Data publikacji: 20 maja 2025 r.
Wbudowany interfejs Prompt API jest dostępny dla rozszerzeń Chrome w systemach Windows, macOS i Linux od wersji 138 stabilnej. Interfejs API będzie wkrótce dostępny w ramach wersji próbnej origin w Chrome.
Interfejs API nie jest obsługiwany przez inne przeglądarki, ChromeOS ani systemy operacyjne mobilne (takie jak Android czy iOS). Nawet jeśli przeglądarka obsługuje ten interfejs API, może nie być ona dostępna z powodu braku spełnienia wymagań sprzętowych.
Aby zaspokoić potrzeby użytkowników, niezależnie od używanej przez nich platformy lub sprzętu, możesz skonfigurować przełączenie na chmurę za pomocą logiki AI w Firebase.
Tworzenie hybrydowych rozwiązań AI
Wbudowana AI zapewnia wiele korzyści, w tym:
- Lokalne przetwarzanie danych wrażliwych: jeśli pracujesz z danymi wrażliwymi, możesz oferować użytkownikom funkcje AI z szyfrowaniem end-to-end.
- Korzystanie z AI offline: użytkownicy mogą korzystać z funkcji AI nawet wtedy, gdy są offline lub mają przerwane połączenie z internetem.
Te korzyści nie dotyczą aplikacji w chmurze, ale możesz zapewnić płynne działanie osobom, które nie mają dostępu do wbudowanej AI.
Pierwsze kroki z Firebase
Najpierw utwórz projekt Firebase i zarejestruj aplikację internetową. Następnie kontynuuj konfigurowanie pakietu SDK Firebase JavaScript zgodnie z dokumentacją Firebase.
Instalowanie pakietu SDK
Ten proces wykorzystuje npm i wymaga użycia narzędzi do tworzenia pakietów modułów lub narzędzia do tworzenia frameworków JavaScript. Firebase AI Logic jest zoptymalizowany pod kątem współpracy z modułami zbiorczymi w celu usuwania nieużywanego kodu (tree-shaking) i zmniejszania rozmiaru pakietu SDK.
npm install firebase@eap-ai-hybridinference Korzystanie z Firebase AI Logic
Po zainstalowaniu Firebase zainicjuj pakiet SDK, aby zacząć korzystać z usług Firebase.
Konfigurowanie i inicjowanie aplikacji Firebase
Projekt Firebase może zawierać kilka aplikacji Firebase. Aplikacja Firebase to obiekt podobny do kontenera, który przechowuje wspólną konfigurację i udostępnia uwierzytelnianie w różnych usługach Firebase.
Aplikacja Firebase stanowi część chmurową hybrydowej funkcji AI.
import { initializeApp } from 'firebase/app'; import { getAI, getGenerativeModel } from 'firebase/vertexai'; // TODO: Replace the following with your app's Firebase project configuration. const firebaseConfig = { apiKey: '', authDomain: '', projectId: '', storageBucket: '', messagingSenderId: '', appId: '', }; // Initialize `FirebaseApp`. const firebaseApp = initializeApp(firebaseConfig); Prośba o model
Po zainicjowaniu możesz zapytać model za pomocą tekstu lub danych multimodalnych.
Prompty tekstowe
Instrukcje dla modelu możesz podać w zwykłym tekście. Możesz na przykład poprosić model o opowiedzenie dowcipu.
Aby mieć pewność, że wbudowana AI jest używana, gdy jest dostępna w funkcji getGenerativeModel, ustaw wartość mode na prefer_on_device.
// Initialize the Google AI service. const googleAI = getAI(firebaseApp); // Create a `GenerativeModel` instance with a model that supports your use case. const model = getGenerativeModel(googleAI, { mode: 'prefer_on_device' }); const prompt = 'Tell me a joke'; const result = await model.generateContentStream(prompt); for await (const chunk of result.stream) { const chunkText = chunk.text(); console.log(chunkText); } console.log('Complete response', await result.response); Prompty multimodalne
Oprócz tekstu możesz też używać obrazów lub dźwięku. Możesz poprosić model o opisanie zawartości obrazu lub transkrypcję pliku audio.
Obrazy muszą być przekazywane jako ciąg tekstowy z kodowaniem Base64 w postaci obiektu FileDataPart w Firebase. Można to zrobić za pomocą funkcji pomocniczej fileToGenerativePart().
// Converts a File object to a `FileDataPart` object. // https://firebase.google.com/docs/reference/js/vertexai.filedatapart async function fileToGenerativePart(file) { const base64EncodedDataPromise = new Promise((resolve) => { const reader = new FileReader(); reader.onload = () => resolve(reader.result.split(',')[1]); reader.readAsDataURL(file); }); return { inlineData: { data: await base64EncodedDataPromise, mimeType: file.type }, }; } const fileInputEl = document.querySelector('input[type=file]'); fileInputEl.addEventListener('change', async () => { const prompt = 'Describe the contents of this image.'; const imagePart = await fileToGenerativePart(fileInputEl.files[0]); // To generate text output, call generateContent with the text and image const result = await model.generateContentStream([prompt, imagePart]); for await (const chunk of result.stream) { const chunkText = chunk.text(); console.log(chunkText); } console.log(Complete response: ', await result.response); }); Prezentacja
Wypróbuj demo logiki AI w Firebase na różnych urządzeniach i w różnych przeglądarkach. Możesz sprawdzić, czy odpowiedź modelu pochodzi z wbudowanego modelu AI, czy z chmury.
Na obsługiwanym sprzęcie w Chrome demo korzysta z Prompt API i Gemini Nano. Wystąpiły tylko 3 żądania dotyczące dokumentu głównego, pliku JavaScript i pliku CSS.
W innej przeglądarce lub systemie operacyjnym bez wbudowanego wsparcia dla AI wysyłana jest dodatkowa prośba do punktu końcowego Firebase:https://firebasevertexai.googleapis.com.
Udział w badaniu i przesyłanie opinii
Firebase AI Logic może być świetnym rozwiązaniem do integracji funkcji AI z aplikacjami internetowymi. Dzięki temu, że SDK zapewnia alternatywne rozwiązanie w chmurze, gdy interfejs Prompt API jest niedostępny, zapewnia większą dostępność i większą niezawodność funkcji AI.
Pamiętaj, że aplikacje w chmurze stwarzają nowe oczekiwania dotyczące prywatności i funkcjonalności, dlatego ważne jest, aby poinformować użytkowników, gdzie przetwarzane są ich dane.
- Aby przekazać opinię na temat implementacji Chrome, prześlij zgłoszenie błędu lub prośbę o dodanie funkcji.
- Aby przekazać opinię na temat Firebase AI Logic, prześlij zgłoszenie błędu.