← Browser AI From First Principles

写作、改写与校对是不同的操作

把 Writer、Rewriter 与 Proofreader 作为不同的权威性契约来运行,保留每个操作允许的 delta、选项、输出形状与评估,而不是给泛泛的散文打分。

Writer、Rewriter 与 Proofreader 都接受文本并返回与文本相关的结果。

这种表面相似让人很想把它们放到同一个函数后面:

const output = await improveText(input);

这个名字藏起了该操作最重要的属性。

它被允许改多少?

写作器可以创造原本不存在的内容。改写器可以在保留底层消息的同时改变表达。校对器应当纠正一有界类别的错误,同时对正确的内容不动。

这是不同的权威性等级。

Writer       → 创建
Rewriter     → 转换
Proofreader  → 纠正

如果我们用"输出听起来好吗?“来评估三者,最流畅的系统可以靠违反任务取胜。

本章按每个操作被允许改动什么来定义它,然后用 Browser AI Observatory 把这份权威性显示在配置、轨迹与 fixture 中。


1. 从允许的 delta 开始

设 $x$ 为输入文本,$y$ 为输出。

对于写作,$x$ 可能是指令而不是源段落。$x$ 与 $y$ 之间存在大的语义距离是预期之内的,因为该操作生成一个制品。

对于改写,输出应当在所请求的维度上不同,同时保留受保护的含义。

对于校对,期望的 delta 是稀疏的:

$$ \Delta(x, y) = y - x $$
且该 delta 的每个元素都应对应一次有据的更正。

这给我们三个不同的失败问题:

操作 首要失败问题
Writer 它满足了所请求的制品与约束吗?
Rewriter 它改变了所请求的属性而没有改变受保护的含义吗?
Proofreader 它在没有引入不必要改动的情况下纠正了真实错误吗?

评估目标是 delta,而不是泛泛的输出润色。


2. Writer 创造一个制品

Writer API 可以用包括语气、格式、长度、共享上下文与语言期望在内的属性来配置。

const writer = await Writer.create({
  tone: "neutral",
  format: "plain-text",
  length: "short",
  expectedInputLanguages: ["en"],
  expectedContextLanguages: ["en"],
  outputLanguage: "en",
  sharedContext: "Interface copy for a developer tool."
});

该操作收到一个写作请求:

const copy = await writer.write(
  "Explain why the observatory needs access to the inspected site.",
  {
    context: "Access is optional and begins only after the developer grants it."
  }
);

这个请求不是要保留的散文,而是要满足的规格。

好的评估会问:

  • 输出完成了所请求的交流任务吗?
  • 它使用了所选的语气与格式吗?
  • 它保持在有用的长度内吗?
  • 它保留了上下文提供的事实吗?
  • 它避免发明扩展并不拥有的权威性吗?
  • 它让下一个用户决策变得清楚了吗?

对于界面文案,事实上的克制比修辞上的自信更重要。


3. 共享上下文与请求上下文有不同的生命周期

Writer 与 Rewriter 把对象创建时提供的上下文,与提供给单个操作的上下文分开。

共享上下文
  → 作用于该已配置对象执行的全部工作

请求上下文
  → 作用于一次 write 或 rewrite 操作

对 Browser AI Observatory 而言,共享上下文可以描述产品:

Browser AI Observatory is a DevTools extension for developers. It uses metrics-only capture by default and requires explicit site access for application instrumentation.

请求上下文可以描述当前控件:

This message appears beside the button that requests access to https://example.test.

把两者都拼进每个输入字符串是可能的,但它抹掉来源并浪费重复的上下文。让它们分开会使轨迹更易解读、会话配置更易比较。

创建参数对该已配置对象是固定的。如果应用需要不同的语气、长度或输出语言,它应当创建一个新对象,而不是假装去改旧的。

观测站在实验上强制这一点:当所选 API 或创建选项改变时清空会话状态。


4. Rewriter 转换既有制品

Rewriter API 从已经有含义的文本出发。

其配置包含诸如以下的转换:

  • more-formal、as-is 或 more-casual 语气;
  • shorter、as-is 或 longer 长度;
  • 在契约支持之处的 Markdown、纯文本或保留格式;
  • 共享与请求专属的上下文;
  • 语言期望。
const rewriter = await Rewriter.create({
  tone: "as-is",
  format: "plain-text",
  length: "shorter",
  expectedInputLanguages: ["en"],
  expectedContextLanguages: ["en"],
  outputLanguage: "en"
});

然后:

const result = await rewriter.rewrite(original, {
  context: "Preserve that the developer must explicitly grant access."
});

上下文指认一条受保护的命题。缩短只有在该命题存活时才算成功。

这就是为什么输出长度不能是唯一分数。空字符串最短。一次删掉 “explicitly”、把权限变成自动访问的改写,可能更顺却错了。


5. 改写评估需要不变式

在运行改写之前,把任务分成变量与不变式。

请求的变量
  长度 → shorter

受保护的不变式
  行为者 → 开发者
  动作 → 授予访问
  时机 → 插桩之前
  作用域 → 被检视站点
  情态 → must 而非 may

生成的输出可以在措辞上变化。这些关系不能。

我们的规范 fixture 从这段开始:

Before the observatory can receive events from the inspected application, the developer must explicitly grant the extension optional access to that site using the control in the DevTools panel.

