L'API Prompt

Thomas Steiner

Alexandra Klepper

Data di pubblicazione: 20 maggio 2025, ultimo aggiornamento: 21 settembre 2025

Divulgatore	Web	Estensioni	Stato di Chrome	Intenzione
GitHub	Prova dell'origine	Chrome 138	Visualizza	Intenzione di sperimentare

Con l'API Prompt, puoi inviare richieste in linguaggio naturale a Gemini Nano nel browser.

Esistono molti modi in cui puoi utilizzare l'API Prompt. Ad esempio, potresti creare:

• Ricerca basata sull'AI: rispondi alle domande in base ai contenuti di una pagina web.
• Feed di notizie personalizzati: crea un feed che classifica dinamicamente gli articoli con le categorie e consente agli utenti di filtrare i contenuti.
• Filtri di contenuti personalizzati. Analizza gli articoli di notizie e sfoca o nascondi automaticamente i contenuti in base agli argomenti definiti dall'utente.
• Creazione di eventi di Calendar. Sviluppa un'estensione di Chrome che estrae automaticamente i dettagli degli eventi dalle pagine web, in modo che gli utenti possano creare voci di calendario in pochi passaggi.
• Estrazione dei contatti senza problemi. Crea un'estensione che estrae le informazioni di contatto dai siti web, in modo che gli utenti possano contattare più facilmente un'attività o aggiungere dettagli al loro elenco di contatti.

Queste sono solo alcune delle possibilità e non vediamo l'ora di scoprire cosa creerai.

Utilizzare l'API Prompt

L'API Prompt utilizza il modello Gemini Nano in Chrome. Sebbene l'API sia integrata in Chrome, il modello viene scaricato separatamente la prima volta che un'origine utilizza l'API. Prima di utilizzare questa API, prendi visione delle Norme relative all'uso vietato dell'AI generativa di Google.

Per determinare se il modello è pronto per l'uso, chiama LanguageModel.availability().

const availability = await LanguageModel.availability({
  // The same options in `prompt()` or `promptStreaming()`
});

Per attivare il download e creare un'istanza del modello linguistico, verifica l'attivazione dell'utente. Quindi, chiama la create() funzione.

const session = await LanguageModel.create({
  monitor(m) {
    m.addEventListener('downloadprogress', (e) => {
      console.log(`Downloaded ${e.loaded * 100}%`);
    });
  },
});

Se la risposta a availability() è downloading, ascolta l'avanzamento del download e informa l'utente, poiché il download potrebbe richiedere tempo.

Utilizzare su localhost

Tutte le API AI integrate sono disponibili su localhost in Chrome. Imposta i seguenti flag su Attivato:

• chrome://flags/#optimization-guide-on-device-model
• chrome://flags/#prompt-api-for-gemini-nano-multimodal-input

Quindi fai clic su Riavvia o riavvia Chrome. Se riscontri errori, risolvi i problemi relativi a localhost.

Parametri del modello

La funzione params() ti informa dei parametri del modello linguistico. L'oggetto ha i seguenti campi:

• defaultTopK: il valore predefinito di top-K.
• maxTopK: il valore massimo di top-K.
• defaultTemperature: la temperatura predefinita .
• maxTemperature: la temperatura massima.

// Only available when using the Prompt API for Chrome Extensions.
await LanguageModel.params();
// {defaultTopK: 3, maxTopK: 128, defaultTemperature: 1, maxTemperature: 2}

Creare una sessione

Una volta che l'API Prompt può essere eseguita, crea una sessione con la funzione create().

const session = await LanguageModel.create();

Creare una sessione con l'API Prompt per le estensioni di Chrome

Quando utilizzi l'API Prompt per le estensioni di Chrome, ogni sessione può essere personalizzata con topK e temperature utilizzando un oggetto di opzioni facoltativo. I valori predefiniti di questi parametri vengono restituiti da LanguageModel.params().

// Only available when using the Prompt API for Chrome Extensions.
const params = await LanguageModel.params();
// Initializing a new session must either specify both `topK` and
// `temperature` or neither of them.
// Only available when using the Prompt API for Chrome Extensions.
const slightlyHighTemperatureSession = await LanguageModel.create({
  temperature: Math.max(params.defaultTemperature * 1.2, 2.0),
  topK: params.defaultTopK,
});

L'oggetto di opzioni facoltativo della funzione create() accetta anche un campo signal, che ti consente di passare un AbortSignal per eliminare la sessione.

