← Browser AI From First Principles

浏览器作为个人政策引擎

把浏览器原生 AI、可互换的运行时与可观察的决策变成一个用户拥有的、作用于网页体验的政策层。

到目前为止,浏览器提供了模型、会话、上下文与工具。我们用它们检视应用、约束智能体动作。

同一套架构还有另一个可以走的方向。

别只问「智能体能对一个网站做什么?」,还要问:

应当允许网站对用户的注意力做什么?

个人政策引擎观察页面、在用户选定的规则下评估内容,并在本地改变呈现方式。它不是网站的审核系统。它是用户的中介层。


1. 政策坐在内容与注意力之间

这条流水线是:

    flowchart TD
    P[页面内容] --> U[内容单元]
    U --> S[证据与信号]
    S --> D[用户政策决策]
    D --> A[显示、标注、模糊或隐藏]
    A --> T[审计与反馈]
  

浏览器已经接收了页面并控制着它的本地渲染。扩展可以识别有意义的单元、收集证据、评估一条声明的规则,并应用一次可逆的呈现变化。

这比一堆互不相干的拦截器更好的抽象。同一台引擎可以表达关于来源、干扰、无障碍、隐私或个人工作流的政策。


2. 评估内容单元,不是整个页面

一个页面可能包含人写的文字、生成的摘要、广告、评论与来自不同来源的图片。给整个文档贴一个标签会丢掉这个结构。

抽取器应当产出这样的单元:

{
  "unitId": "local:feed-card:42",
  "kind": "article-card",
  "text": "…",
  "media": [],
  "declaredAuthor": "…",
  "provenance": [],
  "location": {
    "origin": "https://example.test",
    "route": "/feed"
  }
}

站点适配器可以提供高质量的边界。通用回退可以使用语义化 HTML、无障碍角色与保守的 DOM 启发式。轨迹必须说明是哪个抽取器产出了该单元。

私密字段、编辑器、支付表单与消息应当默认被排除。对站点的访问不等于摄入每一个可见字符的许可。


3. 运行时是一个适配器

政策引擎不应属于某一家 AI 公司或某一个模型。

它的分类器接口可能长这样:

interface EvidenceProvider {
  id: string;
  capabilities(): Promise<CapabilityReport>;
  evaluate(unit: ContentUnit, request: EvidenceRequest): Promise<Evidence[]>;
}

适配器可以使用:

  • 一项 Chrome 内置 AI 能力;
  • 通过 Transformers.js 以 WebGPU 或 WASM 运行的模型;
  • 一个 localhost 服务,比如一个用户控制的模型服务器;
  • 另一个浏览器原生运行时;
  • 一条显式启用的远程提供方。

即使提供方改变,政策依然稳定。每次决策都会记录适配器、已知时的模型身份、配置与返回的证据。

这与我们从 Prompt API 学到的是同一个抽象课:应用应当依赖一条能力边界,而不是悄悄把自己的规则与今天的模型纠缠在一起。


4. 政策是声明式的

一份可携带的政策应当是数据,而不是藏起来的提示词散文:

{
  "schema": "browser-policy/1",
  "id": "my-generated-content-policy",
  "scope": { "origins": ["*"] },
  "when": {
    "all": [
      { "signal": "ai-origin", "operator": "in", "value": ["verified", "declared"] }
    ]
  },
  "action": "hide",
  "fallback": "label",
  "allowReveal": true
}

引擎把它编译成确定性谓词。模型可以产出证据,但它们不应秘密地决定动作。用户可以检视、导出并编辑这条规则。

政策需要版本控制,因为含义会变。一次决策应当指明所用的确切政策版本。

可复用的矩阵:

证据 政策决策 呈现 可逆
verified 或 declared 的 AI 来源 transform 隐藏并加占位符 是
很可能的 AI 来源 transform 模糊或标注 是
未知(没有合格证据) unknown fallback 显示,可选加标注 是
已验证的非生成式工作流 allow 显示 不适用

5. 保留不确定性

许多有用的信号是概率性的。引擎不应过早地把它们坍缩成真或假。

一条证据项可以陈述:

{
  "kind": "classifier-assessment",
  "label": "likely-ai-origin",
  "confidence": 0.71,
  "provider": "local-classifier-a",
  "limitations": ["short-text", "language-en"]
}

政策随后决定这份证据能支撑什么。一位用户可能给不确定的内容加标注;另一位可能在来源没有被密码学验证之前不采取任何动作。

「未知」是一个重要结果。它防止缺失的证据被误当成人类创作的证据。


6. 让每个呈现动作都可逆

第一批动作应当影响渲染,而不是底层内容:

  • 原样显示;
  • 加上标签与证据摘要;
  • 降低显著度;
  • 模糊并附带一个显示控件;
  • 隐藏并留下占位符;
  • 在本地转换,例如移除一个自动播放的元素。

占位符应当解释是哪条政策在起作用,并提供「只显示一次」或「更改规则」。当分类器出错、或当前上下文让这条规则没有帮助时,用户需要一条逃生通道。

可逆性也让实验更安全。我们可以在不删除信息的前提下比较政策版本。


7. 给延迟与算力做预算

信息流在用户滚动时可以新增数百个单元。对每个节点都跑一遍模型既慢又浪费。

使用一条分阶段的流水线:

  1. 检视显式的来源信息与平台标签;
  2. 应用确定性规则;
  3. 哈希并查询本地决策缓存;
  4. 只评估视口附近的单元;
  5. 批处理相容的推理任务;
  6. 取消已消失单元的工作;
  7. 运行时不可用时,回退到一条声明的安全呈现。

Observatory 已经知道如何度量队列时间、首个结果、总延迟与失败。这些度量现在描述的是用户政策的成本。


8. 让决策保持可检视

对每个单元,记录:

抽取器 → 证据 → 分类器 → 政策版本 → 动作 → 用户覆盖

该记录应当区分站点声明、签名来源、本地推理与远程推理。它还应显示有什么数据(如果有)离开了浏览器。

这把一个神秘消失的页面变成一个可调试的系统。它也让用户能追问:某条规则是否隐藏得太多、在某种语言上失效,或在一次模型更新之后表现不同。


结论

浏览器 AI 未必意味着一个由浏览器厂商拥有的助手。它可以是基础设施,为使用浏览器的那个人所拥有的政策服务。

这套架构与提供方无关:抽取内容单元、收集类型化证据、应用声明式规则、渲染可逆动作并保留轨迹。在下一章里,我们将用这台引擎构建一个很难的具体功能:一个过滤具有 AI 来源证据之内容的过滤器。


参考与延伸阅读

  1. Chrome for Developers, Chrome Extensions documentation.
  2. Hugging Face, Transformers.js.
  3. MDN, Intersection Observer API.