flutter_chat_box
flutter_chat_box 是一款基于 Flutter 框架打造的跨平台聊天应用，旨在让用户能够便捷地与 ChatGPT 进行智能对话。它有效解决了用户在不同操作系统间切换时需要重复安装应用或体验不一致的痛点，实现了“一次开发，多端运行”的无缝体验。
无论是希望快速体验 AI 对话的普通用户，还是想要学习 Flutter 全平台开发架构的开发者，都能从中获益。对于普通用户，它提供了清爽直观的界面、流畅的多轮对话能力以及实用的 Prompt 预设功能；对于开发者，该项目展示了优秀的全局状态管理（flutter_bloc）、统一路由设计及完善的测试覆盖，是极佳的学习范本。
在技术亮点方面，flutter_chat_box 支持 macOS、Linux、Windows、Android 及 iOS 全平台运行。其核心优势在于采用 Stream 流式 API 请求，显著降低了响应延迟，让对话如真人般自然流畅。此外，它还贴心地加入了代码高亮显示、一键复制代码、打字机震动反馈以及主题切换等功能，极大提升了交互细节与使用舒适度。作为一个开源项目，它鼓励社区共同参与改进，持续探索更多可能性。
使用场景
一位跨平台移动开发者希望快速构建一款支持 iOS、Android 及桌面端的 ChatGPT 客户端，以便团队内部测试新的 Prompt 工程效果。
没有 flutter_chat_box 时
- 开发者需从零搭建 Flutter 项目架构，手动配置多端（Windows/macOS/Linux/移动端）的环境适配，耗时数天且易出错。
- 实现流式响应（Stream API）以模拟打字机效果需要深入处理复杂的异步数据流，代码逻辑繁琐且难以维护。
- 缺乏现成的代码高亮与一键复制组件，用户查看 AI 生成的代码片段时体验割裂，需自行集成第三方库。
- 全局状态管理与多轮对话上下文保持需重复造轮子，容易导致内存泄漏或对话状态不同步。
- UI 设计需完全手绘，难以在短时间内打造出清爽、统一且支持主题切换的界面。
使用 flutter_chat_box 后
- 直接基于成熟的 Mason 脚手架克隆项目，运行几条命令即可编译出全平台可用的安装包，将启动时间从数天缩短至小时级。
- 内置优化的 Stream 流式请求逻辑，天然支持快速的打字机震动反馈效果，无需额外编写复杂的异步处理代码。
- 开箱即用的代码着色与复制功能，让用户能流畅地阅读和提取 AI 生成的代码块，显著提升交互体验。
- 采用 flutter_bloc 进行全局状态管理，完美解决多轮对话上下文记忆问题，确保数据流转清晰且稳定。
- 自带清爽的 UI 设计与主题切换功能，支持多语言适配，让开发者能专注于业务逻辑而非界面美化。
flutter_chat_box 通过提供全平台兼容的完整解决方案，让开发者能将原本用于基建的精力全部投入到核心对话功能的创新上。
运行环境要求
- macOS
- Linux
- Windows
未说明
未说明
快速开始
flutter_chatgpt
本项目基于一个 flutter 脚手架 https://github.com/bravekingzhang/flutter_template_mason ，开发的一款可以和 ChatGPT 聊天的 App！
全平台支持
- macOS ✅
- Linux✅
- Windows✅
- Android✅
- iOS✅
使用方法
release 目录可以直接下载 release 版本，也可以：
- 克隆仓库
- 运行
flutter pub get - 使用
flutter build macos/linux/windows/android/ios构建对应平台的安装包
特性展示
- 支持代码着色
- 代码可复制
- 使用 stream 流式 API 请求，响应比较快
- 清爽的 UI
移动端支持
支持特性
- 多语言支持
- 单元测试
- 组件测试
- 优秀的全局数据管理方式 flutter_bloc
- flutter_bloc_test
- 主题切换
- 统一的路由管理
- 全局状态管理
- 多轮次对话
- prompt 支持
- 增加了打字机的震动效果
- 支持 web 搜索能力
- 一键到出会话支持
- 支持高级搜索
- 等你提交 issue 来支持
开源共建
让我们一起改进，把这个 App 做得更加好用一些。
加群讨论
欢迎加群讨论技术？随意打赏，请备注 github 名
关注作者微信公众号，与作者交流，第一时间知道作者动态？
许可证：MIT
本项目采用 MIT 许可证授权。
版本历史
1.0.62023/05/311.0.52023/04/251.0.42023/04/241.0.32023/04/181.0.22023/03/281.0.12023/03/24常见问题
相似工具推荐
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
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
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。
funNLP
funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。
gpt4all
GPT4All 是一款让普通电脑也能轻松运行大型语言模型（LLM）的开源工具。它的核心目标是打破算力壁垒，让用户无需依赖昂贵的显卡（GPU）或云端 API，即可在普通的笔记本电脑和台式机上私密、离线地部署和使用大模型。 对于担心数据隐私、希望完全掌控本地数据的企业用户、研究人员以及技术爱好者来说，GPT4All 提供了理想的解决方案。它解决了传统大模型必须联网调用或需要高端硬件才能运行的痛点，让日常设备也能成为强大的 AI 助手。无论是希望构建本地知识库的开发者，还是单纯想体验私有化 AI 聊天的普通用户，都能从中受益。 技术上，GPT4All 基于高效的 `llama.cpp` 后端，支持多种主流模型架构（包括最新的 DeepSeek R1 蒸馏模型），并采用 GGUF 格式优化推理速度。它不仅提供界面友好的桌面客户端，支持 Windows、macOS 和 Linux 等多平台一键安装，还为开发者提供了便捷的 Python 库，可轻松集成到 LangChain 等生态中。通过简单的下载和配置，用户即可立即开始探索本地大模型的无限可能。