企业官网建设流程全解析

1. page-assist到底是个什么项目

先把话撂在这儿：如果你手头已经装好了Ollama或者LM Studio这类本地推理工具，但总觉得"只能在终端里敲敲打打、或者在自带的简陋网页里聊天"差点意思，那page-assist就是补齐这块短板的那个轮子。

简单说，page-assist是一款开源的浏览器扩展，GitHub仓库地址是n4ze3m/page-assist。它的核心功能是，让本地运行的AI模型直接嵌入浏览器侧边栏，你在浏览任意网页的时候，随时能把当前页面的内容喂给AI，让它帮你总结、翻译、解释、找Bug、改文案，全程不需要把网页内容发送到任何云端服务器，所有推理都发生在你自己的电脑上。

它适合谁？几类人非常对口：一是受够了"每次用云端AI都要复制粘贴网页全文、还要小心隐私泄露"的普通用户；二是每天都在浏览器里读技术文档、英文Paper、长篇文章，需要一个顺手工具做摘要和问答的开发者；三是已经折腾过Ollama、llama.cpp之类本地推理框架，但觉得"模型都跑起来了却没有一个好用的前端"的折腾型玩家。说白了，page-assist的价值就是把"本地模型能用"变成"本地模型好用"。

它在GitHub上的热度不算小，项目定位也比较明确——不搞云端、不搞账号体系、不搞花里胡哨的商业化，就是一个纯粹本地优先、隐私友好的AI助手入口。下面我从使用场景、部署流程、实战细节和踩坑经验几个维度，把这东西掰开揉碎讲清楚。

2. 核心原理解析：为什么"本地AI+浏览器侧边栏"是好组合

2.1 解决的两个真正痛点

先问一个问题：浏览器里用AI助手，大家默认最方便的方式是什么？大多数人会装一个ChatGPT的浏览器插件，或者在浏览器里开一个云端AI的网页标签页。

但这两条路都有很明显的问题。

第一个问题是上下文割裂。我在读一篇很长的技术文档时，如果想问AI"这一段里提到的xx算法到底是怎么实现的"，我得先把这段话复制出来，切到云端的ChatGPT页面，粘贴，再等它回答。要是文档很长、问题很多，这个复制粘贴的动作会重复几十次，效率非常低。

第二个问题是隐私焦虑。有些网页内容是敏感信息，比如内部系统文档、客户信息、还没发布的产品方案。把这些内容粘贴到云端AI对话框里，等于默认第三方能看到这些内容。你可以说"我信任大公司不会乱用数据"，但在很多企业环境里，"数据不出本机"是硬性要求，不是信任问题。

page-assist同时处理了这两个问题。它用侧边栏的形式常驻浏览器，当前页面本身可以作为一个上下文来源，一键传给本地模型。数据不需要离开你的电脑，而且由于本地模型是直接加载在显存里的，响应速度在硬件能扛住的情况下甚至比云端API还快，没有网络波动的影响。

2.2 它和"浏览器自带AI"或"云插件"的本质区别

大家可能已经注意到，Chrome和Edge这两年也在往浏览器里塞AI功能，比如Edge侧边栏的Bing Chat，Chrome的Gemini整合。但这些方案本质上依然是云端调用，你的浏览器行为数据、网页内容会在后台被送到微软或Google的服务器做处理。

页面对比一下就明白了：

这一对比就很清晰了。page-assist走的是"边缘计算"的路线——把AI从云端拉回到你的电脑上。代价是你的电脑得有一颗还不错的显卡（或者忍受CPU慢速推理），但换来的是隐私、免费、可控这三大好处。

2.3 技术架构：浏览器扩展如何与本地模型通信

page-assist本身不跑模型，它只是一个"前端壳子"。它的工作流程是：

1. 浏览器扩展在侧边栏渲染一个聊天界面（基于React）
2. 你选择要使用的模型，或选择"以当前页面为上下文"
3. 扩展通过HTTP请求把问题发送到本地推理服务的API，比如Ollama的API地址默认是http://localhost:11434
4. 本地推理服务加载模型完成推理，把结果流式返回给扩展
5. 侧边栏逐字渲染回答

所以page-assist本身几乎不消耗系统资源，真正的"体力活"由Ollama这类后端干。这也使得它的架构非常干净：模型层、推理层、UI层完全解耦。

因为是完全本地通信，所以扩展需要向浏览器申请访问localhost的权限。在Chrome系浏览器里，这属于可配置的站点访问权限，安装后首次使用如果发现连不上本地服务，多半就是扩展访问本地的权限没开，这个我在后面的常见问题章节约详细说。

