Flutter for OpenHarmony:Flutter 三方库 dart_openai — 激发鸿蒙应用的 AIGC (AI 大模型/ChatGPT、Deepseek等) 无限创意(适配鸿蒙

Flutter for OpenHarmony:Flutter 三方库 dart_openai — 激发鸿蒙应用的 AIGC (AI 大模型/ChatGPT、Deepseek等) 无限创意(适配鸿蒙

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net

Flutter for OpenHarmony:Flutter 三方库 dart_openai — 激发鸿蒙应用的 AIGC (AI 大模型/ChatGPT、Deepseek等) 无限创意(适配鸿蒙 HarmonyOS Next ohos)

请添加图片描述

前言

随着生成式 AI(AIGC)浪潮席卷全球,将大语言模型(LLM)的智慧集成到移动应用中已成为大势所趋。无论是智能对话、代码生成,还是图像创作,AI 正在重塑我们的交互方式。

Flutter for OpenHarmony 开发中,我们如何让鸿蒙应用直接对话全球顶尖的 AI 模型?dart_openai 库通过对 OpenAI API 的完美封装,为我们提供了从文本(GPT-4)到图片(DALL·E)的全栈 AI 能力。今天,我们将实战如何在鸿蒙设备上构建一个具备思考能力的智能体。

一、为什么集成 OpenAI 到鸿蒙生态?

1.1 万物互联的“大脑”

鸿蒙系统主打分布式协同,而 AI 能作为这些逻辑的中枢。比如用户在鸿蒙手机上说:“根据我现在的健康数据(来自手表),给我制定一份晚餐食谱”,AI 能即时生成人性化的建议。

1.2 为什么在鸿蒙上使用该库?

  • 异步响应式流(Stream):天然支持 OpenAI 的流式输出(Streaming),让鸿蒙应用的聊天回显像打字机一样丝滑。
  • 配置极简:支持自定义 Base URL。这对于鸿蒙开发者在中国大陆环境下使用国内代理转发服务至关重要。
  • 功能完备:除了聊天,还涵盖了 Embedding、音频转文字、文件上传等所有官方能力。

1.3 AI 交互链路模型(Mermaid)

用户输入问题

OpenAI 客户端

代理/BaseURL 转换

OpenAI 核心服务器

LLM 推理引擎

生成结果流

JSON 解析与拦截

UI 状态自增刷新

鸿蒙页面打字机效果展示

二、核心 API 与功能讲解

2.1 引入依赖

pubspec.yaml 中配置:

dependencies:# OpenAI 官方协议封装dart_openai: ^5.1.0 

2.2 初始化与代理配置(重点)

在鸿蒙应用入口处设置 API Key 和端点。

import'package:dart_openai/dart_openai.dart';voidsetupAI(){OpenAI.apiKey ="YOUR_API_KEY";// 💡 适配鸿蒙国内开发:设置代理基准地址OpenAI.baseUrl ="https://your-custom-proxy.com";}
在这里插入图片描述

2.3 核心功能:流式聊天

让 AI 像人一样一个词一个词地蹦出来,拒绝等待长文时的“转圈圈”。

voidchatWithAi(String prompt){// 🎨 创建流式对话Stream<OpenAIStreamChatCompletionModel> chatStream =OpenAI.instance.chat.createStream( model:"gpt-4o", messages:[OpenAIChatCompletionChoiceMessageModel( content:[OpenAIChatCompletionChoiceMessageContentItemModel.text(prompt),], role:OpenAIChatMessageRole.user,),],); chatStream.listen((event){// ✅ 实战:获取当前片段并更新鸿蒙 UIfinal content = event.choices.first.delta.content;print(content?.first.text ??"");});}
在这里插入图片描述

三、鸿蒙应用实战场景

3.1 场景一:分布式智慧办公助手

在鸿蒙智慧屏(电视)上发起语音指令。通过 dart_openai 解析意图,AI 返回结构化的操作建议。随后应用通过鸿蒙的分布式总线,自动控制手机打开对应的文档。

