# 1. Chrome Built-in AI（Gemini Nano）的能力，端侧 LLM 的 API 与限制？ A Chrome Built-in AI 的 Gemini Nano 推理必须联网调用云端服务 B Chrome Built-in AI 提供 Prompt、Summarizer、Translator、Rewriter 等端侧 API，数据不出设备 ✓ 正确答案 C Gemini Nano 的上下文长度与云端大模型完全一致 D 所有浏览器都默认开启 Chrome Built-in AI 全部 API
# 2. Writer API 与 Rewriter API 的能力差异与参数组合在写作辅助场景的取舍 A Writer API 用于生成新内容，Rewriter API 用于改写已有文本，二者参数可通过 capabilities() 探测 ✓ 正确答案 B Writer API 用于改写已有文本，Rewriter API 用于从零生成新内容 C Writer 与 Rewriter 的 tone/length 参数在所有设备上必然可用 D Rewriter API 只能把文本变长，不能变短
# 3. Web AI 的模型下载与离线，设备上推理与隐私？ A 端侧推理等同于云端推理，数据会发送到服务器 B 端侧模型每次推理都需重新从网络下载 C 端侧模型的下载与存储占用空间，推理在本地完成以提升隐私与离线可用性 ✓ 正确答案 D 模型下载不使用 StorageManager 管理空间
# 4. Built-in AI 模型输出的渲染安全，模型输出作为 HTML 渲染前的 sanitize 与提示注入防御，防止端侧模型被诱导输出恶意标记？ A 端侧模型输出总是可信的，可直接渲染为 HTML B 提示注入只影响云端模型，不影响端侧模型 C 模型输出应先经 DOMPurify 等 sanitize，并结合 CSP 与提示注入防御再渲染 ✓ 正确答案 D sanitize 后即可完全忽略 CSP
# 5. Chrome Prompt API（window.ai.languageModel）的 capabilities() 与 availability() 模型探测机制与降级策略 A availability() 返回模型能力参数，capabilities() 返回可用性状态 B availability() 返回可用性状态，capabilities() 返回模型能力参数，据此设计降级策略 ✓ 正确答案 C availability() 只会返回 available 或 unavailable 两种值 D capabilities() 用于管理模型下载进度
# 6. Summarizer API 的 expectedInputLanguages/type（keypoints/tweet）参数与流式 summarize() 的工程落地 A Summarizer API 只能处理中文，不支持其他语言 B Summarizer API 的 type 参数用于指定摘要的语音播报 C Summarizer API 支持 expectedInputLanguages 与 type（如 keypoints/tweet）等参数，并提供流式 summarize() 提升体验 ✓ 正确答案 D 流式 summarize() 必须一次性返回全部摘要
# 7. Rewriter API 的 tone（more-formal/more-casual）与 length 参数在文本润色场景的 UX 设计 A Rewriter API 的 tone 参数只能用于口语化，不能变正式 B Rewriter API 通过 tone/length 参数控制改写风格与篇幅，并需按 capabilities() 探测结果动态设计 UX ✓ 正确答案 C tone 参数在所有设备上必然完全一致 D Rewriter API 不支持 length 参数
# 8. Translator API 的 detect() 与 translate() 在本地化工程中的低延迟离线翻译方案 A Translator API 用 detect() 检测语言、translate() 翻译，可构建低延迟离线翻译方案 ✓ 正确答案 B Translator API 的 detect() 用于翻译，translate() 用于检测语言 C Translator API 翻译必须联网，无法离线使用 D Translator API 支持所有语言对而无需探测
# 9. Chrome Built-in AI 的模型下载时机、模型存储位置与 StorageManager 配额占用对用户隐私的影响 A 浏览器在安装时一次性下载全部端侧模型，占用固定空间 B 模型下载会把用户输入数据上传到服务器 C 端侧模型按需下载，由 StorageManager 配额管理，模型占用配额可能被清理后需重新下载 ✓ 正确答案 D 端侧模型不占用任何存储空间
# 10. Prompt API 的 system prompt 注入风险与 abort() 取消生成在敏感输入下的工程边界 A system prompt 存在注入风险，应隔离输入并配合 abort()、超时与权限策略构建敏感输入的工程边界 ✓ 正确答案 B 将用户输入直接拼入 system prompt 是安全的做法 C abort() 只能取消下载，不能取消生成 D 敏感输入下无需任何额外控制
# 11. Built-in AI 在 iframe 与 Worker 中的可用性及 Permissions Policy 控制策略 A Permissions Policy 与 iframe 没有任何关系 B 跨域 iframe 默认即可调用 Built-in AI，无需授权 C Built-in AI 在所有 Worker 中必然可用 D Built-in AI 在 iframe 中的可用性受 Permissions Policy 控制，需显式授权并按上下文探测 ✓ 正确答案
# 12. Language Detector API 在混合语言文本下的置信度分布与阈值选取策略 A detect() 返回置信度分布，混合语言下置信度分散，需设阈值并处理不确定情形 ✓ 正确答案 B detect() 对任何文本都只返回一种语言且置信度恒为 1 C 置信度与文本内容无关，无需分析 D 混合语言文本的置信度必然集中在单一语言
# 13. Chrome Built-in AI 在 Android（AGC/Google Play Services 分发）与桌面端的模型差异与降级检测 A 不同平台模型分发与能力存在差异，应通过 availability()/capabilities() 探测并降级 ✓ 正确答案 B 降级检测只适用于桌面端，不适用于 Android C 所有平台都预装全部端侧模型 D Android 与桌面端的 Built-in AI 模型能力完全一致
# 14. Prompt API 的 token 上限（maxTokens）与输入截断策略在长文档摘要中的工程取舍 A maxTokens 只影响输出长度，不影响输入 B 端侧模型可无限制处理任意长度文档 C 长文档受 token 上限约束，需通过截断、分段聚合等策略权衡精度与速度 ✓ 正确答案 D 长文档摘要无需任何长度控制
# 15. Built-in AI 与云 API 的混合架构，离线兜底与成本？ A 混合架构中端侧与云端功能完全重复，无互补价值 B 混合架构用端侧做离线/隐私兜底、云端提供高质量能力，并需平衡成本与体验 ✓ 正确答案 C 云端调用免费，无需成本控制 D 混合架构只能使用端侧，不能使用云端
# 16. Built-in AI 的模型版本与一致性，端侧更新的挑战？ A 端侧模型版本随浏览器分发且不同步，需通过能力探测、归一化与回归测试应对 ✓ 正确答案 B 模型版本不同不会影响任何行为 C 端侧模型从不更新 D 所有设备的端侧模型版本必然一致
# 17. 端侧模型下载的中断恢复与网络策略，断点续传、失败重试与用户可见下载状态的工程实现？ A 端侧模型下载一旦中断必须从头重新下载 B 下载失败无需任何处理，直接忽略即可 C 下载进度无需展示给用户 D 端侧模型下载需支持断点续传、失败重试，并提供用户可见的下载进度与状态 ✓ 正确答案