3. 从零部署：环境准备与完整安装步骤

3.1 先装好本地推理引擎（以Ollama为例）

page-assist目前最成熟的搭配是Ollama。其他后端比如LM Studio也支持，但我个人建议新手上手先用Ollama，原因有三个：

第一，Ollama的安装极其简单，官方提供Windows、macOS、Linux三平台的安装包，装完以后后台服务自动启动，不需要手动配置环境变量；第二，模型管理体验好，ollama pull llama3.1这种命令行方式拉模型，跟Docker拉镜像一样直觉化，小白一看就懂；第三，社区生态最大，绝大多数开源模型都有Ollama格式的量化版本，不用担心模型源的问题。

具体步骤：

1. 访问Ollama官网，下载对应系统的安装包。
2. 安装完成后，在终端验证一下：执行ollama --version，能看到版本号说明装好了。
3. 拉取一个模型。这里我以qwen2.5:7b为例（通义千问2.5系列，中文能力强，7B参数量在消费级显卡上也能跑），执行ollama pull qwen2.5:7b。如果你的显存比较小（6G以下），建议先拉qwen2.5:3b这类小模型。

提示：国内网络环境下拉取模型可能比较慢，建议选个网络不那么拥挤的时段操作。如果持续失败，也可以考虑通过其他渠道下载gguf格式的模型文件再手动导入Ollama，但这是进阶玩法，新手不建议一上来就碰。

安装完成后，可以在浏览器直接访问http://localhost:11434，如果能看到Ollama is running的提示文本，说明后端服务正常。

3.2 安装page-assist扩展

page-assist支持三种安装方式：

第一种是去Chrome Web Store直接搜索"Page Assist"安装，这是最推荐的方式，后续可以自动更新。

第二种是Firefox用户，去Firefox Add-ons搜同名扩展安装。

第三种是自己动手型：从GitHub Releases页面下载最新版CRX文件，然后打开浏览器的扩展管理页面（chrome://extensions），开启开发者模式，把CRX文件拖进窗口即可完成安装。

装好以后，浏览器工具栏会出现Page Assist的图标，点击图标会在当前页面右侧滑出一个侧边栏，这就是整个项目的核心交互界面了。

3.3 扩展配置：连接本地服务

第一次打开侧边栏时，它可能会提示你还没有配置本地推理服务。点开扩展的设置页面，核心配置项有这么几个：

• Ollama API地址：默认http://localhost:11434，一般不用改
• 模型选择：这里会自动读取Ollama中已下载的模型列表，选择你希望默认使用的那个
• 页面上下文：是否默认把当前网页的正文内容作为上下文发送给模型
• 提示词模板：可以自定义预设的系统提示词

我的建议是，第一次配置的时候，先不要开启"自动发送页面上下文"这个选项，因为有些网页的正文提取效果一般，可能把导航栏、页脚、悬浮窗的乱七八糟内容全塞给模型，既浪费上下文窗口又影响回答质量。先用无上下文的纯聊天模式跑通链路，再按需开启页面感知功能。

4. 核心功能实战：这才是page-assist的完全体

4.1 网页问答与即时解读

跑通了基本链路以后，最常用的场景就是"边看网页边提问"。

比如我在读一篇关于Rust异步运行时（async runtime）的英文博客时，遇到一个tokio::select!宏的用法不太理解。传统做法是复制这段代码，打开AI网页版，粘贴，问，等待。现在直接在page-assist侧边栏里问："请以初学者能理解的方式解释一下这段代码中的tokio::select!宏是干什么的，并给出一个生活中的类比。"

如果开启了"以当前页面为上下文"，它能准确地引用下一页中的代码片段和术语来回答，这种体验非常接近在本地装了一个专属的"技术文档解读助手"。

而且page-assist的一个细节做得很好：回答是流式输出的，本地模型生成多少字就实时显示多少字，不需要等全部生成完再看结果。以7B的量化模型为例，在RTX 4060/4070这个级别的显卡上跑，输出速度大概在20~40 tokens每秒，体感上比云端AI还是要慢一些，但属于"能接受"的范畴。

4.2 长文总结：一页顶十页

另一个高频场景是长文总结。

你找到一篇三四千字的深度分析文章，不想逐字读，想先让AI给你一个摘要，判断值不值得读。在page-assist侧边栏里选中"以当前页面为上下文"，然后输入："请用三点总结这篇文章的核心观点，每一点不超过两句话。"

要注意：本地小参数模型（7B以下）在复杂指令遵循方面确实不如云端大模型。如果你发现总结出来的点很泛、不够精准，可以拆分成更具体的指令，比如"请总结这篇文章中提到的三种解决方案，并按照实施难度排序"。把问题问得越具体，本地模型的表现就越稳定。

