openai-kotlin
openai-kotlin 是一款专为 Kotlin 开发者打造的 OpenAI API 客户端库,旨在让 Kotlin 生态下的应用能够轻松、高效地集成人工智能能力。它解决了开发者在 Kotlin 项目中调用 OpenAI 服务时,需要手动处理底层 HTTP 请求、数据序列化及异步流程的繁琐问题,提供了类型安全且简洁的代码接口。
这款工具特别适合使用 Kotlin 进行后端开发、Android 应用构建或跨平台项目研发的工程师。无论是需要快速原型验证的研究人员,还是致力于生产环境落地的资深开发者,都能通过它轻松实现聊天机器人、图像生成、文本嵌入及语音处理等功能。
openai-kotlin 的核心亮点在于其原生支持 Kotlin 协程(Coroutines),让异步 API 调用写得像同步代码一样清晰流畅,极大提升了代码的可读性与维护性。同时,它具备强大的多平台(Multiplatform)特性,一套代码即可运行于 JVM、JavaScript、Native 等多种环境。此外,库中完整覆盖了 OpenAI 的主流功能,包括最新的 Assistants API 等测试特性,并贴心地提供了 BOM 依赖管理方案,帮助团队统一版本,减少配置冲突。如果你希望在 Kotlin 项目中优雅地接入大模型能力,openai-kotlin 是一个专业且可靠的选择。
使用场景
某安卓开发团队正在构建一款支持多端(Android、iOS、Web)的智能客服应用,需要深度集成 OpenAI 的对话与图像生成能力。
没有 openai-kotlin 时
- 重复造轮子成本高:团队需手动封装 HTTP 请求来处理复杂的 JSON 序列化,为每个平台单独编写网络层代码,导致开发周期延长。
- 协程支持缺失:原生网络库难以无缝对接 Kotlin 协程,回调地狱频发,主线程阻塞风险高,影响应用流畅度。
- 类型安全无保障:API 响应依赖动态解析,缺乏编译期检查,字段拼写错误或数据结构变更往往在运行时才暴露,引发崩溃。
- 多平台维护困难:无法共享核心逻辑,Android 和 iOS 端的 AI 功能实现不一致,测试与迭代工作量翻倍。
使用 openai-kotlin 后
- 开箱即用集成:通过简单的 Gradle 依赖引入,直接调用类型安全的
chat或images接口,无需手写底层网络代码,开发效率提升 50%。 - 原生协程体验:完美支持 Kotlin 协程,开发者可使用标准的
suspend函数异步调用 API,代码简洁且彻底避免主线程卡顿。 - 编译期错误拦截:所有请求参数与响应数据均为强类型模型,重构或升级 API 时编译器自动报错,显著降低线上故障率。
- 一次编写多端运行:利用 Multiplatform 特性,同一套 AI 业务逻辑可复用于 Android、iOS 及 Web 端,确保功能一致并大幅减少维护成本。
openai-kotlin 让 Kotlin 开发者能以 idiomatic(地道)的方式高效、安全地在多平台项目中落地先进的 AI 能力。
运行环境要求
- 未说明
未说明
未说明

快速开始
Kotlin 的 OpenAI API 客户端
适用于 OpenAI API 的 Kotlin 客户端,具备多平台和协程支持。
📦 设置
- 通过将以下依赖项添加到
build.gradle文件中来安装 OpenAI API Kotlin 客户端:
repositories {
mavenCentral()
}
dependencies {
implementation "com.aallam.openai:openai-client:4.1.0"
}
- 从 Ktor 的引擎 中选择一个并将其添加到您的依赖项中。
BOM
或者,您也可以使用 openai-client-bom,只需将以下依赖项添加到 build.gradle 文件中:
dependencies {
// 导入 Kotlin API 客户端 BOM
implementation platform('com.aallam.openai:openai-client-bom:4.1.0')
// 定义不带版本号的依赖项
implementation 'com.aallam.openai:openai-client'
runtimeOnly 'io.ktor:ktor-client-okhttp'
}
多平台
在多平台项目中,将 openai 客户端依赖项添加到 commonMain,并为每个目标选择一个 引擎。
Maven
Gradle 是支持多平台所必需的,但您仍然可以在 Maven 项目中使用 JVM 客户端。不过,您仍需将 Ktor 的引擎 添加到您的依赖项中。
使用 Maven 设置客户端
<dependencies>
<dependency>
<groupId>com.aallam.openai</groupId>
<artifactId>openai-client-jvm</artifactId>
<version>4.1.0</version>
</dependency>
<dependency>
<groupId>io.ktor</groupId>
<artifactId>ktor-client-okhttp-jvm</artifactId>
<version>3.0.0</version>
<scope>runtime</scope>
</dependency>
</dependencies>
BOM 不支持 Maven 项目。
⚡️ 入门
[!NOTE] OpenAI 建议使用环境变量来存储 API 密钥。 了解更多。
创建一个 OpenAI 客户端实例:
val openai = OpenAI(
token = "your-api-key",
timeout = Timeout(socket = 60.seconds),
// 其他配置...
