简介Page Assist 是面向 Chrome 与 Firefox 的本地 AI 模型 Web UI 插件基于 Deepseek 模型运行为注重隐私与离线体验的用户提供浏览器内的智能问答与页面内容分析能力。压缩包内含两个浏览器版本其中 Chrome 版已实测可用 Deepseek R1Firefox 版暂未测试可供自行验证。资源共 131 个文件以 JavaScript 脚本、JSON 配置为核心配合 HTML 界面、字体文件及 WASM 模块等资源构成完整的前端运行框架整体约 11.97MB轻量易部署。已有 9764 人学习下载。借助它可快速安装配置本地 AI 助手避免数据出网同时能参考其扩展结构与逻辑拆分对 AI 工具爱好者及前端开发者均有实用价值。1. 本地 AI 模型(deepseek)的 Web UI从“装好一个模型”到“真正用它干活”把 deepseek 这类开源权重模型跑成本地 AI 模型之后很多人卡在同一个地方模型在命令行里能聊但要让它参与日常网页阅读、笔记整理、代码排查体验就断开了。这款开源扩展做的事情很直接——给本地模型套一层 Web UI直接嵌进浏览器让你在当前页面就能和模型对话、划词提问、让模型读整页内容数据不出本机。适合三类人刚跑通本地模型、看腻了黑框框的新手在意数据隐私、不愿意把工作内容粘到在线服务的老手以及想把不同大小模型按场景分工使用的折腾型用户。它不是模型是模型和浏览器之间那层缺少的“胶水”。2. 选型逻辑与准备为什么需要这个“胶水层”它依赖什么2.1 先想清楚扩展本身不加载模型它只做协议翻译和界面呈现不少人第一次用这类工具时有个误解以为安装扩展就等于装好了模型。不是。浏览器的扩展运行在沙箱里吃不到 GPU 资源也没有能力去加载动辄几 GB 的模型权重。它的工作方式是你去配置一个本地服务的地址比如http://localhost:11434扩展把你在聊天框里输入的内容打包成 API 请求发出去本地模型服务完成推理后返回文本扩展再把文本渲染成消息气泡。这个架构是刻意为之的。模型后端独立运行意味着你可以随时换模型、换量化版本扩展本身不需要跟着升级后端把显存占满导致界面卡顿也不会拖垮浏览器标签页。我一般会把这类扩展比作“遥控器”而不是“电视机”——遥控器负责把按键翻译成信号真正出画面的永远是后面那台播放设备。部署初期把这个关系记牢后面排错能少走一半弯路。2.2 装好模型推理服务推荐 Ollama 方式并确认端口可达常见做法是先用 Ollama 这类推理工具把模型跑起来再让扩展连上去。以 deepseek 系列中的某个对话模型为例执行拉取动作# 拉取模型大小和量化版本按你的显存选 ollama pull deepseek-r1:7b # 确认服务常驻运行默认监听 11434 端口 ollama serve # 另开一个终端验证服务是否已经就绪 curl http://localhost:11434/api/tags代码里的ollama pull负责下载权重文件ollama serve起一个常驻的 HTTP 服务最后的curl请求地址是服务诊断的“探针”——如果返回一段 JSON里面列出已安装的模型说明后端没问题。要注意端口不是随口定的扩展默认会猜11434但你要是把模型服务搭在了别的端口上必须在扩展设置里同步修改否则后面对话界面会一直“转圈”。2.3 安装扩展与首连配置五分钟走通最小闭环在浏览器扩展商店搜索对应的扩展名安装后固定到工具栏。之后点开扩展图标先不要急着聊天按顺序处理三件事第一在设置页把模型服务的 Base URL 填成http://localhost:11434第二选择刚才在 Ollama 里准备好、且正在运行的模型名第三用最小的测试提示词跑一轮验证“扩展 → 服务 → 模型 → 回显”这条链路是否全通。这里有一个容易忽略的路径概念浏览器所在的沙箱环境对localhost的解析可能和系统终端不一样。如果设置里填了localhost不通改成127.0.0.1往往立刻恢复。我在多台机器上都遇到过这个差异原因不是电脑坏了而是浏览器对本地回环地址做了额外的权限判断。首次连接成功后记得把模型名称和端点记录到本地笔记里后续换模型、调参数都要基于这份基线。3. 核心配置与参数说明把聊天界面调成能长期使用的样子3.1 生成参数不要照抄默认值temperature、top_p 与 max_tokens很多从命令行直接转过来的用户第一次看到 Web UI 上的参数输入框会蒙。