stworzysz.

Dostępność

  • Dołącz do wersji próbnej interfejsu Prompt API origin, która działa w wersjach Chrome 131–136, aby tworzyć rozszerzenia z użyciem tego interfejsu API. Jeśli nie masz doświadczenia z okresami próbnymi origin, są to ograniczone czasowo programy dla wszystkich deweloperów oferujące wcześniejszy dostęp do eksperymentalnych funkcji platformy. Deweloperzy mogą testować aplikacje, zbierać opinie użytkowników i poprawiać je przed oficjalną premierą.
    • Chociaż mogą występować limity korzystania, możesz zintegrować te funkcje, aby przetestować je w produkcji i zebrać opinie użytkowników. Celem jest informowanie o kolejnych wersjach tego interfejsu API, ponieważ pracujemy nad zwiększeniem jego dostępności.
  • Dołącz do programu testów wczesnej wersji, aby wcześniej poznać nowe wbudowane interfejsy API AI i uzyskać dostęp do dyskusji na naszej liście adresowej.

Udział w okresie próbnym usługi pochodzenia

Aby używać interfejsu Prompt API w rozszerzeniach do Chrome, dodaj uprawnienia "aiLanguageModelOriginTrial" do pliku manifest.json zgodnie z podanym poniżej fragmentem kodu, a także wszelkie inne uprawnienia, których może wymagać Twoje rozszerzenie.

Aby zarejestrować rozszerzenie na potrzeby testowania origin, jako źródło internetowe użyj adresu URL chrome-extension://YOUR_EXTENSION_ID. Na przykład: chrome-extension://ljjhjaakmncibonnjpaoglbhcjeolhkk.

Rejestracja w wersji próbnej Chrome Origin

Identyfikator rozszerzenia jest tworzony dynamicznie, ale po jego przypisaniu możesz wymusić, aby był stabilny. Aby to zrobić, dodaj do pliku manifestu właściwość key.

Po zarejestrowaniu się w pierwszym okresie próbnym otrzymasz wygenerowany token, który musisz przekazać w tablicy jako wartość pola trial_tokens w pliku manifestu. Przykładowy fragment kodu

{
  "permissions": ["aiLanguageModelOriginTrial"],
  "trial_tokens": ["GENERATED_TOKEN"],
}

Korzystanie z interfejsu Prompt API

Gdy poprosisz o uprawnienia do korzystania z Prompt API, możesz utworzyć rozszerzenie. W przestrzeni nazw chrome.aiOriginTrial.languageModel dostępne są 2 nowe funkcje rozszerzenia:

  • capabilities(), aby sprawdzić możliwości modelu i czy jest on dostępny.
  • create(), aby rozpocząć sesję modelu językowego.

Pobieranie modelu

Interfejs Prompt API korzysta z modelu Gemini Nano w Chrome. Interfejs API jest wbudowany w Chrome, ale przy pierwszym użyciu interfejsu API przez rozszerzenie model jest pobierany oddzielnie.

Aby sprawdzić, czy model jest gotowy do użycia, wywołaj asynchroniczną funkcję chrome.aiOriginTrial.languageModel.capabilities(). Zwraca obiekt AILanguageModelCapabilities z polem available, które może przyjmować 3 możliwe wartości:

  • 'no': bieżąca przeglądarka obsługuje interfejs Prompt API, ale nie można go obecnie używać. Może to być spowodowane wieloma czynnikami, np. niewystarczającą ilością wolnego miejsca na dysku do pobrania modelu.
  • 'readily': bieżąca przeglądarka obsługuje interfejs Prompt API i możesz go od razu użyć.
  • 'after-download': przeglądarka obsługuje interfejs Prompt API, ale musi najpierw pobrać model.