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

const session = await LanguageModel.create({
  signal: controller.signal,
});

Aggiungere contesto con i prompt iniziali

Con i prompt iniziali, puoi fornire al modello linguistico il contesto delle interazioni precedenti, ad esempio per consentire all'utente di riprendere una sessione salvata dopo il riavvio del browser.

const session = await 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. [...]',
    },
  ],
});

Limitare le risposte con un prefisso

Puoi aggiungere un ruolo "assistant", oltre ai ruoli precedenti, per elaborare le risposte precedenti del modello. Ad esempio:

const followup = await session.prompt([
  {
    role: "user",
    content: "I'm nervous about my presentation tomorrow"
  },
  {
    role: "assistant",
    content: "Presentations are tough!"
  }
]);

In alcuni casi, anziché richiedere una nuova risposta, potresti voler precompilare parte del messaggio di risposta del ruolo "assistant". Questo può essere utile per guidare il modello linguistico a utilizzare un formato di risposta specifico. Per farlo, aggiungi prefix: true al messaggio del ruolo "assistant"-finale. Ad esempio:

const characterSheet = await session.prompt([
  {
    role: 'user',
    content: 'Create a TOML character sheet for a gnome barbarian',
  },
  {
    role: 'assistant',
    content: '```toml\n',
    prefix: true,
  },
]);

Aggiungere input e output previsti

L'API Prompt ha funzionalità multimodali e supporta più lingue. Imposta le modalità e le lingue expectedInputs e expectedOutputs quando crei la sessione.

• type: modalità prevista.
  • Per expectedInputs, può essere text, image o audio.
  • Per expectedOutputs, l'API Prompt consente solo text.
• languages: array per impostare la lingua o le lingue previste. L'API Prompt accetta "en", "ja" e "es". Il supporto per altre lingue è in fase di sviluppo.
  • Per expectedInputs, imposta la lingua del prompt di sistema e una o più lingue del prompt utente previste.
  • Imposta una o più lingue expectedOutputs.

const session = await LanguageModel.create({
  expectedInputs: [
    { type: "text", languages: ["en" /* system prompt */, "ja" /* user prompt */] }
  ],
  expectedOutputs: [
    { type: "text", languages: ["ja"] }
  ]
});

Potresti ricevere una "NotSupportedError" DOMException se il modello rileva un input o un output non supportato.

Funzionalità multimodali

Con queste funzionalità, potresti:

• Consentire agli utenti di trascrivere i messaggi audio inviati in un'applicazione di chat.
• Descrivere un'immagine caricata sul tuo sito web da utilizzare in una didascalia o in un testo alternativo.

Dai un'occhiata alla demo Mediarecorder Audio Prompt per utilizzare l'API Prompt con input audio e alla demo Canvas Image Prompt per utilizzare l'API Prompt con input immagine.

L'API Prompt supporta i seguenti tipi di input:

• Audio:
  • AudioBuffer
  • ArrayBufferView
  • ArrayBuffer
  • Blob
• Visivo:
  • HTMLImageElement
  • SVGImageElement
  • HTMLVideoElement (utilizza il frame video nella posizione video corrente)
  • HTMLCanvasElement
  • ImageBitmap
  • OffscreenCanvas
  • VideoFrame
  • Blob
  • ImageData

Questo snippet mostra una sessione multimodale che elabora prima due elementi visivi (un Blob immagine e un HTMLCanvasElement) e fa in modo che l'AI li confronti, e che in secondo luogo consente all'utente di rispondere con una registrazione audio (come AudioBuffer).

const session = await LanguageModel.create({
  expectedInputs: [
    { type: "text", languages: ["en"] },
    { type: "audio" },
    { type: "image" },
  ],
  expectedOutputs: [{ type: "text", languages: ["en"] }],
});

const referenceImage = await (await fetch("reference-image.jpeg")).blob();
const userDrawnImage = document.querySelector("canvas");

const response1 = await session.prompt([
  {
    role: "user",
    content: [
      {
        type: "text",
        value:
          "Give a helpful artistic critique of how well the second image matches the first:",
      },
      { type: "image", value: referenceImage },
      { type: "image", value: userDrawnImage },
    ],
  },
]);
console.log(response1);

const audioBuffer = await captureMicrophoneInput({ seconds: 10 });

const response2 = await session.prompt([
  {
    role: "user",
    content: [
      { type: "text", value: "My response to your critique:" },
      { type: "audio", value: audioBuffer },
    ],
  },
]);
console.log(response2);