拿 deepseek 这类模型来说决定对话质量的主要是三个参数。temperature控制随机性做代码补全、数据提取这类任务我一般设到 0.2~0.4追求确定性做头脑风暴、文案润色可以调到 0.7 以上。top_p是核采样阈值和 temperature 作用类似但机制不同实际使用中保持默认 0.9 附近即可不建议和 temperature 同时调得很极端。max_tokens决定单次回复的上限长度这是最容易踩坑的参数后面避坑章节会展开。以扩展里的自定义设置片段为例一份可用的 JSON 配置长这样{ model: deepseek-r1:7b, temperature: 0.3, top_p: 0.9, max_tokens: 4096, system_prompt: 你是一名严谨的工程师回答时先给结论再给依据。 }配置里model字段必须和 Ollama 里拉取的标签完全一致大小写和后面的:7b都不能随心改system_prompt是全局人设会影响每一次回复的口吻与结构。注意这类扩展通常还支持对单条会话覆盖参数——想在不破坏全局设置的前提下临时改风格就在会话侧单独设置而不是去改默认配置。3.2 多会话与上下文管理别让一次长对话拖垮记忆本地部署的一个常见误区把所有问题塞进同一个对话窗口最后模型“忘掉”了开头的内容。原因在于上下文窗口是有限的对话轮数越多早期信息被挤出去的概率越大。扩展的会话隔离功能解决的就是这个问题——一个会话对应一个独立的上下文互不干扰。我的习惯是给会话重命名按任务类型切分代码排查进“Debug 会话”文献阅读进“Read 会话”日常闲聊单独开一个。设定上下文轮数时要看模型支持的窗口大小别贪多每次提问前想清楚这次是否真的需要模型记得前文不需要就新开会话。这个习惯能明显减少“模型忽然答非所问”的现象本质上是在配合模型的天花板工作而不是和它较劲。3.3 划词问答把“复制粘贴再提问”变成一次动作划词问答是这类 UI 相对命令行的最大体验提升。选中网页上的任意一段文字扩展会在旁边弹出一个快捷工具栏点一下提问按钮选中的内容自动作为上下文发给模型。这个功能对阅读技术文档尤其好用——看到一段复杂概念直接划词问“用一句话解释这段话”不用离开当前页面。划词预设通常长这样{ quick_action: explain, prompt_template: 请用通俗的语言解释下面这段内容并指出可能存在的坑\n{selected_text} }quick_action对应你在弹窗里点击的按钮标识prompt_template里的{selected_text}是占位符运行时会被替换成你划中的文字。参数说明模板里尽量把任务描述写具体比如指定“用列表回答”“控制在 100 字内”比笼统说“解释一下”得到的回复结构要整齐得多反之模板太简单就容易拿到一段冗长的模型“自言自语”。4. 实战进阶网页全文、协议协同与多种模型分工4.1 让模型读整页内容字符裁剪和范围限制扩展一般允许把当前标签页的正文内容发送给模型但直接整页抓取会把导航栏、广告、脚本全部都塞进上下文。实操中我倾向于先通过扩展的“网页内容提取”功能预览一下抓取结果确认提取的是主区域文本如果模型回复开始答非所问大概率是上下文里混入了大段无关代码或注释。更好的做法是配合站点规则对经常阅读的长文站点设置只提取article或main标签内的内容并限制最大字符数比如 8000 字符。这样做的直接好处有三个省 token、减少干扰、回复聚焦。理解这一层就明白网页问答不是简单的“全文翻译”而是“如何把页面内容裁剪成模型能高效消化的输入”。4.2 协议兼容问题它连接的不是 Ollama 一家这类 Web UI 通常不只认 Ollama 的私有协议也兼容 OpenAI 风格的接口规范。很多本地推理框架都提供这种兼容端点所以理论上你可以把扩展指向任意本地推理服务只要地址格式和鉴权方式对得上就行。我用一个小脚本验证过端点是否被扩展接受import requests endpoint http://localhost:11434/v1/chat/completions payload { model: deepseek-r1:7b, messages: [{role: user, content: ping}], max_tokens: 32 } resp requests.post(endpoint, jsonpayload) print(resp.status_code, resp.json()[choices][0][message][content])脚本核心是向v1/chat/completions发一条消息返回200且带choices字段就说明协议兼容。