Aby aktywować pobieranie modelu i utworzyć sesję modelu językowego, wywołaj asynchroniczną funkcję chrome.aiOriginTrial.languageModel.create(). Jeśli odpowiedź na capabilities() to 'after-download', zalecamy sprawdzenie postępu pobierania. Dzięki temu możesz poinformować użytkownika, jeśli pobieranie zajmie trochę czasu.

const session = await chrome.aiOriginTrial.languageModel.create({
  monitor(m) {
    m.addEventListener("downloadprogress", (e) => {
      console.log(`Downloaded ${e.loaded} of ${e.total} bytes.`);
    });
  },
});

Możliwości modelu

Funkcja capabilities() informuje też o możliwościach modelu językowego. Oprócz available obiekt AILanguageModelCapabilities zawiera też te pola:

await chrome.aiOriginTrial.languageModel.capabilities();
// {available: 'readily', defaultTopK: 3, maxTopK: 8, defaultTemperature: 1}

Tworzenie sesji

Po upewnieniu się, że interfejs Prompt API może działać, utwórz sesję za pomocą funkcji create(), która umożliwia wywołanie modelu za pomocą funkcji prompt() lub promptStreaming().

Opcje sesji

Każdą sesję można dostosować za pomocą opcjonalnego obiektu topK i temperature. Wartości domyślne tych parametrów są zwracane z poziomu chrome.aiOriginTrial.languageModel.capabilities().

const capabilities = await chrome.aiOriginTrial.languageModel.capabilities();
// Initializing a new session must either specify both `topK` and
// `temperature` or neither of them.
const slightlyHighTemperatureSession = await chrome.aiOriginTrial.languageModel.create({
  temperature: Math.max(capabilities.defaultTemperature * 1.2, 2.0),
  topK: capabilities.defaultTopK,
});

Opcjonalny obiekt opcji funkcji create() przyjmuje też pole signal, co pozwala przekazać wartość AbortSignal, aby zakończyć sesję.

const controller = new AbortController();
stopButton.onclick = () => controller.abort();

const session = await chrome.aiOriginTrial.languageModel.create({
  signal: controller.signal,
})
Prompty systemowe

Za pomocą promptów systemowych możesz podać modelowi językowemu pewien kontekst.

const session = await chrome.aiOriginTrial.languageModel.create({
  systemPrompt: 'You are a helpful and friendly assistant.',
});
await session.prompt('What is the capital of Italy?');
// 'The capital of Italy is Rome.'

Wstępne prompty

Przy wstępnych promptach możesz udostępnić modelowi językowemu kontekst poprzednich interakcji, np. aby umożliwić użytkownikowi wznowienie zapisanej sesji po ponownym uruchomieniu przeglądarki.

const session = await chrome.aiOriginTrial.languageModel.create({
  initialPrompts: [
    { role: 'system', content: 'You are a helpful and friendly assistant.' },
    { role: 'user', content: 'What is the capital of Italy?' },
    { role: 'assistant', content: 'The capital of Italy is Rome.'},
    { role: 'user', content: 'What language is spoken there?' },
    { role: 'assistant', content: 'The official language of Italy is Italian. [...]' }
  ]
});

Informacje o sesji

Dana sesja modelu językowego ma maksymalną liczbę tokenów, które może przetworzyć. Aby sprawdzić zużycie i postępy w kierunku osiągnięcia limitu, użyj tych właściwości obiektu sesji:

console.log(`${session.tokensSoFar}/${session.maxTokens}
(${session.tokensLeft} left)`);

Trwałość sesji

Każda sesja śledzi kontekst rozmowy. Poprzednie interakcje są brane pod uwagę w przypadku przyszłych interakcji, dopóki okno kontekstu sesji nie zostanie zapełnione.

const session = await chrome.aiOriginTrial.languageModel.create({
  systemPrompt: 'You are a friendly, helpful assistant specialized in clothing choices.'
});

const result1 = await session.prompt(
  'What should I wear today? It is sunny and I am unsure between a t-shirt and a polo.'
);
console.log(result1);

const result2 = await session.prompt(
  'That sounds great, but oh no, it is actually going to rain! New advice?'
);
console.log(result2);

Klonowanie sesji

Aby zachować zasoby, możesz sklonować bieżącą sesję za pomocą funkcji clone(). Kontekst rozmowy zostanie zresetowany, ale początkowy prompt lub prompty systemowe pozostaną nienaruszone. Funkcja clone() przyjmuje opcjonalny obiekt options z polem signal, który umożliwia przekazanie polecenia AbortSignal w celu zniszczenia sklonowanej sesji.

const controller = new AbortController();
stopButton.onclick = () => controller.abort();

const clonedSession = await session.clone({
  signal: controller.signal,
});

Przetestuj model

Możesz wywołać model za pomocą funkcji prompt() lub promptStreaming().

