從瀏覽器插件開始:用 Chrome Extension 打造劃詞即問的 AI 助理實戰指南

前面幾課我們把 AI 搬進了網頁、塞進了桌面,這一課談第三條路:瀏覽器插件。它不用部署伺服器,不用打包桌面程式,卻能住在使用者「正在工作的地方」——看到不懂的名詞,劃選起來點一下,解釋就浮在旁邊。對前端工程師來說,這是 AI 落地成本最低、離場景最近的一種形態。這一課我們用 Chrome Extension(Manifest V3)做一個「劃詞即問」的 AI 助理。

一、為什麼瀏覽器是 AI 助理的好宿主

AI 助理最貴的不是 token,是「使用者願意打開它的次數」。網頁應用要使用者記得網址,桌面應用要安裝;插件不同,它就掛在瀏覽器裡,而瀏覽器是大多數人一天待上八小時的地方。更重要的是,上下文就在眼前——選中的文字、當前頁面、正在看的表格,都是現成的輸入,不需要使用者複製貼上。

一個最小的插件只需要三種角色:

  • manifest.json:身分證,聲明名稱、權限與各檔案位置
  • content script:住在網頁裡的眼睛,負責抓劃詞、畫浮動按鈕
  • background(service worker):住在幕後的手,負責呼叫 LLM API

二、實戰:四步做出劃詞 AI 助理

步驟 1:寫 manifest.json

{
  "manifest_version": 3,
  "name": "劃詞 AI 助理",
  "version": "1.0",
  "permissions": ["activeTab", "storage"],
  "host_permissions": ["https://api.openai.com/*"],
  "background": { "service_worker": "background.js" },
  "content_scripts": [
    { "matches": ["<all_urls>"], "js": ["content.js"] }
  ],
  "options_page": "options.html"
}

storage 用來存使用者自填的 API 金鑰;host_permissions 只開放 LLM API 的網域。重點:權限要最小化——content script 為了在每個頁面抓劃詞,不得不用 <all_urls>,但「呼叫 API」的能力只該給 API 網域,兩者不要混著開。

步驟 2:content script 抓劃詞、畫按鈕

let bubble = null;
function removeBubble() { bubble?.remove(); bubble = null; }

document.addEventListener("mouseup", () => {
  const text = window.getSelection().toString().trim();
  if (text.length < 2) return removeBubble();
  const r = window.getSelection().getRangeAt(0).getBoundingClientRect();
  showBubble(text, r);
});

function showBubble(text, r) {
  removeBubble();
  bubble = document.createElement("div");
  bubble.textContent = "問 AI";
  bubble.style.cssText =
    "position:absolute;padding:6px 12px;background:#2563eb;color:#fff;" +
    "border-radius:6px;cursor:pointer;z-index:2147483647;font-size:13px;";
  bubble.style.top = r.top + window.scrollY - 40 + "px";
  bubble.style.left = r.left + "px";
  bubble.onclick = () => {
    bubble.textContent = "思考中…";
    chrome.runtime.sendMessage({ type: "ASK_AI", text }, (res) => {
      bubble.textContent = res?.reply ?? "呼叫失敗";
    });
  };
  document.body.appendChild(bubble);
}

重點:content script 運行在網頁環境裡,「能被頁面讀到的東西都可能洩漏」,所以它只做 UI 與訊息轉發,絕不放金鑰。

步驟 3:background 代理 LLM API

chrome.runtime.onMessage.addListener((msg, sender, sendResponse) => {
  if (msg.type !== "ASK_AI") return;
  chrome.storage.local.get("apiKey", async ({ apiKey }) => {
    if (!apiKey) {
      sendResponse({ reply: "請先在選項頁填入 API 金鑰" });
      return;
    }
    const res = await fetch("https://api.openai.com/v1/chat/completions", {
      method: "POST",
      headers: {
        "Content-Type": "application/json",
        "Authorization": "Bearer " + apiKey
      },
      body: JSON.stringify({
        model: "gpt-4o-mini",
        messages: [
          { role: "system",
            content: "你是劃詞助理,用繁體中文在三句話內解釋選中內容。" },
          { role: "user", content: msg.text }
        ]
      })
    });
    const data = await res.json();
    sendResponse({ reply: data.choices?.[0]?.message?.content ?? "無回覆" });
  });
  return true; // 關鍵:允許 sendResponse 非同步回呼
});

重點:最後的 return true 是新手最容易踩的坑——不加的話,監聽器同步結束時訊息通道就關閉了,非同步回來的回覆永遠送不到 content script。金鑰存在 chrome.storage.local、只在 background 讀取,與網頁環境完全隔離。

步驟 4:options 頁讓使用者自填金鑰

saveBtn.onclick = () =>
  chrome.storage.local.set({ apiKey: keyInput.value.trim() });

把金鑰交給使用者自己填,開發者全程不碰,這也是上架審查最安全的做法。

三、三條紀律

  • 最小權限:host_permissions 精確到網域,不用萬用字元;上架前把用不到的 permission 全刪掉,審查也問得少。
  • 金鑰隔離:金鑰只出現在 background 與 storage,永遠不進 content script、不寫死在程式碼裡。
  • 不遠端載碼:MV3 禁止遠端託管的 JS,別為了方便動態載外部腳本——既過不了審查,也是安全漏洞。

做到這裡,在 Chrome 載入未封裝的擴充功能,任何網頁劃選一段文字、點「問 AI」,解釋就會浮在旁邊。下一步你可以把回覆改成側邊欄(Side Panel)呈現、接上語音輸入,或用提示詞技巧切換不同「人設」——插件的殼是死的,裡面的 AI 是活的。

互動話題:如果讓你做一個瀏覽器 AI 插件,你會先解決什麼場景?幫忙總結長文、劃詞翻譯,還是自動填表?留言聊聊你的點子!