react-native-chatgpt
react-native-chatgpt 是一款专为 React Native 开发者设计的开源库,旨在帮助你将 OpenAI 的 ChatGPT 智能对话能力无缝集成到 iOS、Android 及 Web 应用中。它主要解决了在移动端接入大模型时通常需要的复杂后端开发难题,让开发者无需搭建自定义服务器,仅在客户端即可完成认证、消息发送及对话管理。
该工具的核心亮点在于其"100% 纯客户端”架构,配合流式响应(Streaming)技术,能像网页版 ChatGPT 一样实现打字机效果的实时回复,显著提升用户体验。同时,它内置了对话上下文记忆功能,通过自动管理 conversationId 和 messageId,确保多轮对话流畅自然。此外,项目完全采用 TypeScript 编写,类型安全,且完美兼容 Expo 开发环境,提供了开箱即用的示例代码,极大降低了集成门槛。
需要注意的是,由于直接在前端处理敏感密钥,官方建议将其视为实验性方案,在生产环境中需谨慎评估安全性。总体而言,react-native-chatgpt 非常适合希望快速为移动应用添加智能客服、助手或互动功能的移动端开发人员使用,是原型验证和小规模应用的理想选择。
使用场景
一家初创团队正在开发一款面向留学生的跨语言互助 App,需要在移动端快速集成智能对话功能以帮助用户实时翻译和解答生活难题。
没有 react-native-chatgpt 时
- 后端开发负担重:团队必须额外搭建 Node.js 或 Python 服务器来中转 OpenAI 请求,处理复杂的鉴权逻辑,导致上线周期延长至少两周。
- 响应体验迟钝:由于无法轻松实现流式传输(Streaming),用户发送消息后需等待数秒才能看到完整回复,交互过程显得卡顿且不自然。
- 上下文记忆缺失:自行维护多轮对话的历史记录(conversationId)极易出错,导致 AI 经常“失忆”,无法连贯地回答后续问题。
- 多端适配繁琐:为了兼容 iOS、Android 和 Web 端,需要分别处理 WebView 和安全存储(SecureStore)的底层配置,代码冗余度高。
使用 react-native-chatgpt 后
- 纯客户端极速集成:借助其 100% 客户端特性,团队直接在前端通过
ChatGptProvider包裹应用即可运行,完全省去了后端中间层,当天即完成功能上线。 - 打字机般流畅反馈:内置的流式响应支持让文字逐字显现,用户体验与网页版 ChatGPT 一致,显著降低了等待焦虑感。
- 自动管理对话状态:工具自动追踪并传递
conversationId和messageId,AI 能精准记住前文语境,实现了真正的智能多轮交互。 - 开箱即用的跨平台能力:天然兼容 Expo 及主流原生环境,自动处理了 WebView 和安全存储的依赖配置,一套代码无缝运行于所有目标设备。
react-native-chatgpt 通过消除后端依赖和简化复杂状态管理,让开发者能以最低成本在移动应用中交付原生级的智能对话体验。
运行环境要求
未说明
未说明

快速开始
react-native-chatgpt
一个基于 ChatGPT 的 React Native 封装库,由 OpenAI 提供,可无缝集成到您的应用中。它负责处理认证、流式响应以及会话管理,完全无需后端服务器。
https://user-images.githubusercontent.com/4982414/215356661-c81552d4-27f1-4b64-abd4-129bc6808c0a.mp4
功能特性
- :fire: 100% 客户端实现: 您可以轻松地将强大的聊天机器人集成到您的应用中,而无需自定义后端。
- :zap: 流式支持: 体验闪电般的响应速度,一旦内容可用即可显示,类似于 ChatGPT 的网页版交互界面。
- :robot: 对话式交互: ChatGPT 会记住您之前的对话内容。只需在发送消息时附带
conversationId和messageId,即可继续之前的对话。 - :iphone: 兼容 Expo: 无需弹出项目即可使用此组件。
- :hammer_and_wrench: 类型安全: 完全使用 TypeScript 编写。
- :computer: Snack 示例: 提供了一个 Snack 链接,您可以在浏览器中直接试用。
免责声明
本库并非官方的 ChatGPT 库。它旨在简化 ChatGPT 与 React Native 应用程序的集成过程。因此,请将其视为实验性工具,并谨慎用于生产环境 :wink:。
试用
🧑💻 运行 Snack 示例应用,查看其实际效果。示例源代码位于 /example 文件夹中。
安装
npm install react-native-chatgpt
Expo
您还需要安装 react-native-webview 和 expo-secure-store:
npx expo install react-native-webview expo-secure-store
无需其他步骤。
纯 React Native 应用
您还需要安装 react-native-webview、react-native-vector-icons 和 expo-secure-store:
npm install react-native-webview react-native-vector-icons expo-secure-store
安装完成后,还需按照以下说明进一步配置这些库:
API
该库的主要 API 包括一个 Provider 组件和一个 Hook。
ChatGptProvider
Provider 组件应放置在 您的 React Native 应用程序的根节点,如下所示:
import { ChatGptProvider } from 'react-native-chatgpt';
import App from './App';
const Root = () => {
return (
<ChatGptProvider>
<App />
</ChatGptProvider>
);
};
属性
ChatGptProvider 的以下属性允许您自定义用于处理 ChatGPT 认证的模态窗口样式,以及聊天机器人请求的超时时间设置。
| 名称 | 必需 | 类型 | 描述 |
|---|---|---|---|
children |
是 | React.Node |
您的应用组件树 |
containerStyles |
否 | StyleProp<ViewStyle> |
应用于 WebView 容器的额外样式 |
backdropStyles |
否 | StyleProp<ViewStyle> |
应用于背景视图的额外样式。默认使用半透明背景颜色 rgba(0, 0, 0, 0.5) |
renderCustomCloseIcon |
否 | (closeModal: () => void) => React.Node |
自定义关闭按钮渲染器,放置在 WebView 顶部。默认情况下,在右上角显示一个黑色叉号 (X)。请务必将提供的 closeModal 函数与您的 onPress 事件绑定 |
requestTimeout |
否 | number |
在取消请求之前,您愿意等待“普通”请求完成的最大时间(单位:毫秒),默认值为 30000 毫秒 |
streamedRequestTimeout |
否 | number |
在取消请求之前,您愿意等待“流式”请求完成的最大时间(单位:毫秒),默认值为 15000 毫秒 |
useChatGpt
该 Hook 返回一个包含以下属性的对象:
status
status: 'initializing' | 'logged-out' | 'getting_auth_token' | 'authenticated';
initializing: 表示库正在启动。此时不应假设任何认证状态,需等待该值变为logged-out或authenticated。logged-out: 表示您尚未认证,或您的 ChatGPT 访问令牌已过期。getting_auth_token: 这是一个短暂的状态,在登录模态框关闭后持续几秒钟。它表示库正在后台获取 ChatGPT 的认证令牌。您可以利用此状态来显示加载指示器。authenticated: 表示您已登录。只有在此状态下,您才能与聊天机器人进行交互。
ChatGPT 颁发的 JWT 令牌有效期为 7 天,因此您大约需要每周重新认证一次。当状态从 authenticated 变为 logged-out 时,库会提示您需要重新认证。
login
function login(): void;
执行此函数会打开登录模态框并触发 ChatGPT 的认证流程。
成功完成后,status 将从 logged-out 变为 getting_auth_token(持续几秒钟),最终变为 authenticated。
sendMessage
这是库的核心函数,用于向聊天机器人发送消息并返回响应。根据传入的参数,它可以以两种不同的方式使用:
标准模式
function sendMessage(
message: string,
options?: {
conversationId?: string;
messageId?: string;
}
): Promise<{
message: string;
messageId: string;
conversationId: string;
}>;
它返回一个包含响应的 Promise。这是最简单的使用方式,但由于需要等待完整响应返回,处理速度较慢。
如果您想跟踪对话,请使用响应对象中的 conversationId 和 messageId,并在下次调用 sendMessage 时再次传递它们。
如果服务器拒绝请求或发生超时,将抛出 ChatGptError 异常。
import React from 'react';
import { Button } from 'react-native';
import { useChatGpt, ChatGptError } from 'react-native-chatgpt';
const Example = () => {
const { sendMessage } = useChatGpt();
const handleSendMessage = async () => {
try {
const { message, conversationId, messageId } = await sendMessage(
