Prompt API

Thomas Steiner

Alexandra Klepper

เผยแพร่: 20 พฤษภาคม 2025 อัปเดตล่าสุด: 21 ตุลาคม 2026

วิดีโออธิบาย	เว็บ	ส่วนขยาย	สถานะ Chrome	ความตั้งใจ
GitHub	Chrome 148	Chrome 138	ดู	Intent to Ship
GitHub	ช่วงทดลองใช้จากต้นทางสำหรับพารามิเตอร์การสุ่มตัวอย่าง	Chrome 148	ดู	ความตั้งใจที่จะทดสอบ

Prompt API ช่วยให้คุณส่งคำขอภาษาธรรมชาติไปยังโมเดลพื้นฐานใน Chrome ได้

คุณใช้ Prompt API ได้หลายวิธี ตัวอย่างเช่น คุณสามารถสร้างสิ่งต่อไปนี้ได้

• การค้นหาที่ทำงานด้วยระบบ AI: ตอบคำถามโดยอิงตามเนื้อหาของหน้าเว็บ
• ฟีดข่าวที่คัดสรรมาให้ผู้ใช้โดยเฉพาะ: สร้างฟีดที่จัดประเภทบทความตามหมวดหมู่แบบไดนามิก และอนุญาตให้ผู้ใช้กรองเนื้อหาดังกล่าว
• ตัวกรองเนื้อหาที่กำหนดเอง วิเคราะห์บทความข่าวและเบลอหรือซ่อนเนื้อหาโดยอัตโนมัติตามหัวข้อที่ผู้ใช้กำหนด
• การสร้างกิจกรรมในปฏิทิน พัฒนาส่วนขยาย Chrome ที่ดึงรายละเอียดกิจกรรมจากหน้าเว็บโดยอัตโนมัติ เพื่อให้ผู้ใช้สร้างรายการในปฏิทินได้ในไม่กี่ขั้นตอน
• การดึงข้อมูลรายชื่อติดต่อที่ราบรื่น สร้างส่วนขยายที่ดึงข้อมูลติดต่อจากเว็บไซต์ ซึ่งช่วยให้ผู้ใช้ติดต่อธุรกิจหรือเพิ่มรายละเอียดลงในรายชื่อติดต่อได้ง่ายขึ้น

นี่เป็นเพียงตัวอย่างบางส่วนเท่านั้น และเราตื่นเต้นที่จะได้เห็นสิ่งที่คุณสร้างสรรค์

ใช้ Prompt API

Prompt API ใช้โมเดล Gemini Nano ใน Chrome แม้ว่า API จะติดตั้งมาใน Chrome แต่ระบบจะดาวน์โหลดโมเดลแยกต่างหากในครั้งแรกที่ต้นทางใช้ API

หากต้องการตรวจสอบว่าโมเดลพร้อมใช้งานหรือไม่ ให้เรียกใช้ LanguageModel.availability()

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

หากต้องการทริกเกอร์การดาวน์โหลดและสร้างอินสแตนซ์โมเดลภาษา ให้ตรวจสอบกิจกรรมของผู้ใช้ จากนั้นเรียกใช้ฟังก์ชัน create()

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

หากคำตอบสำหรับ availability() คือ downloading ให้ฟังความคืบหน้าในการดาวน์โหลดและแจ้งให้ผู้ใช้ทราบ เนื่องจากการดาวน์โหลดอาจใช้เวลาสักครู่

สร้างเซสชัน

เมื่อ Prompt API ทำงานได้แล้ว คุณจะสร้างเซสชันด้วยฟังก์ชัน create()

const session = await LanguageModel.create();

ออบเจ็กต์ตัวเลือกที่ไม่บังคับของฟังก์ชัน create() จะใช้ช่อง signal ซึ่งช่วยให้คุณส่ง AbortSignal เพื่อทำลายเซสชันได้

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

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

พารามิเตอร์การสุ่มตัวอย่าง

การควบคุมการสุ่มตัวอย่างช่วยให้คุณปรับแต่งความสามารถในการคาดเดา (เชิงกำหนด) หรือความคิดสร้างสรรค์ (หลากหลาย) ของคำตอบจากโมเดลได้ ความพร้อมใช้งานของพารามิเตอร์การสุ่มตัวอย่างจะแตกต่างกันระหว่างแพลตฟอร์มเว็บและส่วนขยาย Chrome ดังนี้