在这里插入图片描述

3.2 场景二:个性化情感健康教练

结合鸿蒙穿戴设备捕获的压力指数。应用调用 OpenAI 的接口,让 AI 以“心理疏导员”的角色给用户发送安慰和呼吸训练建议。

在这里插入图片描述

四、OpenHarmony 平台适配建议

4.1 网络稳定性与超时重连

  • ✅ 建议:移动端网络环境复杂。在 listen Stream 时,务必包裹 onError 处理。在网络闪断后,利用 dart_openai 的断点续传思想或简单的重试机制,防止用户对话中断。

4.2 隐私合规与数据过滤

  • 📌 提醒:涉及到个人隐私(如身份证、家庭地址)时,在发送给 OpenAI 之前,建议在鸿蒙端利用本地正则库先进行脱敏处理。

4.3 UI 线程性能管控

  • ⚠️ 警告:Markdown 的实时解析是一项耗电操作。当 AI 快速输出带代码块的长文时,建议对 Markdown 刷新频率进行“节流”(Throttling),确保鸿蒙手机在 120Hz 下依然冰凉丝滑。

五、完整示例:简易 AI 问答器

演示如何在鸿蒙端快速建立一条 AI 对话逻辑。

import'package:flutter/material.dart';import'package:dart_openai/dart_openai.dart';voidmain(){OpenAI.apiKey ="YOUR_KEY";// 此处替换真实 KeyrunApp(constMaterialApp(home:OpenAIQLab()));}classOpenAIQLabextendsStatefulWidget{constOpenAIQLab({super.key});@overrideState<OpenAIQLab>createState()=>_OpenAIQLabState();}class _OpenAIQLabState extendsState<OpenAIQLab>{String _answer ='问问我任何关于鸿蒙开发的问题吧!';void_askAi()async{setState(()=> _answer ='AI 正在深度思考中...');try{// ✅ 实战:单次完整对话请求final completion =awaitOpenAI.instance.chat.create( model:"gpt-3.5-turbo", messages:[OpenAIChatCompletionChoiceMessageModel( content:[OpenAIChatCompletionChoiceMessageContentItemModel.text("解释什么是鸿蒙系统")], role:OpenAIChatMessageRole.user,),],);setState(()=> _answer = completion.choices.first.message.content!.first.text!);}catch(e){setState(()=> _answer ='连接 AI 实验室失败:$e');}}@overrideWidgetbuild(BuildContext context){returnScaffold( appBar:AppBar(title:constText('dart_openai 鸿蒙实验室')), body:Center( child:Padding( padding:constEdgeInsets.all(16.0), child:Column( mainAxisAlignment:MainAxisAlignment.center, children:[constIcon(Icons.auto_awesome, size:80, color:Colors.teal),constSizedBox(height:20),Text(_answer, textAlign:TextAlign.center, style:constTextStyle(fontSize:16)),constSizedBox(height:30),ElevatedButton(onPressed: _askAi, child:constText('向 AI 提问')),],),),),);}}
在这里插入图片描述

六、总结

在鸿蒙生态万物合一的构想中,AI 是点亮智慧的关键火种。通过 dart_openai,我们将世界顶尖的推理算力带到了 Flutter for OpenHarmony 开发者面前。从极简的对话到复杂的创意生成,AI 的加入让鸿蒙应用不再仅仅是单纯的工具,而是懂人、助人的智慧伙伴。

核心要点回顾:

  1. 全协议覆盖:从 Chat 到 Image,拥抱 OpenAI 全场景能力。
  2. 鸿蒙代理支持:灵活的 Base URL 配置,满足复杂网络环境。
  3. 响应式体验:利用 Stream 机制实现丝滑的打字机交互。
  4. 安全合规:重视数据预处理,守护鸿蒙用户隐私。

让 AI 的灵魂,赋予您的鸿蒙应用无限的可能!

