Candy Constellations 完整深度解析:Candy Browser 如何用端侧 AI 嵌入构建零上传的本地语义页面地图
Candy Constellations 完整深度解析:Candy Browser 如何用端侧 AI 嵌入构建零上传的本地语义页面地图
Candy Browser 的 Candy Constellations(星图) 是一项完全运行在设备端的 AI 语义页面地图功能:它用本地 ONNX 嵌入模型把你浏览过的页面变成一个个"星点",再按语义相似度连成一张可缩放、可搜索的星图——全程不向任何模型服务上传页面内容,是 Candy Browser 本地隐私工具箱中非常"极客"的一块。
Candy Constellations 是什么?一张属于你的"语义星图"
想象一下:你这两周反复看 Jetpack Compose 教程、Android 隐私文档,还穿插着菜谱和新闻。传统浏览器的历史记录只是一串冷冰冰的链接,而 Candy Constellations 会把这些页面按"话题远近"排成一张地图——话题相近的页面彼此靠得近、连上连线,自然聚成一片"星座"。
它的核心定位(摘自产品契约 docs/browsing/constellations.md):
| 关注点 | 设计契约 |
|---|---|
| 入口 | 浏览器菜单 → Candy Constellations(常规本地 Profile,含空标签页) |
| 范围 | 每张星图与开关都只属于一个本地 Profile,没有跨 Profile 查询 |
| 默认状态 | 按 Profile 默认关闭;关闭即删除该 Profile 的全部文档与嵌入向量 |
| 数据流向 | 页面内容从不发送到任何模型服务,推理全部在设备 CPU 上完成 |
一句话概括:它是"你的浏览历史"的可视化升级——从时间线变成空间地图。
端侧 AI 嵌入流水线:138MB 的 ONNX 模型如何跑在手机上
Candy Constellations 的"大脑"是一个 Sentence Transformers 出品的多语言句子嵌入模型 distiluse-base-multilingual-cased-v2(Apache 2.0 协议)。它的完整技术档案见 docs/browsing/constellations-model.md。
整条流水线可以分成四步:
- 显式下载,逐字节校验。约 138MB 的模型(qint8 量化 ONNX + 词表 + 投影层权重)只在用户明确触发后下载,使用固定不可变 revision,并核对精确字节数与 SHA-256 后才原子落盘,存放在应用私有目录
no_backup/constellation_model/。 - 页面文本抽取。浏览器只取"渲染出来的正文文本",并设下硬上限:最多 2 万个文本节点、6.4 万字符;表单、脚本、媒体、隐藏内容一律排除。若页面首次布局尚未完成,最多按 250ms 间隔重试 3 次(见 ConstellationPageExtraction.kt)。
- 本地分词与推理。多语言 WordPiece 分词(区分大小写)→ 128 token 截断;短页面只推理一次,长页面取"开头/中间/结尾"最多 3 个窗口分别推理再平均。由 ConstellationEmbedder.kt 调用 ONNX Runtime 的 CPU 会话执行,配合掩码平均池化与公开的 768→512 稠密投影层(tanh + L2 归一化)。
- 输出一枚 512 维向量。每个页面最终得到一条 512 维归一化嵌入向量——这就是它在这张语义空间地图里的"坐标"。
整个过程只使用 2 个线程级别的资源预算,推理之间及时释放张量,不会阻塞浏览器主线程。
从向量到星图:相似度阈值与图规则
有了每页的 512 维向量,ConstellationGraphRules.kt 用三条"克制"的规则把它们连成图,避免地图变成一张乱麻:
- 节点上限 180 页:每个 Profile 只取最近访问的 180 个有效页面;
- 相似度阈值 ≥ 0.62:两页的余弦相似度达到 0.62 才考虑连线,且只保留最强的边——"相似"表示话题相关,不代表观点一致或内容真实;
- 度数上限 3:每个节点最多连 3 条边,保证星点稀疏、可读。
布局算法是有界的确定性力导向布局(72 次迭代),同一份数据每次打开都得到同一张图。在此基础上还有两个贴心的产品细节:
- 话题芯片(Topic chips):由相似度边连成的、至少含 2 个页面的连通分量会自动成为一个可点击的话题分组,名字直接引用你保存标题里反复出现的词,而不是模型"编"出来的描述;
- 本地关键词搜索:直接在星图里搜标题、URL 和摘要片段(160 字符上限,忽略大小写与重音,所有词都需命中),匹配的星点高亮、周围图变暗,支持上一个/下一个跳转,且搜索不会丢失你当前的视野位置。
隐私保护清单:内容不出设备,删除即无痕
这是 Candy Constellations 最值得展开的部分。隐私与生命周期边界完整列在 docs/browsing/constellations.md 的 "Privacy and lifecycle" 一节,要点如下:
| 边界 | 执行方式 |
|---|---|
| 私密浏览不采集 | 私密标签、Link Peek、外部预览、未绑定弹窗无法被抽取或建索引 |
| 下载器是"哑管道" | 模型下载器只接受进度回调,拿不到 URL、标题或页面文本 |
| 历史联动清理 | 删历史条目/范围/整个 Profile、退出清除、全量清历史,对应嵌入同步删除 |
| 本地隔离存储 | SQLite 数据库 no_backup/candy_constellations.db,复合键 (profile_id, url),支持安全删除 |
| 不进备份、不进同步 | 数据库与模型目录排除在手动归档和 Android 备份之外;Constellations 数据永不进入 Candy Sync |
换句话说:这个功能在默认关闭的基础上,把"开关、存储、传输、同步"四个环节全部钉死在本地,隐私上几乎没有攻击面。
如何开启 Candy Constellations 与使用建议
使用步骤非常直白(Android Gecko 与 System WebView 引擎均可用,iOS 端在原生推理适配器就绪前暂不开放):
- 在浏览器菜单中打开 Candy Constellations(需常规本地 Profile);
- 首次进入时显式确认下载约 138MB 的模型;
- 正常浏览一段时间后,星图会自动收录已提交的历史页面——注意它只索引已加载过的页面,绝不为建图在后台偷偷抓取旧 URL;
- 在可展开地图里平移、双指缩放,点话题芯片跳分组,或用搜索栏直接定位页面。
两条实用建议:
- 每个 Profile 一张图:工作、学习、生活分开放不同 Profile,星图会自动"分片",话题聚类更干净(Profile 机制可参考 docs/promo/candy-profiles-feature.png 所示的 Profiles + Candy Stacks 体系);
- 不想用时一键归零:关闭功能即删除该 Profile 的文档与向量,不会残留任何语义数据。
参考:文档与核心源码索引
想深挖实现,这些文件是最好的入口:
| 层次 | 位置 |
|---|---|
| 产品契约 / 隐私边界 | docs/browsing/constellations.md |
| 固定模型档案(revision、SHA-256、字节数) | docs/browsing/constellations-model.md |
| 嵌入与 ONNX 推理 | ConstellationEmbedder.kt、ConstellationWordPieceTokenizer.kt、ConstellationModelFiles.kt |
| 图规则与布局 | ConstellationGraphRules.kt、ConstellationGraphLabelRules.kt |
| 搜索与呈现 | ConstellationSearchRules.kt、ConstellationPresentationRules.kt |
| 存储与编排 | ConstellationStore.kt、ConstellationRepository.kt |
| UI / 导航 | ConstellationActivity.kt、ConstellationScreen.kt、ConstellationMap.kt |
| 抽取脚本测试 | scripts/constellations_extraction.test.mjs |
小结:Candy Constellations 用"显式下载 + 逐字节校验 + 纯 CPU 本地推理 + 按 Profile 隔离 + 联动删除"这套组合拳,把通常只存在于云端的语义检索体验搬到了口袋里——页面内容自始至终不离开你的手机,而你能得到的是一张会自己聚成星座的浏览地图。🌌


