browser-ai：在浏览器里跑 AI，一个 SDK 全搞定

想象这样一个场景：你开发了一款网页应用，用户打开浏览器就能直接和 AI 对话——不需要调用云端 API、不需要等待服务器响应、甚至不需要联网。模型就运行在用户本地的浏览器里，数据永不离开用户的设备。这不是科幻，这是 browser-ai 正在实现的事。

背景：浏览器端 AI 的三次浪潮

让 AI 模型跑在浏览器里，这条路业界探索了将近五年。2019 年，TensorFlow.js 开启了第一波浪潮，但它只支持相对简单的模型，LLM？想都别想。2023 年，Transformers.js 和 WebLLM 相继问世，WebGPU 成为关键推手——终于可以在浏览器里跑参数量级的模型了。但问题来了：这些底层库的 API 各不相同，切换模型就像换轮胎还要自己造扳手。

browser-ai 的出现就是为了解决这个问题。它不是又一个推理引擎，而是一个统一封装层：用同一套接口，对接 Chrome/Edge 内置 AI、WebLLM、HuggingFace Transformers.js 三种完全不同的后端。对开发者而言，换模型只是改一行配置的事。

核心设计：模块化 Provider 架构

browser-ai 分为三个独立 npm 包：

@browser-ai/core：对接 Chrome/Edge 内置 Gemini Nano。当用户的 Chrome/Edge 开启了 Experimental AI 功能，应用无需下载任何模型，直接调用浏览器自带的推理能力。响应最快，但模型能力受限于浏览器内置版本。
@browser-ai/web-llm：对接 WebLLM，可在浏览器内运行 Llama、Qwen、Mistral 等开源大模型（如 Llama-3.2-3B）。首次使用需要下载模型文件到缓存，之后离线可用。模型完全本地，隐私性最强。
@browser-ai/transformers-js：对接 HuggingFace Transformers.js，支持文本分类、翻译、问答等多种任务模型，覆盖面最广，生态最丰富。

三者共享统一的 Provider 接口，底层均桥接到 Vercel AI SDK（ai 包），这意味着你的应用可以无缝使用 AI SDK 的流式输出（streamText）、工具调用（tool calling）等高级功能。

代码结构：Monorepo 下的精密分工

项目采用 Turborepo 管理 monorepo，目录结构清晰：

packages/vercel/
├── core/          # Chrome/Edge 内置 AI provider (@browser-ai/core v2.1.13)
├── web-llm/       # WebLLM provider (@browser-ai/web-llm v2.1.8)
├── transformers-js/  # Transformers.js provider (@browser-ai/transformers-js v2.2.2)
└── shared/        # 共享工具函数 (@browser-ai/shared)

所有包均以 @ai-sdk/provider 为 peer dependency，保证与 AI SDK 的版本兼容性。代码量适中（TypeScript 单仓库），结构适合作为 SDK 二次开发的基础。

使用体验：5 行代码跑起来

以 WebLLM 为例，接入只需要：

import { streamText } from 'ai';
import { webLLM } from '@browser-ai/web-llm';

const result = streamText({
  model: webLLM('Llama-3.2-3B-Instruct-q4f16_1-MLC'),
  prompt: 'Invent a new holiday and describe its traditions.',
});
for await (const chunk of result.textStream) {
  process.stdout.write(chunk);
}

开发者无需关心 WebGPU 初始化、模型加载进度、缓存策略，browser-ai 全部封装好了。这也是它受到好评的核心原因：把复杂性藏起来，把简单留给用户。

browser-ai npm header 图1：browser-ai npm 包展示页，展示了三个子包的下载量

隐私革命：数据真的在本地

browser-ai 最具变革性的意义，在于隐私。当模型在浏览器里跑，用户的输入数据永远不会发送到任何服务器。这意味着：医疗记录可以交给 AI 处理，法律咨询不需要第三方平台，学生的作业不会被拿去训练模型。

当然这也有代价：模型文件需要下载（Llama-3.2-3B 约 2GB），首次加载耗时较长；浏览器 WebGPU 支持尚不完整，部分老设备无法使用。

局限与挑战

模型能力受限：浏览器端模型的参数量受限于 WebGPU 显存，通常不超过 3B-7B，远不及云端 GPT-4 级别模型的水平。
首次加载慢：大模型首次下载需要数分钟，没有网络加速体验较差。
兼容性问题：Firefox、Safari 对 WebGPU 支持较晚，实际生产环境需做特性检测降级。
API 稳定性：作为活跃开发中的项目，breaking change 较频繁，生产使用需锁定版本。