• เว็บ: ใช้ตัวเลือก samplingMode ซึ่งใช้ค่า enum ที่สื่อความหมายแทนตัวเลขดิบเพื่อปรับความสามารถในการคาดการณ์เอาต์พุต
• ส่วนขยาย Chrome: ระบบรองรับพารามิเตอร์ตัวเลขเดิม (topK, temperature) และเมธอด LanguageModel.params()

โหมดการสุ่มตัวอย่างเว็บ

ส่งตัวเลือก samplingMode ไปยัง LanguageModel.create() (หรือ LanguageModel.availability())

ค่า enum ของ samplingMode ที่รองรับมีดังนี้

• "most-predictable": มีความแน่นอนและคาดการณ์ได้สูงสุด
• "predictable": เอาต์พุตที่คาดการณ์ได้มากขึ้นโดยมีความแปรปรวนน้อยที่สุด
• "slightly-predictable": ผลลัพธ์ที่คาดเดาได้เล็กน้อย
• "balanced": ความสมดุลระหว่างความสามารถในการคาดเดาและความคิดสร้างสรรค์ (ลักษณะการทำงานเริ่มต้นทั่วไป)
• "slightly-creative": ผลลัพธ์ที่หลากหลายและสร้างสรรค์เล็กน้อย
• "creative": ผลลัพธ์ที่สร้างสรรค์และหลากหลาย
• "most-creative": ความหลากหลายและความคิดสร้างสรรค์สูงสุด

// Available on the web with the Sampling Parameters Origin Trial enabled
const session = await LanguageModel.create({
  samplingMode: 'creative',
});

// The configured sampling mode is exposed on the session instance
console.log(session.samplingMode);
// "creative"

พารามิเตอร์การสุ่มตัวอย่างสำหรับส่วนขยาย Chrome

เมื่อใช้ Prompt API ในส่วนขยาย Chrome คุณจะยังคงปรับแต่งแต่ละเซสชันด้วย topK และ temperature ได้โดยใช้ออบเจ็กต์ตัวเลือก

ฟังก์ชัน LanguageModel.params() แบบคงที่จะแจ้งให้คุณทราบถึงขีดจำกัดพารามิเตอร์เริ่มต้นและสูงสุดของโมเดลภาษา ดังนี้

• defaultTopK: ค่า top-K เริ่มต้น
• maxTopK: ค่า top-K สูงสุด
• defaultTemperature: อุณหภูมิเริ่มต้น
• maxTemperature: อุณหภูมิสูงสุด

// Only available in Chrome Extensions
const params = await LanguageModel.params();
// {defaultTopK: 3, maxTopK: 128, defaultTemperature: 1, maxTemperature: 2}

// Initializing a new session in extensions must either specify both `topK` and
// `temperature` or neither of them.
const slightlyHighTemperatureSession = await LanguageModel.create({
  temperature: Math.min(params.defaultTemperature * 1.2, params.maxTemperature),
  topK: params.defaultTopK,
});

console.log(slightlyHighTemperatureSession.temperature);
console.log(slightlyHighTemperatureSession.topK);

เพิ่มบริบทด้วยพรอมต์เริ่มต้น

พรอมต์เริ่มต้นช่วยให้คุณระบุบริบทเกี่ยวกับการโต้ตอบก่อนหน้าให้โมเดลภาษาได้ เช่น เพื่ออนุญาตให้ผู้ใช้กลับมาใช้เซสชันที่จัดเก็บไว้ต่อหลังจากรีสตาร์ทเบราว์เซอร์

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. [...]',
    },
  ],
});

จำกัดคำตอบด้วยคำนำหน้า

คุณสามารถเพิ่มบทบาท "assistant" นอกเหนือจากบทบาทก่อนหน้าเพื่ออธิบายคำตอบก่อนหน้าของโมเดลอย่างละเอียดได้ เช่น

