react-native-ai

GitHub
1.3k 169 简单 2 次阅读 1周前MITAgent图像语言模型开发框架
AI 解读 由 AI 自动生成,仅供参考

react-native-ai 是一个专为构建跨平台移动 AI 应用设计的全栈框架。它帮助开发者轻松集成大语言模型与图像生成服务,实现实时文本流式传输、聊天界面及图片处理功能。在开发过程中,对接多个 AI 服务商、处理流式数据以及配置安全认证通常非常复杂,而 react-native-ai 通过预置的服务器代理和现成的客户端组件,将这些繁琐工作标准化,显著缩短了项目启动时间。

react-native-ai 非常适合熟悉 React Native 的开发者,或是需要快速验证 AI 想法的技术团队。它不仅原生支持 OpenAI、Anthropic 和 Gemini 等主流模型,还具备强大的扩展性。开发者可以灵活添加或移除模型,甚至自定义 UI 主题。无论是构建智能聊天机器人还是图文生成应用,react-native-ai 都能提供从前端交互到后端逻辑的一站式解决方案,让 AI 应用的开发变得更加高效和便捷。

使用场景

某初创公司技术团队计划开发一款支持多模态交互的旅行助手 App,需同时兼容 iOS 和 Android 平台并集成图像生成功能。

没有 react-native-ai 时

  • 需要分别搭建前后端服务来处理不同大模型(如 GPT、Claude)的 API 调用,环境配置繁琐且易出错。
  • 手动实现流式文本渲染和状态管理,UI 适配工作量大且容易出现卡顿或断连问题。
  • 缺乏统一的认证中间件,用户登录鉴权逻辑分散在客户端和服务端,安全性难保障。
  • 界面样式从零开始设计,难以快速切换深色模式或品牌主题,视觉一致性差。

使用 react-native-ai 后

  • react-native-ai 提供全栈框架,通过 CLI 一键生成项目并内置多种主流模型配置,开箱即用。
  • 原生支持实时流式响应,直接复用组件即可实现流畅的对话体验,无需重复造轮子。
  • 服务器代理自动处理身份验证,简化了 OAuth 等复杂鉴权流程,确保数据安全传输。
  • 内置 5 种预设主题,仅需修改配置文件即可快速更换应用视觉风格,极大提升开发效率。

react-native-ai 显著降低了跨平台 AI 应用的开发门槛,让团队能专注于业务逻辑而非基础设施。

运行环境要求

操作系统
  • 未说明
GPU

未说明

内存

未说明

依赖
notes基于 React Native 和 Node.js 的全栈框架,依赖云端 AI 服务(OpenAI、Anthropic、Gemini)而非本地推理。开发需安装 Node.js 环境,服务器端需配置环境变量(如 GEMINI_API_KEY)以启用认证和 API 调用。
python未说明
未说明
react-native-ai hero image

快速开始

Ask DeepWiki

React Native AI

用于构建跨平台移动 AI 应用的全栈框架,支持 LLM(大型语言模型)实时/流式文本和聊天 UI(用户界面)、图像服务以及使用多种模型进行自然语言到图像的转换和图像处理。

React Native AI

查看视频教程 这里

功能特性

  • 支持 OpenAI GPT-5.2 + GPT-5 mini、Anthropic Claude Opus/Sonnet/Haiku 4.5 和 Gemini 的 LLM 支持
  • 使用 Gemini (Nano Banana) 生成图像
  • 来自所有提供商的实时/流式响应
  • 服务器代理,可轻松启用身份验证和授权,支持您选择的身份验证提供商。
  • 主题设置(开箱即用包含 5 个主题)- 只需几行代码即可轻松添加更多主题。

React Native AI Preview

使用方法

运行以下命令生成新项目:

npx rn-ai

接下来,您可以通过 CLI(命令行接口)配置您的环境变量,或者稍后再进行配置。

运行应用

进入应用目录并运行:

npm start

运行服务器

进入服务器目录并运行:

npm run dev

环境变量

服务器环境变量位于 server/.env.example 中。如果不存在,请将此文件名更新为 .env 并配置服务器环境变量。Gemini 图像生成需要 GEMINI_API_KEY

主题设置

要添加新主题,请打开 app/src/theme.ts 并使用以下配置添加新主题:

const christmas = {
  // extend an existing theme or start from scratch
  ...lightTheme,
  name: 'Christmas',
  label: 'christmas',
  tintColor: '#ff0000',
  textColor: '#378b29',
  tabBarActiveTintColor: '#378b29',
  tabBarInactiveTintColor: '#ff0000',
  placeholderTextColor: '#378b29',
}

在文件底部导出新主题:

export {
  lightTheme, darkTheme, hackerNews, miami, vercel, christmas
}

React Native AI Themes

配置 LLM 模型

以下是添加或移除现有 LLM 模型的方法。

在应用中

您可以通过更新 constants.ts 中的 MODELS 来添加或配置模型。

对于移除模型,只需删除您不支持的模型即可。

对于添加模型,一旦将模型定义添加到 MODELS 数组中,您应该更新 src/screens/chat.tsx 以支持新模型:

  1. 创建本地状态以保存新模型数据
  2. 更新 chat() 函数以处理新模型类型
  3. 创建 generateModelReponse 函数以调用新模型
  4. 更新 utils.ts 中的 getChatType 以配置与您服务器路径对应的 LLM 类型。
  5. 在 UI 中渲染新模型
{
  chatType.label.includes('newModel') && (
    <FlatList
      data={newModelReponse.messages}
      renderItem={renderItem}
      scrollEnabled={false}
    />
  )
}

在服务器上

server/src/chat 文件夹中创建一个新文件,对应您在移动应用中创建的模型类型。您可以复制并重用其他现有路径中的许多流式代码以开始工作。

接下来,更新 server/src/chat/chatRouter 以使用新路由。

配置图像模型

以下是添加或移除现有图像模型的方法。

在应用中

您可以通过更新 constants.ts 中的 IMAGE_MODELS 来添加或配置模型。

对于移除模型,只需删除您不支持的模型即可。

对于添加模型,一旦将模型定义添加到 IMAGE_MODELS 数组中,您应该更新 src/screens/images.tsx 以支持新模型。

主要考虑因素是输入。该模型是否接受文本、图像或两者作为输入?

应用已配置为处理两者,但您必须更新 generate 函数以相应地将值传递给 API(应用程序编程接口)。

在服务器上

Gemini (Nano Banana)

Gemini 图像生成在 server/src/images/gemini.ts 中处理。配置 GEMINI_API_KEY 并从设置屏幕选择 Nano Banana 图像模型。

其他 API 提供商

server/src/images/modelName 中创建一个新文件,更新处理器函数以处理新的 API 调用。

接下来,更新 server/src/images/imagesRouter 以使用新路由。

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。

162.1k|★★★☆☆|今天
开发框架图像Agent

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

139k|★★☆☆☆|今天
开发框架Agent语言模型

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。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

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。

87.6k|★★☆☆☆|今天
开发框架语言模型

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。

85k|★★☆☆☆|今天
图像数据工具视频

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。

77.1k|★★★☆☆|昨天
Agent图像开发框架