flowtoken
FlowToken 是一款专为 React 开发者设计的 UI 组件库,旨在优化大语言模型(LLM)流式文本输出的视觉呈现。在 AI 应用开发中,模型生成的文字往往以机械的方式逐字蹦出,缺乏流畅感。FlowToken 通过提供丰富的动画效果(如淡入、模糊显现、打字机效果、文字翻转等),让文本随着生成过程平滑、动态地展示,显著提升了用户的阅读体验和交互质感。
该工具特别适合前端工程师和全栈开发者使用,尤其是那些正在构建聊天机器人、AI 助手或任何需要实时展示生成内容的应用团队。它不仅能轻松集成到现有项目中,还原生支持 Markdown 渲染,方便直接展示格式化文本和代码块。
FlowToken 的技术亮点在于其高度的可定制性与灵活性。开发者可以精细控制动画的速度、时序函数以及文本分割方式(按字或按词)。更独特的是,它支持自定义组件映射,允许开发者定义特殊的 XML 标签,让 LLM 输出的特定结构直接渲染为复杂的 React 组件,实现了内容与交互逻辑的深度结合。作为一个轻量级且响应式的库,FlowToken 兼容现代主流浏览器,是打造现代化 AI 界面不可或缺的工具。
使用场景
某初创团队正在开发一款基于 LLM 的实时编程辅导助手,用户期望在对话中获得流畅的代码讲解与交互式组件展示。
没有 flowtoken 时
- 视觉体验生硬:LLM 生成的文字逐字机械弹出,缺乏过渡动画,让用户感觉像是在调试终端而非与人交流。
- 长文本阅读疲劳:大段代码或解释性文字瞬间堆砌或无序跳动,用户难以捕捉重点,容易产生视觉疲劳。
- 交互形式单一:无法在流式输出中直接渲染自定义的交互式卡片(如代码预览、链接摘要),只能显示纯文本占位符。
- 品牌感缺失:呆板的默认字体和布局无法体现产品的精致度,降低了用户对 AI 回答质量的信任感。
使用 flowtoken 后
- 动效自然流畅:利用
dropIn或typewriter等预设动画,让文字如行云流水般浮现,营造出“专家正在娓娓道来”的沉浸感。 - 节奏可控舒适:通过
animationDuration精细调节文字出现速度,配合sep="word"按词分割,完美匹配人类阅读节奏。 - 富交互即时呈现:借助
customComponents功能,当 AI 输出特定标签时,直接动态渲染出带有悬停效果的代码卡片或文章预览组件。 - 品牌形象提升:统一的缓动函数(
ease-in-out)和优雅的淡入效果,显著提升了界面的现代感和专业度。
flowtoken 将冰冷的数据流转化为具有情感温度的视觉对话,极大提升了用户对 AI 助手的留存意愿与信任度。
运行环境要求
未说明
未说明

快速开始
FlowToken 🌊
用于 LLM 文本流式传输的流畅动画库

FlowToken 是一个 React 组件库,旨在提升大型语言模型(LLM)文本流式传输的视觉呈现效果。该库提供了多种动画效果,使文本以平滑、动态的方式呈现,从而为用户提供更具吸引力的交互体验。
演示
在此尝试演示:演示链接
特性
FlowToken 包含以下主要特性:
- 可定制的动画:提供淡入、模糊进入、下拉进入、从左侧滑入、打字机效果、逐词拉起、翻转文本、渐进式间距等多种动画。
- 流畅的文本流式传输:支持控制文本出现的速度和方式,以适应不同文本生成速度的变化。
- 响应式且轻量级:针对性能进行了优化,并兼容所有现代浏览器。
安装
使用 npm 安装 FlowToken:
npm install flowtoken
或使用 yarn:
yarn add flowtoken
使用方法
Markdown 支持
要使用 Markdown,需导入 AnimatedMarkdown 组件。
import React from 'react';
import { AnimatedMarkdown } from 'flowtoken';
// 导入 flowtoken 的 CSS 样式以便使用动画
import 'flowtoken/dist/styles.css';
const App = () => {
return (
<AnimatedMarkdown
content="## Hello, world!"