自动检查要求紧凑的输出并拒绝 “automatically” 一词。人工细则询问显式授权是否存活。

assertions: [
  { kind: "contains", value: "grant" },
  { kind: "not-contains", value: "automatically" },
  { kind: "max-words", value: 28 },
  {
    kind: "custom",
    rubric: "The rewrite must preserve explicit user authorization."
  }
]

contains 检查是脆弱的。“No grant is required” 会通过它。这就是为什么它保持为辅助性的结构测试,而不是语义裁决。


6. Proofreader 返回关于编辑的证据

校对更窄一些。

Proofreader API 返回更正后的输入与一组更正记录。更正记录指认原文中的范围,并可能包含当前实现暴露的额外信息。

const proofreader = await Proofreader.create({
  expectedInputLanguages: ["en"]
});

const result = await proofreader.proofread(
  "The browser have downloaded the models, but the session are not ready."
);

重要的输出不只是最后一句话。

还有编辑集。

原文
      ↓
更正范围与替换
      ↓
更正后文本

一个只返回 correctedInput 的纯文本包装器,会丢掉渲染建议、解释改动与检测不必要编辑所需的信息。

Browser AI Observatory 为其首次显示序列化完整的结构化结果。下一步细化会把类型化结果与其 JSON 表示分开保留。


7. 正确的输入是关键测试用例

许多评估集包含显而易见的错误,因为那些用例让成功一目了然。校对器还需要正确动作就是"不动"的例子。

输入:The session is ready.
目标:The session is ready.

如果系统把 session 改成 model session、把 ready 换成 available,或为风格重写这句话,它就超出了校对的权威性,即使结果仍然合语法。

定义:

$$ U = \frac{\text{unnecessary edits}} {\text{correct spans presented}} $$
以及:
$$ R = \frac{\text{true errors corrected}} {\text{true errors present}} $$
有用的校对器需要高的更正召回 $R$ 与低的不必要编辑率 $U$。

只测量更正后的最终字符串会过度奖励激进的改写。


8. 更正范围带来索引义务

Proofreader 的更正指向原始输入中的位置。JavaScript 字符串用 UTF-16 码元做索引。人类可见的字符与 Unicode 码点并不总占用一个码元。

这在高亮一个范围时很关键:

const before = input.slice(0, correction.startIndex);
const error = input.slice(correction.startIndex, correction.endIndex);
const after = input.slice(correction.endIndex);

应用应当按平台契约使用这些索引、保留原始字符串,并测试包含 emoji、组合字符与非拉丁文字的文本。在应用 UTF-16 偏移之前把输入转成码点数组,会把高亮移到错误的位置。

调试器应当把原始输入哈希或捕获内容模式、更正范围与更正结果一起记录。否则之后的视图无法重建这些范围描述的是哪个字符串。


9. 一个适配器不等于一个评估器

观测站为全部三个 API 使用同一个运行时适配器:

availability
create
run
trace

它使用不同的 fixture,因为成功条件不同。

Writer 的 fixture

检查权限文案提到权限、保持简短,并不暗示对全部浏览历史的访问。人工评审核实它不暗示权限已被授予。

Rewriter 的 fixture

检查所请求的缩短,并把保留显式授权作为人工评审的不变式。

Proofreader 的 fixture

检查结构化结果包含 correctedInput 与 corrections。人工评审核实两处主谓一致错误都被纠正,并检测无关改动。

事件序列是可比的。分数不可互换。

这就是我们用于 API 注册表的同一条规则:

规范化机制;保留任务语义。


10. 运行文本权威性实验室

从第 07 章选择 Run with Browser AI 以打开:

/tools/ai/browser-ai-from-first-principles/07-chapter/

实验室呈现一个操作选择器与三个可见区分的权威性等级:

Writer       创建新制品
Rewriter     转换表达;保留受保护的含义
Proofreader  只纠正有据的错误

更换选择做的不只是替换一个标签。它销毁先前的浏览器管理实例、加载所选 API 的创建选项、替换请求或源文本,并安装该操作的评估契约。一次成功的 Writer 会话不会被复用为 Proofreader 可用的证据。

对每个操作,读者遵循相同的机制:

  1. 用确切选项检视所选全局对象;
  2. 显式准备一个浏览器管理实例;
  3. 运行规范 fixture;
  4. 检视生成的或结构化结果;
  5. 把自动检查与未决的人工细则作比较;
  6. 导出共享的 Observatory 轨迹。

共享生命周期使这些运行在操作层面可比。可见的权威性卡片与操作专属事件字段,防止这种比较把它们的含义压平。

Writer:权限文案

Writer 收到的是请求,而不是要保留的散文。自动检查要求输出提到权限、避免 “all browsing history” 这一短语,并保持在九十词以内。人工评审询问该文案是否虚假地暗示访问已被授予。