Aggiungere messaggi

L'inferenza potrebbe richiedere un po' di tempo, soprattutto quando si utilizzano input multimodali. Può essere utile inviare in anticipo prompt predeterminati per popolare la sessione, in modo che il modello possa iniziare l'elaborazione.

Sebbene initialPrompts sia utile durante la creazione della sessione, il metodo append() può essere utilizzato in aggiunta ai metodi prompt() o promptStreaming() per fornire prompt contestuali aggiuntivi dopo la creazione della sessione.

Ad esempio:

const session = await LanguageModel.create({
  initialPrompts: [
    {
      role: 'system',
      content:
        'You are a skilled analyst who correlates patterns across multiple images.',
    },
  ],
  expectedInputs: [{ type: 'image' }],
});

fileUpload.onchange = async () => {
  await session.append([
    {
      role: 'user',
      content: [
        {
          type: 'text',
          value: `Here's one image. Notes: ${fileNotesInput.value}`,
        },
        { type: 'image', value: fileUpload.files[0] },
      ],
    },
  ]);
};

analyzeButton.onclick = async (e) => {
  analysisResult.textContent = await session.prompt(userQuestionInput.value);
};

La promessa restituita da append() viene soddisfatta una volta che il prompt è stato convalidato, elaborato e aggiunto alla sessione. La promessa viene rifiutata se non è possibile aggiungere il prompt.

Passare uno schema JSON

Aggiungi il campo responseConstraint al metodo prompt() o promptStreaming() per passare uno schema JSON come valore. Puoi quindi utilizzare l'output strutturato con l' API Prompt.

Nell'esempio seguente, lo schema JSON garantisce che il modello risponda con true o false per classificare se un determinato messaggio riguarda la ceramica.

const session = await LanguageModel.create();

const schema = {
  "type": "boolean"
};

const post = "Mugs and ramen bowls, both a bit smaller than intended, but that
happens with reclaim. Glaze crawled the first time around, but pretty happy
with it after refiring.";

const result = await session.prompt(
  `Is this post about pottery?\n\n${post}`,
  {
    responseConstraint: schema,
  }
);
console.log(JSON.parse(result));
// true

La tua implementazione può includere uno schema JSON o un'espressione regolare come parte del messaggio inviato al modello. In questo modo viene utilizzata una parte della finestra contestuale. Puoi misurare la quantità di finestra contestuale che verrà utilizzata passando l'opzione responseConstraint a session.measureContextUsage().

Puoi evitare questo comportamento con l'opzione omitResponseConstraintInput. In questo caso, ti consigliamo di includere alcune indicazioni nel prompt:

const result = await session.prompt(`
  Summarize this feedback into a rating between 0-5. Only output a JSON
  object { rating }, with a single property whose value is a number:
  The food was delicious, service was excellent, will recommend.
`, { responseConstraint: schema, omitResponseConstraintInput: true });

Richiedere al modello

Puoi richiedere al modello con le funzioni prompt() o promptStreaming().

Output basato su richiesta

Se prevedi un risultato breve, puoi utilizzare la funzione prompt() che restituisce la risposta non appena è disponibile.

// 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 = await LanguageModel.availability({
  expectedInputs: [{type: 'text', languages: ['en']}],
  expectedOutputs: [{type: 'text', languages: ['en']}],
});

if (available !== 'unavailable') {
  const session = await 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);
}

Output in streaming

Se prevedi una risposta più lunga, devi utilizzare la funzione promptStreaming() che ti consente di mostrare i risultati parziali man mano che vengono ricevuti dal modello. La funzione promptStreaming() restituisce un ReadableStream.

const available = await LanguageModel.availability({
  expectedInputs: [{type: 'text', languages: ['en']}],
  expectedOutputs: [{type: 'text', languages: ['en']}],
});
if (available !== 'unavailable') {
  const session = await 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);
  }
}

Interrompere la richiesta

Sia prompt() sia promptStreaming() accettano un secondo parametro facoltativo con un campo signal, che ti consente di interrompere l'esecuzione dei prompt.