'Outline possible topics for an SEO article'
);
// 用户阅读完响应后,再发送一条消息
const { message: followUp } = await sendMessage(
'Elaborate on the first suggestion',
{
conversationId,
messageId,
}
);
} catch (error) {
if (error instanceof ChatGptError) {
// 根据错误类型进行相应处理
}
}
};
return <Button onPress={handleSendMessage} title="Send message" />;
};
流式传输模式
function sendMessage(args: {
message: string;
options?: {
conversationId?: string;
messageId?: string;
};
onAccumulatedResponse?: (response: {
message: string;
messageId: string;
conversationId: string;
isDone?: boolean;
}) => void;
onError?: (err: ChatGptError) => void;
}): void;
它接受一个回调函数,该回调函数会随着响应的更新不断被调用。此版本适用于需要在响应可用时立即显示的场景,类似于 ChatGPT API 在网页 Playground 中的工作方式。
如果您想跟踪对话,请使用响应对象中的 conversationId 和 messageId,并在下次调用 sendMessage 时再次传递它们。
通过检查响应对象中的 isDone 属性,可以检测到响应是否已完成。
如果发生错误,onError 回调函数将接收到一个 ChatGptError 错误对象。
import React, { useState } from 'react';
import { Button } from 'react-native';
import { useChatGpt, ChatGptError } from 'react-native-chatgpt';
const StreamExample = () => {
const { sendMessage } = useChatGpt();
const [response, setResponse] = useState('');
const handleSendMessage = () => {
sendMessage({
message: 'Outline possible topics for an SEO article',
onAccumulatedResponse: ({ message, isDone }) => {
setResponse(message);
if (isDone) {
// 响应已完成,可以发送另一条消息
}
},
onError: (e) => {
// 根据错误类型进行相应处理
},
});
};
return (
<View style={{ flex: 1 }}>
<Button onPress={handleSendMessage} title="Get streamed response" />
<Text>{response}</Text>
</View>
);
};
:warning: 请注意,ChatGPT 后端实施了速率限制。这意味着如果您连续发送过多消息,可能会收到状态码为 429 的错误。
贡献
请参阅 贡献指南,了解如何为本仓库做出贡献以及开发工作流程。
致谢
- 非官方的 node.js 客户端,它为我们提供了灵感。
- OpenAI 创造了 ChatGPT 🔥
许可证
MIT 许可证 © Raul Gomez Acuna
如果您对这个项目感兴趣,请考虑在 twitter 上关注我。
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
spec-kit
Spec Kit 是一款专为提升软件开发效率而设计的开源工具包,旨在帮助团队快速落地“规格驱动开发”(Spec-Driven Development)模式。传统开发中,需求文档往往与代码实现脱节,导致沟通成本高且结果不可控;而 Spec Kit 通过将规格说明书转化为可执行的指令,让 AI 直接依据明确的业务场景生成高质量代码,从而减少从零开始的随意编码,确保产出结果的可预测性。 该工具特别适合希望利用 AI 辅助编程的开发者、技术负责人及初创团队。无论是启动全新项目还是在现有工程中引入规范化流程,用户只需通过简单的命令行操作,即可初始化项目并集成主流的 AI 编程助手。其核心技术亮点在于“规格即代码”的理念,支持社区扩展与预设模板,允许用户根据特定技术栈定制开发流程。此外,Spec Kit 强调官方维护的安全性,提供稳定的版本管理,帮助开发者在享受 AI 红利的同时,依然牢牢掌握架构设计的主动权,真正实现从“凭感觉写代码”到“按规格建系统”的转变。
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。