Dane wyjściowe niebędące strumieniem

Jeśli oczekujesz krótkiego wyniku, możesz użyć funkcji prompt(), która zwraca odpowiedź, gdy tylko będzie ona dostępna.

// Start by checking if it's possible to create a session based on the
// availability of the model, and the characteristics of the device.
const {available, defaultTemperature, defaultTopK, maxTopK } =
  await chrome.aiOriginTrial.languageModel.capabilities();

if (available !== 'no') {
  const session = await chrome.aiOriginTrial.languageModel.create();

  // Prompt the model and wait for the whole result to come back.
  const result = await session.prompt('Write me a poem!');
  console.log(result);
}

Dane wyjściowe strumieniowe

Jeśli oczekujesz dłuższej odpowiedzi, użyj funkcji promptStreaming(), która umożliwia wyświetlanie częściowych wyników w miarę ich uzyskiwania przez model.

const {available, defaultTemperature, defaultTopK, maxTopK } =
  await chrome.aiOriginTrial.languageModel.capabilities();

if (available !== 'no') {
  const session = await chrome.aiOriginTrial.languageModel.create();

  // Prompt the model and stream the result:
  const stream = session.promptStreaming('Write me an extra-long poem!');
  for await (const chunk of stream) {
    console.log(chunk);
  }
}

Funkcja promptStreaming() zwraca ReadableStream, którego elementy są nakładane na siebie. Przykłady: "Hello,", "Hello world,", "Hello world I am,", "Hello world I am an AI.". Nie jest to zamierzone działanie. Chcemy dostosować się do innych interfejsów API strumieniowania na platformie, w których przypadku fragmenty są kolejnymi częściami jednego długiego strumienia. Oznacza to, że dane wyjściowe mają postać "Hello", " world", " I am", " an AI".

Aby osiągnąć pożądane działanie, możesz wdrożyć te rozwiązania. Działa to zarówno w przypadku standardowego, jak i niestandardowego sposobu działania.

let result = '';
let previousChunk = '';

for await (const chunk of stream) {
  const newChunk = chunk.startsWith(previousChunk)
      ? chunk.slice(previousChunk.length) : chunk;
  console.log(newChunk);
  result += newChunk;
  previousChunk = chunk;
}
console.log(result);

Przerywanie uruchamiania promptu

Zarówno prompt(), jak i promptStreaming() akceptują opcjonalny drugi parametr z polem signal, który umożliwia zatrzymanie wyświetlania promptów.

const controller = new AbortController();
stopButton.onclick = () => controller.abort();

const result = await session.prompt(
  'Write me a poem!',
  { signal: controller.signal }
);

Zakończ sesję

Jeśli nie potrzebujesz już sesji, zadzwoń pod numer destroy(), aby zwolnić zasoby. Po zniszczeniu sesji nie można jej już używać, a każde trwające wykonywanie jest anulowane. Jeśli zamierzasz często korzystać z modela, możesz zachować sesję, ponieważ jej utworzenie może zająć trochę czasu.

await session.prompt(
  'You are a friendly, helpful assistant specialized in clothing choices.'
);

session.destroy();

// The promise is rejected with an error explaining that
// the session is destroyed.
await session.prompt(
  'What should I wear today? It is sunny and I am unsure
  between a t-shirt and a polo.'
);

Prezentacja

Aby przetestować interfejs Prompt API w rozszerzeniach do Chrome, zainstaluj rozszerzenie demonstracyjne. Kod źródłowy rozszerzenia jest dostępny na GitHubie.

Interfejs demonstracyjny interfejsu Prompt API

Udział w testach i przesyłanie opinii

Zacznij testować interfejs Prompt API już teraz w swoich rozszerzeniach do Chrome. W tym celu skorzystaj z wersji próbnej origin i podziel się opinią. Twoje opinie mogą mieć bezpośredni wpływ na to, jak tworzymy i wdrażamy przyszłe wersje tego interfejsu API oraz wszystkie wbudowane interfejsy API do sztucznej inteligencji.