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

ในบางกรณี แทนที่จะขอคำตอบใหม่ คุณอาจต้องการกรอกข้อมูลบางส่วนในข้อความตอบกลับของบทบาท "assistant" ไว้ล่วงหน้า ซึ่งจะเป็นประโยชน์ในการแนะนำโมเดลภาษาให้ใช้รูปแบบการตอบกลับที่เฉพาะเจาะจง โดยเพิ่ม prefix: true ลงในข้อความบทบาท "assistant" ต่อท้าย เช่น

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

เพิ่มอินพุตและเอาต์พุตที่คาดหวัง

Prompt API มีความสามารถแบบหลายโมดัลและรองรับหลายภาษา ตั้งค่ารูปแบบและภาษาของ expectedInputs และ expectedOutputs เมื่อสร้างเซสชัน

• type: คาดว่าจะมีการระบุรูปแบบการขนส่ง
  • สำหรับ expectedInputs ค่านี้อาจเป็น text, image หรือ audio
  • สำหรับ expectedOutputs นั้น Prompt API จะอนุญาตเฉพาะ text เท่านั้น
• languages: อาร์เรย์เพื่อตั้งค่าภาษาที่คาดไว้ Prompt API รองรับ "en", "ja", "es", "de" และ "fr" เรากำลังพัฒนาการรองรับภาษาอื่นๆ เพิ่มเติม
  • สำหรับ expectedInputs ให้ตั้งค่าภาษาของพรอมต์ของระบบและภาษาของพรอมต์ของผู้ใช้ที่คาดไว้ตั้งแต่ 1 ภาษาขึ้นไป
  • ตั้งค่าภาษา expectedOutputs อย่างน้อย 1 ภาษา

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

คุณอาจได้รับ "NotSupportedError" DOMException หากโมเดลพบอินพุตหรือเอาต์พุตที่ไม่รองรับ

ความสามารถในการประมวลผลข้อมูลหลายรูปแบบ

ความสามารถเหล่านี้ช่วยให้คุณทำสิ่งต่อไปนี้ได้

• อนุญาตให้ผู้ใช้ถอดเสียงข้อความเสียงที่ส่งในแอปพลิเคชันแชท
• อธิบายรูปภาพที่อัปโหลดไปยังเว็บไซต์เพื่อใช้ในคำอธิบายภาพหรือข้อความแสดงแทน

ดูการสาธิตพรอมต์เสียงของ Mediarecorder สำหรับการใช้ Prompt API กับอินพุตเสียง และการสาธิตพรอมต์รูปภาพ Canvas สำหรับการใช้ Prompt API กับอินพุตรูปภาพ

Prompt API รองรับอินพุตประเภทต่อไปนี้

• เสียง
  • AudioBuffer
  • ArrayBufferView
  • ArrayBuffer
  • Blob
• ภาพ:
  • HTMLImageElement
  • SVGImageElement
  • HTMLVideoElement (ใช้เฟรมวิดีโอที่ตำแหน่งวิดีโอปัจจุบัน)
  • HTMLCanvasElement
  • ImageBitmap
  • OffscreenCanvas
  • VideoFrame
  • Blob
  • ImageData

ข้อมูลโค้ดนี้แสดงเซสชันแบบหลายโมดัลที่ประมวลผลภาพ 2 ภาพก่อน (รูปภาพ Blob 1 รูปและ HTMLCanvasElement 1 รายการ) และให้ AI เปรียบเทียบภาพทั้งสอง จากนั้นจึงให้ผู้ใช้ตอบกลับด้วยการบันทึกเสียง (เป็น 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);

เพิ่มข้อความต่อท้าย

การอนุมานอาจใช้เวลาสักครู่ โดยเฉพาะเมื่อใช้พรอมต์ที่มีอินพุตแบบหลายโมดัล การส่งพรอมต์ที่กำหนดไว้ล่วงหน้าเพื่อป้อนข้อมูลในเซสชันอาจเป็นประโยชน์ เพื่อให้โมเดลเริ่มประมวลผลได้ทันที

แม้ว่า initialPrompts จะมีประโยชน์ในการสร้างเซสชัน แต่คุณสามารถใช้เมธอด append() นอกเหนือจากเมธอด prompt() หรือ promptStreaming() เพื่อให้พรอมต์ตามบริบทเพิ่มเติมหลังจากสร้างเซสชันแล้ว