另外，上下文窗口不是无限的。虽然现在很多模型支持8K甚至128K的上下文，但一方面是要看Ollama拉取的模型具体支持多少，另一方面上下文越长，推理速度越慢、显存占用越高。如果文章特别长，超过模型上下文上限，page-assist会自动做截断处理，这可能导致AI漏掉结尾部分的关键信息。

4.3 翻译与写作辅助

翻译这块，page-assist的表现很实用。因为整个交互都在浏览器里，你可以选中网页中的某一段英文，复制到侧边栏提问"翻译成中文，保持技术术语准确"，或者干脆把整页作为上下文，让AI翻译重要段落。

一个我自己总结的小技巧：使用"翻译时要区分直译和意译"这种押韵提示词，效果比对本地模型说"请翻译"要好很多。原因在于本地小模型对模糊指令的理解能力有限，你给的指令越结构化、框架越清晰，它的输出就越可控。

写作辅助也是一个隐藏用途。我在写周报或者技术方案的时候，经常会开着page-assist，把已经写好的段落丢给它，让它帮忙润色、改成更简洁的表达、或者按"结论先行"的思路重写。因为这些内容是内部材料，不太适合传到云端AI，本地模型这时候反而是最稳妥的选择。

4.4 多模型切换与并行使用

Ollama本身支持同时下载多个模型，page-assist也允许你在聊天界面下拉切换模型。这意味着你可以：

• 平时用7B的qwen2.5处理日常问答和总结
• 遇到代码问题时切换到一个更偏代码的模型，比如deepseek-coder或codellama
• 显存吃紧时切到3B甚至1.5B的小模型保证流畅度

不过要提醒一点：切换模型后，之前的对话上下文是否保留，取决于对话历史记录功能。page-assist默认保存对话历史，但不同模型之间切换时会清空当前对话上下文，因为不同模型没有共享的上下文机制。

5. 部署与使用中的常见问题排查

5.1 扩展提示"无法连接到Ollama服务"

这个是最常见的问题，通常原因有几个：

第一，Ollama服务没有启动。检查方法：在终端执行ollama list，如果能列出模型说明服务正常；如果提示找不到命令，说明Ollama没装好或没有加入系统PATH。

第二，扩展没有访问本地端口的权限。Chrome系浏览器在安装扩展后，默认可能禁止扩展访问localhost。解决方法：点击浏览器工具栏的Page Assist图标右侧的三个小点，进入"站点访问权限"，选择"在全部网站上"或者把http://localhost:11434加入允许列表。

第三，端口冲突。极少数情况下，Ollama默认监听的11434端口被其他软件占用。排查方法：终端里执行ollama serve手动启动服务，看输出的日志里是否出现端口绑定错误。如果确实冲突了，需要修改Ollama配置文件换一个端口，然后在page-assist设置里同步修改API地址。

5.2 回答速度太慢或直接卡死

这种情况多半是模型太大的锅。我遇到过有朋友在只有8GB内存的MacBook Air上跑13B模型，那体验基本是灾难级的——生成一个词要好几秒，跟PPT播放一样。

解决方案有三个方向：

一是换小模型。7B是性价比之选，3B是对性能的妥协，1.5B适合只有集显的老机器。以qwen2.5系列为例，3B模型在纯CPU环境下也能做到每秒几个token的速度，虽然不快但起码能用。

二是开启GPU加速。Ollama默认会尝试使用GPU，但某些驱动、某些环境下可能回落到了CPU推理。在Ollama的日志里能看到类似offload 10/24 layers to GPU的信息，如果设备支持但没有走GPU，可以查看Ollama的文档确认环境变量配置是否正确。

三是限制并发。如果你同时打开多个页面、每个页面都在运行page-assist的对话，模型会被反复重新加载，导致"卡死"的体感。实际上不是卡死，是模型排队加载。解决方法是同一时间只在一个页面使用page-assist，或者把Ollama的OLLAMA_NUM_PARALLEL环境变量设小一点。

5.3 回答质量不理想怎么办

本地模型不是万能的，尤其是7B这个参数量级别，跟GPT-4o这类云端巨型模型相比，在复杂推理、多轮对话的连贯性上确实有差距。但通过一些技巧可以尽可能拉近差距：

第一，用好的提示词模板。page-assist支持自定义系统提示词，你可以按自己的需求设置类似"你是一位资深的软件架构师，回答问题时请先分析问题本质，再给出具体建议，最后提供示例"。固定的角色能显著提升输出的稳定性。

第二，选择合适的基座模型。不同任务有不同擅长领域：qwen2.5系列的中文理解和指令遵循在开源模型里是第一梯队；llama3.1的英文能力极强；deepseek系列在代码补全上有明显优势；mistral的响应速度快。我的建议是至少装两个不同专长的模型，按场景切换。