Read more

91n边缘计算设备部署轻量TensorFlow模型全流程

91n边缘计算设备部署轻量TensorFlow模型全流程 在工厂车间的流水线上,一台不起眼的小型嵌入式设备正实时分析摄像头传来的图像——它没有连接云端,也不依赖高性能GPU,却能在200毫秒内判断出产品表面是否存在划痕,并立即触发报警。这背后的核心技术,正是基于“91n”类边缘计算设备与轻量化TensorFlow模型的深度融合。 这类设备算力有限、内存紧张,却承担着工业智能化转型中最关键的一环:让AI真正落地到生产现场。而要实现这一目标,不仅需要合适的硬件平台,更离不开一套高效、稳定、可规模化的软件部署方案。TensorFlow Lite 正是在这样的需求背景下脱颖而出,成为当前工业级边缘AI应用的主流选择。 TensorFlow Lite 的工程实践价值 为什么是 TensorFlow Lite?这个问题的答案,藏在每一次模型转换、每一行推理代码和每一个实际部署案例中。 作为 TensorFlow 针对移动端和嵌入式场景优化的轻量版本,TFLite 并非简单地“裁剪”功能,而是从底层重新设计了推理引擎。它的核心逻辑可以概括为三个阶段:模型转换 → 解释器加载 → 本地推理

【AI】——SpringAI通过Ollama本地部署的Deepseek模型实现一个对话机器人(二)

【AI】——SpringAI通过Ollama本地部署的Deepseek模型实现一个对话机器人(二)

🎼个人主页:【Y小夜】 😎作者简介:一位双非学校的大三学生,编程爱好者, 专注于基础和实战分享,欢迎私信咨询! 🎆入门专栏:🎇【MySQL,Javaweb,Rust,python】 🎈热门专栏:🎊【Springboot,Redis,Springsecurity,Docker,AI】  感谢您的点赞、关注、评论、收藏、是对我最大的认可和支持!❤️ 目录 🎈Java调用Deepseek  🍕下载Deepseek模型  🍕本地测试  🍕Java调用模型 🎈构建数据库  🍕增强检索RAG  🍕向量数据库  🍕Springboot集成pgvector 🎈chatpdf 🎈function call调用自定义函数 🎈多模态能力 🎈Java调用Deepseek 本地没有安装Ollama、Docker,openwebUI,可以先学习一下这篇文章:【AI】——结合Ollama、Open WebUI和Docker本地部署可视化AI大语言模型_ollma+本地大模型+open web ui-ZEEKLOG博客

FPGA内部资源详解:LUT、FF、BRAM、DSP、PLL是什么?综合报告怎么看

FPGA内部资源详解:LUT、FF、BRAM、DSP、PLL是什么?综合报告怎么看

本文是《FPGA入门到实战》专栏第8篇。上一篇完成了第一个下板项目,本篇从芯片内部视角出发,深入讲解 FPGA 的五大核心硬件资源:LUT、FF、BRAM、DSP 和 PLL。理解这些资源的工作原理和使用限制,是写出高质量 FPGA 代码、读懂综合报告的基础。 FPGA内部资源详解:LUT、FF、BRAM、DSP、PLL是什么?综合报告怎么看 * 1. 为什么要了解内部资源 * 1.1 Artix-7 资源概览 * 2. LUT 查找表 * 2.1 LUT 是什么 * 2.2 LUT 实现任意 6 输入函数 * 2.3 LUT 的双输出模式(O5/

2026 AI元年:AI原生重构低代码,开发行业迎来范式革命

2026 AI元年:AI原生重构低代码,开发行业迎来范式革命

前言         2026 年,被全球科技产业正式定义为AI 规模化落地元年。 从实验室走向生产线、从对话交互走向系统内核、从锦上添花的功能插件走向底层驱动引擎,AI 不再是概念炒作,而是重构软件研发、企业服务、数字化转型的核心生产力。低代码开发平台,作为过去十年企业数字化落地最轻量化、最普及的工具,在 2026 年迎来最彻底的一次变革:AI 全面注入低代码,从 “可视化拖拽” 迈向 “意图驱动生成”。         长期以来,低代码行业始终面临两大争议:一是被技术开发者嘲讽 “只能做玩具系统,无法支撑企业级复杂场景”;二是被业务人员抱怨 “依旧需要懂技术、配规则、调逻辑,门槛依然很高”。而随着大模型技术成熟、国产模型规模化商用、AI 工程化能力落地,这一切正在被改写。         JNPF 作为企业级低代码平台的代表,在 2026 年全面完成 AI 原生架构升级,深度对接 Deepseek、通义千问、