เช่น

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);
};

Promise ที่ append() แสดงผลจะดำเนินการเมื่อพรอมต์ได้รับการตรวจสอบ ประมวลผล และเพิ่มลงในเซสชันแล้ว ระบบจะปฏิเสธสัญญาหากไม่สามารถเพิ่มพรอมต์ได้

ส่งสคีมา JSON

เพิ่มช่อง responseConstraint ลงในเมธอด prompt() หรือ promptStreaming() เพื่อส่งสคีมา JSON เป็นค่า จากนั้นคุณจะใช้เอาต์พุตที่มีโครงสร้างกับ Prompt API ได้

ในตัวอย่างต่อไปนี้ สคีมา JSON จะตรวจสอบว่าโมเดลตอบกลับด้วย true หรือ false เพื่อแยกประเภทว่าข้อความที่ระบุเกี่ยวกับเครื่องปั้นดินเผาหรือไม่

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

การติดตั้งใช้งานของคุณอาจรวมสคีมา JSON หรือนิพจน์ทั่วไปเป็นส่วนหนึ่งของข้อความที่ส่งไปยังโมเดล ซึ่งจะใช้หน้าต่างบริบทบางส่วน คุณสามารถวัดปริมาณหน้าต่างบริบทที่จะใช้ได้โดยส่งตัวเลือก responseConstraint ไปยัง session.measureContextUsage()

คุณหลีกเลี่ยงลักษณะการทำงานนี้ได้โดยใช้ตัวเลือก omitResponseConstraintInput หากคุณทำเช่นนั้น เราขอแนะนำให้ใส่คำแนะนำบางอย่างในพรอมต์ ดังนี้

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 });

พรอมต์โมเดล

คุณสามารถใช้พรอมต์กับโมเดลด้วยฟังก์ชัน prompt() หรือ promptStreaming() ก็ได้

เอาต์พุตตามคำขอ

หากคาดหวังผลลัพธ์สั้นๆ คุณสามารถใช้ฟังก์ชัน prompt() ที่จะแสดงผลการตอบกลับเมื่อพร้อมใช้งาน

// 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);
}

เอาต์พุตแบบสตรีม

หากคาดว่าคำตอบจะยาว คุณควรใช้ฟังก์ชัน promptStreaming() ซึ่งช่วยให้คุณแสดงผลลัพธ์บางส่วนเมื่อได้รับจากโมเดล ฟังก์ชัน promptStreaming() จะแสดงผล 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);
  }
}

หยุดการเขียนพรอมต์

ทั้ง prompt() และ promptStreaming() ยอมรับพารามิเตอร์ที่ 2 ที่ไม่บังคับซึ่งมีช่อง signal ซึ่งช่วยให้คุณหยุดเรียกใช้พรอมต์ได้

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

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

การจัดการเซสชัน

แต่ละเซสชันจะติดตามบริบทของการสนทนา ระบบจะพิจารณาการโต้ตอบก่อนหน้าสำหรับการโต้ตอบในอนาคตจนกว่าหน้าต่างบริบทของเซสชันจะเต็ม

แต่ละเซสชันมีจำนวนโทเค็นสูงสุดที่ประมวลผลได้ ตรวจสอบความคืบหน้าของคุณเกี่ยวกับขีดจำกัดนี้ด้วยวิธีต่อไปนี้

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

คุณสามารถส่งพรอมต์ที่ทำให้หน้าต่างบริบทมีข้อมูลมากเกินไปได้ ในกรณีเช่นนี้ ระบบจะนำส่วนแรกๆ ของการสนทนากับโมเดลภาษาออกทีละคู่พรอมต์และคำตอบ จนกว่าจะมีโทเค็นเพียงพอที่จะประมวลผลพรอมต์ใหม่ ยกเว้นพรอมต์ของระบบซึ่งจะไม่มีการนำออก

คุณสามารถตรวจจับการล้นดังกล่าวได้โดยการฟังเหตุการณ์ contextoverflow ในเซสชัน ดังนี้