注意max_tokens这里设小只是为了快速验证链路真实使用要按回复长度重新调整。熟练工可以把这段脚本存成smoke_test.py以后每次换模型后端或改配置之后都能先跑一遍而不是开浏览器去点。4.3 多模型分工大模型精读小模型速答本地模型有一个天然优势你可以同时跑好几个不同体量的模型让扩展按场景路由。举例deepseek 的大尺寸版本放在长文阅读、代码重构这类重活上回答质量高而一个几 B 的小模型负责划词速答、关键词解释速度明显快。扩展里通常支持配置多模型账号并在聊天会话顶部切换。我做任务选型一般遵循一个原则需要推理深度的选大模型追求响应速度的选小模型需要稳定输出格式的任务则偏向温度参数更低的那一侧。这个原则背后的逻辑是模型参数规模直接决定了一次推理的复杂度和时延本地部署本来就是“有限资源下的取舍”提前把任务分类比在同一个模型上调半天参数更管用。5. 避坑指南本地 Web UI 部署的五个常见翻车现场5.1 连不上本地服务聊天框一直转圈现象配置填完发送消息后界面毫无反应后台没有任何报错。原因扩展运行在浏览器进程里对localhost或127.0.0.1的访问可能受限另外推理服务如果只监听了 IPv6 地址而扩展解析到了 IPv4也会出现同样症状。解决先确认系统终端里curl http://localhost:11434/api/tags能通再换127.0.0.1重试最后检查推理服务是否需要设置允许的访问来源。这几个检查点按顺序走大概率能定位。5.2 回复到一半被硬生生截断现象模型说了一大段话到某个分句处突然停住像是话没说完就被吞了。原因多半是max_tokens设得太小模型的回复还没生成完就触顶被强制截断。很多默认值只有 256 或 512对深度思考类任务完全不够。解决把max_tokens提到 2048 或更高同时看一下推理服务的上下文设置是否同步放宽。如果提升后依旧截断再查设备内存是否出现交换导致生成变慢。5.3 打开设置改了一堆参数回到会话全变回原样现象参数在设置面板里明明保存成功新开对话框又回到默认状态。原因扩展可能存在“全局设置”和“会话设置”两套配置后者的优先级更高。你在全局改了但某个会话自身带着旧参数新会话一上来继承了那个快照。解决新建会话后先检查会话侧参数覆盖是否开启如果不需要直接在会话设置里点“继承全局”或手动删除覆盖项。从那以后我每次调过参数都会在同一个会话里重新发一条消息验证效果不再信任“看起来保存成功”。5.4 划词按钮在部分网站上不出现现象某些页面选中文字后没有任何弹窗换一个网站又正常。原因扩展默认可能不在所有站点启用或者该页面的脚本注入规则把扩展的工具栏屏蔽了。解决点击扩展图标确认当前站点是否被允许访问再查看扩展的快捷键设置有些工具栏按钮需要手动触发。排除以上两点后强制刷新页面通常能恢复注入。5.5 本地起了两个推理服务对话张冠李戴现象改完配置后模型总是用旧模型的口吻回答问题甚至说出另一个模型的训练数据特征。原因端口冲突或配置指向了错误端口。你以为是 A 服务在响应实际请求被旧进程的端口接住了。解决用系统命令查端口占用情况确认只有一个进程监听目标端口再确认扩展的 Base URL 写的是当前模型的端口。养成“换模型后立刻跑一遍 5.2 的脚本”的习惯这个问题基本不会再犯。6. 验证方法半小时做一次本地模型和在线 API 的效果对照配置完成后不要急着直接投入工作。我常用的验证方式是把同一个提示词分别在本地模型和在线 API 环境各跑一组手动打对比分。准备三组问题一个要求结构输出“把这段日志转成 JSON”一个要求深度推理“这段递归代码的问题在哪”一个要求长文提炼“概括这篇文档的三个核心观点”。每组用 identical 提示词记录输出耗时、结果完整度、格式稳定度三项数据。对比时我只看两个指标结果能否直接用于当前任务以及是否需要二次修改。本地模型哪怕速度慢一点只要输出能直接粘贴进工作流就算合格如果每次都要手动纠错那说明模型选型或参数设置还有问题。这个对照过程值得每次调整版本后都做一遍。那之后我每次新建环境都会强迫自己走完这套流程装扩展、配端口、改参数、跑验证脚本、做一次对照。看着繁琐真到项目交付时反而最省时间。希望帮到你。本文还有配套的精品资源点击获取