IChat

IChat 扩展使用文档

语言： English | 简体中文

IChat 是做什么的

IChat 是一个面向网页场景的 Chrome 侧边栏 AI 对话扩展。创新点在于：上下文的智能获取+无缝流转。并且完全的本地化，无需担心隐私和api key泄露。

具体来说: 根据你鼠标hover的区域或者选定的文字，智能组建一个Context(在IChat，我称之为FlowContext)，并通过唤起侧边栏，让整个Q&A chat的过程无比丝滑顺畅。

场景示例:

在普通网页中，快捷键支持两种 Context 捕获方式：

划词捕获：先在页面中选中你关心的文本，再按下 Ctrl+Shift+Y（默认快捷键），即可捕获选中文本以及附近的隐式上下文。
智能捕获：按下 Ctrl+Shift+Y（默认快捷键）后触发 Context 捕获，捕获目标会随着鼠标移动而实时更新。如果对捕获结果不满意，可使用鼠标滚轮调整 Context 捕获范围，或按 Esc 取消捕获。

当前能力

选中文本优先抓取
未选中文本时的智能 DOM 抓取
面向图片目标的附件处理能力
原生 side panel 聊天界面
可分离出的独立聊天标签页
支持 OpenAI-compatible、Gemini 和 Anthropic 的 BYOK 配置

右键捕获选中文字

在网页或 Chrome PDF 阅读器中选中文字，右键点击选区，选择“用 IChat 捕获选中文字”，即可打开侧边栏并将 Chrome 提供的文字载入为新的 FlowContext。自动发送开启时进入当前提供方的发送流程；关闭时保留为草稿，可继续输入问题再发送。此路径使用纯文本，无需视觉模型或 OCR，也不读写剪贴板。它只捕获选中文字和可用的来源元数据，不额外提取周边段落。菜单仅在 Chrome 提供文字选区时显示，并跟随 IChat 的界面语言设置。

在线 PDF

在 Chrome 内置 PDF 阅读器中，点击扩展按钮或使用捕获快捷键，会将当前标签页可见区域作为图片附件，需要使用支持图片的模型。请先缩放、滚动到需要的内容；截图可能包含阅读器控件和多页的局部内容。这不是整份文档解析，也不是精确划词提取。自动发送遵循现有设置；如需先检查附件，请在设置中关闭自动发送。此回退暂不覆盖本地 file:// PDF 和普通网页中嵌入的 PDF。

如何使用 IChat

1. 加载/安装扩展

通过 GitHub Releases 安装：

打开 Releases 页面
下载最新的 ichat-chrome-mv3-prod-<version>.zip
将压缩包解压到本地目录
打开 chrome://extensions/
开启开发者模式
点击 Load unpacked
选择解压后的扩展目录

本地开发时：

运行 npm install
运行 npm run build
打开 chrome://extensions/
打开开发者模式
点击 Load unpacked
选择 build/chrome-mv3-prod

2. 打开侧边栏

你可以通过以下方式打开 IChat：

点击扩展 action
使用当前配置的抓取快捷键(默认 ctrl+shift+y)
选中文字后，右键选择“用 IChat 捕获选中文字”

3. 设置

通用

支持英语、简体中文，默认跟随系统
请求附带的消息数: 决定历史消息中的前多少条会被附带。默认值为6，一定程度支持多轮上下文关联的对话，又节省token降低时延
清除本地的历史消息

LLM 提供商

打开 Settings，填入下列任意一种：

OpenAI-compatible API Key (比如豆包)
来自 Google AI Studio 的 Gemini API Key
Anthropic API Key

FlowContext

自动发送（新安装或未保存此设置时默认关闭；已有设置会保留）
- 开启 auto-send，让抓取到的上下文立即进入发送流程(无须手动发送)
- 关闭 auto-send，可在输入框输入想要的prompt再发送
FlowContext 系统提示词：作为system prompt，可自定义
检查FlowContext: 可用于查看当前FlowContext字段内容

语音输入与输入面板

文本框和操作按钮融合在同一个输入面板中。箭头发送草稿，生成回复时切换为方块，点击可停止回复。Enter 发送，Shift+Enter 换行；输入法确认选词时不会发送。