行业意义：前端 AI 的大一一统时刻

browser-ai 的出现代表了一个趋势：前端 AI 基础设施正在走向成熟。Vercel AI SDK 已经成为前端集成 AI 的标准，而 browser-ai 让这套标准延伸到了浏览器端。

未来，随着 Chrome/Edge 内置模型能力增强、WebGPU 覆盖提升，browser-ai 这类工具的价值会越来越大。它正在做的事情，本质上是把 AI 从服务器上的黑箱变成用户设备上的透明工具。

如果你正在构建需要 AI 能力的前端应用，且对数据隐私有要求，browser-ai 值得放进你的技术选型清单。

browser-ai：在浏览器里跑 AI，一个 SDK 全搞定

背景：浏览器端 AI 的三次浪潮

核心设计：模块化 Provider 架构

browser-ai 分为三个独立 npm 包：

@browser-ai/core：对接 Chrome/Edge 内置 Gemini Nano。当用户的 Chrome/Edge 开启了 Experimental AI 功能，应用无需下载任何模型，直接调用浏览器自带的推理能力。响应最快，但模型能力受限于浏览器内置版本。
@browser-ai/web-llm：对接 WebLLM，可在浏览器内运行 Llama、Qwen、Mistral 等开源大模型（如 Llama-3.2-3B）。首次使用需要下载模型文件到缓存，之后离线可用。模型完全本地，隐私性最强。
@browser-ai/transformers-js：对接 HuggingFace Transformers.js，支持文本分类、翻译、问答等多种任务模型，覆盖面最广，生态最丰富。

代码结构：Monorepo 下的精密分工

项目采用 Turborepo 管理 monorepo，目录结构清晰：

packages/vercel/
├── core/          # Chrome/Edge 内置 AI provider (@browser-ai/core v2.1.13)
├── web-llm/       # WebLLM provider (@browser-ai/web-llm v2.1.8)
├── transformers-js/  # Transformers.js provider (@browser-ai/transformers-js v2.2.2)
└── shared/        # 共享工具函数 (@browser-ai/shared)

所有包均以 @ai-sdk/provider 为 peer dependency，保证与 AI SDK 的版本兼容性。代码量适中（TypeScript 单仓库），结构适合作为 SDK 二次开发的基础。

使用体验：5 行代码跑起来

以 WebLLM 为例，接入只需要：

import { streamText } from 'ai';
import { webLLM } from '@browser-ai/web-llm';

const result = streamText({
  model: webLLM('Llama-3.2-3B-Instruct-q4f16_1-MLC'),
  prompt: 'Invent a new holiday and describe its traditions.',
});
for await (const chunk of result.textStream) {
  process.stdout.write(chunk);
}

开发者无需关心 WebGPU 初始化、模型加载进度、缓存策略，browser-ai 全部封装好了。这也是它受到好评的核心原因：把复杂性藏起来，把简单留给用户。

browser-ai npm header 图1：browser-ai npm 包展示页，展示了三个子包的下载量

隐私革命：数据真的在本地

当然这也有代价：模型文件需要下载（Llama-3.2-3B 约 2GB），首次加载耗时较长；浏览器 WebGPU 支持尚不完整，部分老设备无法使用。

局限与挑战

模型能力受限：浏览器端模型的参数量受限于 WebGPU 显存，通常不超过 3B-7B，远不及云端 GPT-4 级别模型的水平。
首次加载慢：大模型首次下载需要数分钟，没有网络加速体验较差。
兼容性问题：Firefox、Safari 对 WebGPU 支持较晚，实际生产环境需做特性检测降级。
API 稳定性：作为活跃开发中的项目，breaking change 较频繁，生产使用需锁定版本。

行业意义：前端 AI 的大一一统时刻

browser-ai 的出现代表了一个趋势：前端 AI 基础设施正在走向成熟。Vercel AI SDK 已经成为前端集成 AI 的标准，而 browser-ai 让这套标准延伸到了浏览器端。

如果你正在构建需要 AI 能力的前端应用，且对数据隐私有要求，browser-ai 值得放进你的技术选型清单。