一段流畅的段落可以通过全部词面检查,却仍违反那条权威性边界。

Rewriter:保留授权

Rewriter 收到一个既有句子与一条保护显式授权的上下文指令。自动检查要求 grant、拒绝 automatically,并强制所请求的更短形式。人工评审判定这次改写是否仍在说:插桩开始之前,开发者必须授予访问。

在这里,没有保留的改进就是失败。

Proofreader:为每次更正给出理由

Proofreader 收到两处主谓一致错误。其结果以带格式的 JSON 渲染,使 correctedInput 与 corrections 保持可检视,而不是被折叠成一段精致文本。

自动检查只确立这些字段存在。人工评审核实两处错误都被纠正、且没有引入无关改动。正确输入的 fixture 依然必要,因为一个过于热切的校对器可以通过改动本来就正确的文本来显得有用。

轨迹把所请求的权威性与 API 和操作一起记录:

{
  "apiId": "rewriter",
  "operation": "rewrite",
  "authority": "Transform expression; preserve authority",
  "outcome": "completed"
}

这份元数据无法证明语义保留,但它让可疑的 delta 可诊断。未来的调试器可以标记一次过大的 Proofreader delta,或一次反而变长的 shorter 改写,而不假装这条启发式就是最终裁决。

第 07 章的代码作为一个单独的任务模块加载,把已验证的事件送进共享的体验轨迹。这使不断生长的书籍界面保持模块化,同时保留同一种导出格式。

回放模式包含另一个刻意的否定结果:那份已评审的 9 月 2 日轨迹没有 Writer、Rewriter 或 Proofreader 事件。实验室报告这个缺失,而不是借用 Prompt API 的证据。


11. 追踪所请求的权威性

每次运行都应当标识该操作及其所请求的转换。

对于改写器:

{
  "apiId": "rewriter",
  "options": {
    "tone": "as-is",
    "length": "shorter",
    "format": "plain-text"
  }
}

对于校对器:

{
  "apiId": "proofreader",
  "options": {
    "expectedInputLanguages": ["en"]
  }
}

length 选项的缺席是有意义的。校对器从未被授权缩短文本。

这给调试器一种方法,即使在理解其完整语义之前也能标记可疑的 delta:

  • 校对器改了半个文档;
  • 一次 shorter 改写变得更长;
  • 一次纯文本请求返回了 Markdown 结构;
  • 写作器超出了界面的显示预算。

这些是异常信号,不是最终判定,但它们把注意力引向正确的运行。


12. 流式传输而不丢失最终制品

Writer 与 Rewriter 可以流式输出。面板追加分片以保证响应性,并记录分片计时。

for await (const chunk of writer.writeStreaming(request, options)) {
  visibleOutput.append(document.createTextNode(chunk));
  traceChunk(chunk);
}

最终组装的输出也必须作为 fixture 所评估的制品被存储。独立评估每个分片,会把不完整的生成误判为糟糕的答案。

取消产生一个部分制品。内容政策允许时,轨迹应保留其尺寸,但 fixture 通常应把该运行标为未评估,而不是给一个被刻意打断的响应打分。

操作状态再次先于行为判断。


13. 产品使用需要用户拥有

写作辅助影响用户的语气与意图。

因此界面应当让该操作可见:

写一份草稿
改写选中文本
校对选中文本

一个含糊的 “Improve” 按钮会藏起系统将行使多少权威性。

当改动有实质后果时,生成的文本应当被提议,而不是被静默提交。改写视图应当展示改了什么。校对应当允许逐条更正地评审。插入之后撤销应当仍可用。

本地执行可以减少把草稿内容传给远程模型的需要。它不会消除用户检视与控制改动的需要。


结论

Writer、Rewriter 与 Proofreader 按权威性分开。

Writer 从请求创造一个制品。Rewriter 沿所请求的维度转换既有制品,同时保留不变式。Proofreader 纠正一个狭窄的错误类别,并应当对正确的文本不动。

一个共享的浏览器 AI 适配器对生命周期与遥测有用。一个共享的质量分数则没有用。每个操作都需要与其允许的 delta 对齐的 fixture,而校对需要结构化的更正证据,而不只是一条精致的最终字符串。

第 07 章现在让这些权威性等级变得可执行。读者可以在三个 API 之间切换,而界面把选项、源/请求语义与检查作为一个契约来替换——而不是作为"改进文本"按钮的三种外观模式。

下一章转向另一对看起来像简单流水线的 API:先检测语言,再翻译它。困难的不是依次调用它们,而是决定检测器何时知道得足够多、可以去选择一个翻译器。


参考与延伸阅读

  1. Chrome for Developers, Writer API.
  2. Chrome for Developers, Rewriter API.
  3. Chrome for Developers, Proofreader API.
  4. Chrome for Developers, Built-in AI do and don’t.