animation="fadeIn"
animationDuration="0.5s"
animationTimingFunction="ease-in-out"
/>
);
};
export default App;
Vercel AI SDK 实际应用
'use client'
import { useChat } from 'ai/react'
import { AnimatedMarkdown } from 'flowtoken';
import 'flowtoken/dist/styles.css';
export default function Chat() {
const { messages, input, handleInputChange, handleSubmit } = useChat()
return (
<div>
{messages.map(m => (
<div key={m.id}>
{m.role}: <AnimatedMarkdown content={m.content}
animation="dropIn"
animationDuration="0.5s"
animationTimingFunction="ease-in-out"
/>
</div>
))}
<form onSubmit={handleSubmit}>
<label>
说点什么...
<input
value={input}
onChange={handleInputChange}
/>
</label>
</form>
</div>
)
}
自定义组件
可以通过向 AnimatedMarkdown 组件传递 customComponents 属性来使用自定义组件,其中键为 XML 标签(例如 MyComponent),用于匹配,值则是要渲染的组件。只需让您的 LLM 输出自定义组件的语法,它就会以您自定义的组件形式呈现出来。
const customComponents = {
'customcomponent': ({ animateText, node, children, ...props }: any) => {
return (
<>
{animateText(<div {...props}>{children}</div>)}
</>
)
},
}
...
<AnimatedMarkdown content="Hello, world! <customcomponent>这是一个自定义组件</customcomponent>" customComponents={customComponents} />
示例
这是一个自定义组件的示例。
AnimatedMarkdown 属性
- content(字符串):要显示的文本。
- sep(
"word"|"char"):如何分割并动画化内容。默认值为"word"。 - animation(字符串 |
null):要应用的 CSS 动画名称(例如fadeIn、dropIn)。设置为null可禁用已完成消息的动画。 - animationDuration(字符串):动画的 CSS 持续时间(例如
0.6s)。 - animationTimingFunction(字符串):动画的 CSS 时间函数(例如
ease、ease-in-out)。 - codeStyle(对象):用于代码块的语法高亮样式对象。
- customComponents(Record<string, React.ComponentType>): 正则表达式模式或自定义标签名到 React 组件的映射。可用于渲染 LLM 输出的任意语法。
- imgHeight(字符串):渲染图像的默认高度(例如
200px)。
动画效果
FlowToken 支持多种 CSS 动画:
- fadeIn
- blurIn
- typewriter
- slideInFromLeft
- fadeAndScale
- rotateIn
- bounceIn
- elastic
- highlight
- blurAndSharpen
- dropIn
- slideUp
- wave
对于自定义动画,可在 CSS 中定义关键帧,将其包裹在类中,然后将动画名称传递给 animation 属性。
/* custom-styles.css */
@keyframes custom-animation {
from {
opacity: 0;
}
to {
opacity: 1;
}
}
.custom-animation {
animation: custom-animation 1s ease-in-out;
}
import 'custom-styles.css';
...
<AnimatedMarkdown content="Hello, world!" animation="custom-animation" />
注意事项
为降低内存占用,可在任何已完成的消息上将 animation 参数设置为 null 来禁用动画。
如果将 Tailwind 与生成的 Markdown 一起使用,请确保配置 Tailwind Typography:https://github.com/tailwindlabs/tailwindcss-typography
并在 FlowToken 的 Markdown 容器中添加 prose lg:prose-md prose-pre:p-0 prose-pre:m-0 prose-pre:bg-transparent。
贡献
欢迎贡献!请随时提交 Pull Request 或打开 Issue,以提出功能建议或报告 Bug。
许可证
FlowToken 采用 MIT 许可证。
版本历史
v1.0.352025/05/07v1.0.202024/12/23v1.0.192024/12/23v1.0.182024/11/05常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。