Gemma Gem 是一个 Chrome 浏览器扩展，把 Google 的 Gemma 4 模型完全跑在本地设备上（通过 WebGPU 推理），做成一个「住在浏览器里」的个人 AI 助手——无需 API key、不连云、数据不离开本机。它不仅能就当前网页答疑，还能读取页面内容、点击按钮、填写表单、滚动、甚至在页面上下文执行 JavaScript，是一个具备浏览器操作能力的本地 agent。用 TypeScript + WXT 扩展框架构建、用 @huggingface/transformers（transformers.js）做浏览器内 ML 推理，模型为 Gemma 4 E2B/E4B 的 ONNX q4f16 量化版、128K 上下文。Apache-2.0 开源。
来源：README 顶部简介、Tools、Tech Stack、GitHub meta（kessler/gemma-gem，TypeScript，Apache-2.0） 查看 GitHub 仓库 →「本地、私有、不连云的浏览器 AI 助手」正契合对隐私与离线能力的需求，而 WebGPU + transformers.js 让在浏览器里跑像 Gemma 4 这样的小模型成为可能。Gemma Gem 把「on-device 推理 + 能操作网页的 agent」结合起来：模型权重首次下载后缓存，之后完全离线运行，数据全程留在本机；同时具备读页/点击/填表/执行 JS 的实际行动力。这种「隐私优先 + 可动手」的组合，加上贴近 Gemma 4 发布的热点，使它受到关注（约 900 星，属新兴小项目）。
来源：README 顶部简介与 Requirements、Tech Stack、GitHub meta（stars 918、created_at 2026-04-05）通过 @huggingface/transformers 在浏览器的 offscreen document 里用 WebGPU 跑 Gemma 4，无需 API key、不连云、数据不离开本机；模型首次下载后缓存（E2B ~500MB、E4B ~1.5GB），之后可离线使用。
来源：README 顶部简介、Architecture（Offscreen document）、Tech Stack提供 6 个工具：read_page_content（读页面或某 CSS 选择器的文本/HTML）、take_screenshot（截图）、click_element、type_text、scroll_page、run_javascript（在页面上下文执行 JS、可完整访问 DOM）。模型在 agent 循环里调用这些工具完成「问页面 + 替你操作」的任务。
来源：README Tools 表、Architecture可在 Gemma 4 E2B（~500MB）与 E4B（~1.5GB）间切换并持久化选择；支持开关 Gemma 4 原生 thinking、设置每次请求的最大工具调用迭代数、清空当前页对话上下文、按域名禁用扩展。
来源：README Settings 段offscreen document 托管模型与 agent 循环（WebGPU 推理 + token 流式）、service worker 做消息路由并处理截图与 JS 执行、content script 注入 gem 图标与 shadow DOM 聊天浮层并执行 DOM 工具，分工明确、便于调试（日志按上下文分布）。
来源：README Architecture 与 Debugging 段、仓库目录（offscreen/background/content/entrypoints）项目是用 WXT（基于 Vite 的 Chrome 扩展框架）构建的 Manifest V3 扩展，按职能分目录：offscreen/（offscreen document，托管 Gemma 4 模型、用 @huggingface/transformers + WebGPU 做推理并运行 agent 循环、token 流式输出）、background/（service worker，作为消息路由器，负责截图 take_screenshot 与 run_javascript 执行）、content/（content script，注入右下角 gem 图标与 shadow DOM 聊天浮层，执行 read_page_content/click_element/type_text/scroll_page 等 DOM 工具）、entrypoints/、shared/、public/。三者通过消息互通：content↔service worker↔offscreen。模型用 onnx-community 的 gemma-4-E2B-it-ONNX / E4B q4f16 量化版、128K 上下文，首次加载后缓存。WebGPU 需要 shader-f16 特性，对 GPU 显存/共享内存有要求（E2B≈4GB、E4B≈6GB），长上下文下 KV cache 还会增加 10–20% 内存开销。
来源：README Architecture/Tech Stack/Hardware Requirements、仓库目录（offscreen/background/content/entrypoints/shared、wxt.config.ts）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
@huggingface/transformers（transforme…WebGPU（需 shader-f16）Gemma 4 E2B/E4B（onnx-community ONNX，…marked（聊天 Markdown 渲染）适合注重隐私、想要离线本地浏览器助手的用户：在不把数据发往云端的前提下，让它总结/解读当前网页、抽取页面信息、就页面内容答疑；也可让它替你执行轻量网页操作（按选择器点击、填表单、滚动、跑 JS）做小型自动化。对开发者，它还是一个学习「WebGPU + transformers.js 跑本地 LLM」「Manifest V3 扩展里搭 agent 循环与 DOM 工具」的完整参考实现。适用于隐私敏感、需离线或不愿配 API key 的场景。
来源：README 顶部简介、Tools、Architecture项目较新（2026-04 创建），以仓库形式迭代，未上架扩展商店，需自行 pnpm build 后在 chrome://extensions 加载。已支持 Gemma 4 E2B/E4B 双模型、6 个网页操作工具与可调设置。最近一次更新在 2026-05-08，变更见 CHANGELOG。
来源：README Setup/Settings、GitHub meta pushed_at 2026-05-08、created_at 2026-04-05Gemma Gem 是一个把「本地、私有、能动手」三点结合得很干净的浏览器 AI 助手实验：用 WebGPU 在设备上跑 Gemma 4、数据不离开本机，又给了它读页、点击、填表、执行 JS 的真实操作能力，架构清晰、对隐私敏感或想离线使用的人很有吸引力，也是学习浏览器内本地 LLM agent 的好范例。现实约束同样明确——要支持 WebGPU 的较强 GPU、首包下载不小、小模型能力有限，且赋予扩展执行任意 JS 的权限需谨慎使用。作为一个还年轻、需自行构建加载的开源项目，它更适合喜欢折腾本地 AI 与隐私方案的开发者尝鲜，而非开箱即用的大众工具。
来源：综合 README、架构、硬件要求与 GitHub meta 的事实判断