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

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

Gestione sessione

Ogni sessione tiene traccia del contesto della conversazione. Le interazioni precedenti vengono prese in considerazione per le interazioni future finché la finestra contestuale della sessione non è piena.

Ogni sessione ha un numero massimo di token che può elaborare. Controlla l'avanzamento verso questo limite con quanto segue:

console.log(`${session.contextUsage}/${session.contextWindow}`);

È possibile inviare un prompt che causa il superamento della finestra contestuale. In questi casi, le parti iniziali della conversazione con il modello linguistico verranno rimosse, una coppia di prompt e risposta alla volta, finché non saranno disponibili token sufficienti per elaborare il nuovo prompt. L'unica eccezione è il prompt di sistema, che non viene mai rimosso.

Questi overflow possono essere rilevati ascoltando l'evento contextoverflow nella sessione:

session.addEventListener("contextoverflow", () => {
  console.log("We've gone past the context window, and some inputs will be dropped!");
});

Se non è possibile rimuovere un numero sufficiente di token dalla cronologia delle conversazioni per elaborare il nuovo prompt, la chiamata prompt() o promptStreaming() non riuscirà con un'eccezione QuotaExceededError e non verrà rimosso nulla. QuotaExceededError ha le seguenti proprietà:

• requested: il numero di token di cui è composto l'input
• contextWindow: il numero di token disponibili

Scopri di più sulla gestione delle sessioni.

Clonare una sessione

Per preservare le risorse, puoi copiare una sessione esistente con la funzione clone(). In questo modo viene creato un fork della conversazione, in cui vengono mantenuti il contesto e il prompt iniziale.

La funzione clone() accetta un oggetto di opzioni facoltativo con un campo signal, che ti consente di passare un AbortSignal per eliminare la sessione clonata.

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

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

Terminare una sessione

Chiama destroy() per liberare le risorse se non hai più bisogno di una sessione. Quando una sessione viene eliminata, non può più essere utilizzata e qualsiasi esecuzione in corso viene interrotta. Potresti voler mantenere la sessione se intendi richiedere spesso il modello, poiché la creazione di una sessione può richiedere un po' di tempo.

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 choosing between a t-shirt
  and a polo."
);

Demo

Abbiamo creato più demo per esplorare i numerosi casi d'uso dell'API Prompt. Le seguenti demo sono applicazioni web:

• Sandbox dell'API Prompt
• Prompt audio Mediarecorder
• Prompt immagine canvas

Per testare l'API Prompt nelle estensioni di Chrome, installa l'estensione demo. Il codice sorgente dell'estensione è disponibile su GitHub.

Strategia di rendimento

L'API Prompt per il web è ancora in fase di sviluppo. Durante la creazione di questa API, consulta le nostre best practice sulla gestione delle sessioni per un rendimento ottimale.

Criterio di autorizzazione, iframe e web worker

Per impostazione predefinita, l'API Prompt è disponibile solo per le finestre di primo livello e per i relativi iframe della stessa origine. L'accesso all'API può essere delegato agli iframe di origine diversa utilizzando l'attributo allow="" del criterio di autorizzazione:

<!--
  The hosting site at https://main.example.com can grant a cross-origin iframe
  at https://cross-origin.example.com/ access to the Prompt API by
  setting the `allow="language-model"` attribute.
-->
<iframe src="https://cross-origin.example.com/" allow="language-model"></iframe>

Al momento, l'API Prompt non è disponibile nei web worker a causa della complessità di stabilire un documento responsabile per ogni worker al fine di controllare lo stato del criterio di autorizzazione.

Partecipare e condividere feedback

Il tuo contributo può influire direttamente sul modo in cui creiamo e implementiamo le versioni future di questa API e di tutte le API AI integrate.

• Per fornire feedback sull'implementazione di Chrome, invia una segnalazione di bug o una richiesta di funzionalità.
• Condividi il tuo feedback sulla forma dell'API commentando un problema esistente o aprendone uno nuovo nel repository GitHub dell'API Prompt.
• Partecipa al programma di anteprima.