)
或者,您也可以使用预先配置的 OpenAIConfig 创建 OpenAI 实例:
val config = OpenAIConfig(
token = apiKey,
timeout = Timeout(socket = 60.seconds),
// 其他配置...
)
val openAI = OpenAI(config)
使用您的 OpenAI 实例发送 API 请求。了解更多。
支持的功能
测试版
已弃用
正在寻找分词器吗?试试 ktoken,一个用于文本分词的 Kotlin 库。
📚 指南
通过以下指南开始使用并深入了解如何使用 Kotlin 的 OpenAI API 客户端:
ℹ️ 示例应用
示例应用位于 sample 目录下,请查看 README 以获取运行说明。
🔒 ProGuard / R8
特定规则已打包到 Jar 文件中,R8 可以自动解析这些规则。
📸 快照
了解如何导入快照版本
要将快照版本导入您的项目,请将以下代码片段添加到您的 Gradle 文件中:
repositories {
//...
maven { url 'https://central.sonatype.com/repository/maven-snapshots/' }
}
🛠️ 故障排除
有关常见问题及其解决方案,请参阅 故障排除指南。
🧪 测试
openai-client 的测试是实时集成测试,可能会产生需要付费的 API 流量。
- 默认设置(不计费):禁用实时测试。
- 开启实时测试:设置
OPENAI_LIVE_TESTS=1和OPENAI_API_KEY。
示例:
# 免费/离线检查
./gradlew :openai-core:jvmTest :openai-core:jsTest :openai-core:wasmJsTest :openai-core:apiCheck :openai-client:apiCheck
# 实时冒烟测试(计费)
OPENAI_LIVE_TESTS=1 OPENAI_API_KEY=... ./gradlew :openai-client:jvmTest --tests "*.TestModels"
⭐️ 支持
喜欢这个项目吗?您可以这样帮助我们:
- Star:在右上角给它点个赞吧!这对我们意义重大。
- 贡献:发现 bug 或有功能建议?提交 PR 吧。
- 反馈:有任何建议?开个 issue 或发起讨论吧。
📄 许可证
OpenAI Kotlin API 客户端是一个开源软件,采用 MIT 许可证授权。 这是一个非官方库,与 OpenAI 无关联,也未得到其认可。欢迎贡献。
版本历史
4.1.02026/02/074.0.12025/02/024.0.02025/02/024.0.0-beta012024/10/283.8.22024/07/203.8.12024/06/193.8.02024/06/183.7.22024/04/283.7.12024/04/013.7.02024/02/113.6.32024/01/133.6.22023/12/153.6.12023/11/263.6.02023/11/243.5.12023/11/053.5.02023/10/043.4.22023/09/283.4.12023/08/313.4.02023/08/243.3.22023/07/21常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
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。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备