在「设置 → 语音识别服务商」中选择语音输入方式，与聊天模型独立配置：

Chrome 内置（默认）：无需 Key，通过浏览器语音服务边说边出字。
MOSS：选择 MOSS，填写并保存 platform.mosi.cn 的 API Key。使用 moss-transcribe-1.0 模型，通过 POST https://api.mosi.cn/v1/audio/transcriptions 的 multipart file 上传 WAV，并读取 JSON 中的 text。与 Fun-ASR 一样，每次最长录音三分钟，停止后转写，转写超时为 45 秒，支持取消。MOSS 和 Fun-ASR 的 Key 分别保存。MOSS 接口文档。
Fun-ASR-Flash：输入北京地域的百炼 API Key，开通 fun-asr-flash-2026-06-15 模型权限，并点击「保存 API Key」。点击麦克风录音，再次点击（或在输入框按 Escape）结束并提交转写。这是非实时 HTTP 模型，结束录音后才会填入识别文字。达到三分钟上限时自动停止并提交；转写期间麦克风变为取消按钮。启动超时为 15 秒，转写超时为 45 秒。

Chrome 和 Fun-ASR 的识别语言跟随界面语言（简体中文或英语）；MOSS 自动识别所说语言。文字插入光标位置或替换选中文字，保留草稿其余内容。录音与转写期间暂停编辑。录音时点击发送，会停止听写，等待转写完成后将合并后的草稿发送一次；点击麦克风停止则只填入草稿。识别失败、取消或超时不会发送草稿；离开聊天或打开设置会取消待发送操作。旧版本升级后默认继续使用 Chrome；切换语音服务商不影响聊天配置和 Key。

麦克风被拒绝或侧边栏无法弹出权限提示时，点击错误提示中的「授权麦克风」，在扩展标签页中允许访问，再返回聊天点击麦克风。浏览器不支持、设备不可用或语音服务连接失败时，会显示错误并保留草稿供手动输入。

麦克风权限属于 IChat 扩展自身，无需针对侧边栏旁边的各个网站分别授权。未识别到语音时，点击错误提示中的「测试麦克风」。扩展标签页可进行最长十秒的本地测试，显示默认输入设备和音量条，不录制或上传音频。音量条变化说明有输入信号，并不保证声音是清晰的语音。若音量条不动，请检查 chrome://settings/content/microphone 中的默认麦克风、设备静音开关和 Windows 输入音量。停止测试或离开标签页会释放麦克风。

语音服务独立于聊天模型处理音频：Chrome 模式使用浏览器语音服务，Fun-ASR-Flash 模式使用阿里云，MOSS 模式使用 MOSS 平台。Fun-ASR 和 MOSS 录音仅在处理期间暂存于内存，经 HTTPS 直接发送 WAV 音频，不持久保存录音。关闭或离开聊天会停止采集并取消转写，不会自动重新监听。可以在 Chrome 或系统设置中撤销麦克风权限；选择对应服务商并清空 Key 后点击「保存 API Key」可移除该 Key。

本地存储和数据流

在当前实现中：

设置和 API Key 保存在扩展本地存储
FlowContext 和聊天快照保存在本地
图片附件保存在 IndexedDB
请求会直接发往用户选择的模型提供方

更详细的说明请查看隐私政策。

权限概述

IChat 当前需要的 Chrome 扩展能力主要与以下场景相关：

本地存储
与当前页面交互以完成抓取
side panel 展示
为抓取而进行的 content script 注入与页面脚本执行
contextMenus：提供由用户明确触发的选中文字捕获菜单，包括 PDF 文字选区

抓取是如何工作的

当你在普通 http 或 https 页面上触发 IChat 时，扩展会尝试从当前页面收集与请求相关的上下文。

抓取内容可能包括：

选中的文本
智能 DOM 目标文本
周边隐式上下文
页面元数据
图片附件元数据

如果无法直接解析图片目标，IChat 可能使用截图回退，对当前可见区域中的目标部分进行截图处理。