第三，分而治之。不要一上来就丢给AI一个特别大、特别模糊的问题。把大问题拆成小问题，先让它逐段解读，再让它综合分析，输出质量会高一个台阶。

6. 进阶技巧：把page-assist用出花来

6.1 结合浏览器多开实现"AI速读新闻"

我日常有一个固定流程：早晨打开十几条技术新闻和技术博客的标签页，快速浏览一遍标题和摘要，挑出两三条值得精读的。有了page-assist之后，我会多做一个动作：在每条新闻页面打开侧边栏，输入"用三句话总结本文，并说明如果你是开发者，这篇文章有哪些信息是你应该注意的"。

十几篇文章大概十分钟就能扫完，而且因为模型是跑在本地的，不用心疼API费用。这些小任务用大模型跑是浪费，用本地模型跑刚刚好。

6.2 用自定义提示词模板做"专业角色"

page-assist的提示词模板功能，很多人没有充分利用。我强烈建议花十分钟把常用的模板沉淀成可复用的预设：

• 代码审查员："你是一名资深代码审查员，请审查以下代码，指出潜在的Bug、性能问题和安全隐患，并按严重程度排序"
• 外语老师："你是一名英语老师，请分析这段文本的语法结构，指出里面的高级表达方式，并解释这些表达为什么比普通写法好"
• 文档改写器："请将这篇文章的内容改写成结构化文档，包括标题、段落、要点列表，保持原始信息完整但表达更清晰"

这样在需要时，一键切换模板，不需要每次重复输入一大段指令。

6.3 离线环境下的"私有AI工作台"

往前再推一步，page-assist搭配Ollama其实能构建一个完全离线的AI工作台。你把模型提前下载好，之后任何时间、任何地点，只要电脑有电，AI助手就随时可用。飞机上、地铁里、没有信号的野外，都不影响使用。

我在有几次外出参加技术分享活动时，现场网络状况很差，但需要在手机上快速查一些资料摘要、或者给现场观众演示"这是我的私人AI助手"，用了page-assist后完全不受网络影响，那种稳定感是云端方案给不了的。

6.4 在Firefox/移动端的表现

page-assist不仅支持Chrome系浏览器，Firefox上同样有不错的体验。Firefox的侧边栏API跟Chrome的略有差异，但page-assist做了适配，功能基本一致。移动端的支持相对弱一些，毕竟手机浏览器的扩展生态大部分都不完整，这就别抱太大期望了。想体验移动端本地AI的话，可以关注Ollama在iOS/Android上的第三方客户端，但那就不是page-assist的主场了。

7. 横向对比：本地AI浏览器扩展还有哪些选择

有对比才有说服力。page-assist不是唯一一个做"本地AI浏览器伴侣"的项目，市面上还有几个类似方案。

从我个人的实际体验来说，page-assist的优势在于"把浏览器场景吃透了"。侧边栏这个形式非常贴合"边浏览边问"的需求，页面上下文的处理也比较智能，不会把乱七八糟的页面元素全塞给模型。有些同类项目更像是一个"浏览器里的Ollama聊天室"，交互形式跟网页版没本质区别，那就失去意义了。

我理解一个工具的价值，不在于它功能有多多，而在于它在正确的场景里提供了正确的能力。page-assist在"浏览网页时随时与本地AI对话"这个场景里，是目前我见过做得最称手的。

8. 写在最后：关于这个项目的一些个人感想

折腾本地AI这一年多，我有一个比较深的体会：本地模型的生态正在以肉眼可见的速度成熟。两年前跑个13B模型要各种配置环境、处理CUDA依赖、手工编写推理代码，普通人根本玩不转。现在Ollama把模型管理做到一条命令搞定，page-assist又把交互界面嵌进了日常最常用的浏览器里，这个组合已经让"普通用户使用本地AI"的门槛降到了非常低的水位。

如果你是一个对隐私敏感、或者想了解开源模型真实水平的人，我建议花一个下午装好Ollama和个人page-assist，选一个7B左右的模型实际用几天。它不会像GPT-4o那样惊艳，它更像一个靠谱、稳定、随叫随到的本地助手——不会联网搜集你的数据，不会因为服务商调整策略而功能缩水，不会因为网络波动而中断回答。这种"拥有感"和"掌控感"，是云端AI永远给不了的。

最后说一个我踩过的坑吧：我最初用page-assist时总嫌回答不够好，一度想放弃，后来意识到问题不在工具，而在我选的模型太老、提示词太糙。换了qwen2.5系列之后，体验上升了一个档次。所以如果你第一次试的时候效果一般，别急着卸载，试试换一个模型、改一版提示词，它真的能给你惊喜。