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

หากไม่สามารถนำโทเค็นออกจากประวัติการสนทนาได้มากพอที่จะประมวลผลพรอมต์ใหม่ การเรียกใช้ prompt() หรือ promptStreaming() จะไม่สำเร็จพร้อมข้อยกเว้น QuotaExceededError และจะไม่มีการนำสิ่งใดออก QuotaExceededError มีพร็อพเพอร์ตี้ต่อไปนี้

• requested: จำนวนโทเค็นที่ประกอบเป็นอินพุต
• contextWindow: จำนวนโทเค็นที่ใช้ได้

ดูข้อมูลเพิ่มเติมเกี่ยวกับการจัดการเซสชัน

โคลนเซสชัน

หากต้องการรักษาทรัพยากรไว้ คุณสามารถคัดลอกเซสชันที่มีอยู่ด้วยฟังก์ชัน clone() ซึ่งจะสร้างการแยกการสนทนา โดยที่บริบทและพรอมต์เริ่มต้นจะยังคงอยู่

ฟังก์ชัน clone() จะรับออบเจ็กต์ตัวเลือกที่ไม่บังคับซึ่งมีช่อง signal ซึ่งช่วยให้คุณส่ง AbortSignal เพื่อทำลายเซสชันที่โคลนได้

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

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

สิ้นสุดเซสชัน

เรียก destroy() เพื่อเพิ่มทรัพยากรหากไม่ต้องการเซสชันอีกต่อไป เมื่อเซสชันถูกทำลาย จะไม่สามารถใช้งานได้อีกต่อไป และการดำเนินการที่ดำเนินอยู่จะถูกยกเลิก คุณอาจต้องการเก็บเซสชันไว้หากตั้งใจจะแสดงข้อความแจ้งโมเดลบ่อยๆ เนื่องจากการสร้างเซสชันอาจใช้เวลาสักครู่

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."
);

การสาธิต

เราได้สร้างเดโมหลายรายการเพื่อสำรวจกรณีการใช้งานที่หลากหลายสำหรับ Prompt API การสาธิตต่อไปนี้เป็นเว็บแอปพลิเคชัน

• Prompt API Playground
• Mediarecorder Audio Prompt
• พรอมต์รูปภาพ Canvas

หากต้องการทดสอบ Prompt API ในส่วนขยาย Chrome ให้ติดตั้งส่วนขยายสาธิต ซอร์สโค้ดของส่วนขยายมีอยู่ใน GitHub

กลยุทธ์ด้านประสิทธิภาพ

Prompt API สำหรับเว็บยังอยู่ระหว่างการพัฒนา ในระหว่างที่เราสร้าง API นี้ โปรดดูแนวทางปฏิบัติแนะนำเกี่ยวกับการจัดการเซสชันเพื่อให้ได้ประสิทธิภาพสูงสุด

นโยบายสิทธิ์, iframe และ Web Worker

โดยค่าเริ่มต้น Prompt API จะใช้ได้กับหน้าต่างระดับบนสุดและ iframe ต้นทางเดียวกันเท่านั้น คุณสามารถมอบสิทธิ์เข้าถึง API ให้กับ iframe แบบข้ามต้นทางได้โดยใช้แอตทริบิวต์ allow="" ของนโยบายสิทธิ์ ดังนี้

<!--
  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>

ปัจจุบัน Prompt API ยังไม่พร้อมใช้งานใน Web Worker เนื่องจากความซับซ้อนของการสร้างเอกสารที่รับผิดชอบสำหรับ Worker แต่ละรายการเพื่อตรวจสอบสถานะนโยบายสิทธิ์

เข้าร่วมและแชร์ความคิดเห็น

ข้อมูลของคุณจะส่งผลโดยตรงต่อวิธีที่เราสร้างและใช้งาน API นี้และ API ของ AI ในตัวทั้งหมดในเวอร์ชันต่อๆ ไป

• หากต้องการแสดงความคิดเห็นเกี่ยวกับการใช้งาน Chrome โปรดส่งรายงานข้อบกพร่องหรือคำขอฟีเจอร์
• แชร์ความคิดเห็นเกี่ยวกับรูปแบบ API โดยแสดงความคิดเห็นในปัญหาที่มีอยู่หรือเปิดปัญหาใหม่ในที่เก็บ GitHub ของ Prompt API
• เข้าร่วมโปรแกรมเวอร์ชันตัวอย่างทดลองใช้