懂AI
gemini-android

gemini-android

利用Google生成式AI与Stream Chat构建Jetpack Compose应用

该项目展示了在Android应用中整合Google生成式AI与Stream Chat SDK for Compose的方法。内容包括使用Jetpack Compose实现界面元素、通过Jetpack库如Hilt和AppStartup进行架构设计、使用Kotlin Coroutines处理后台任务、以及集成实时消息系统等。适合开发者了解Android架构、生成式AI技术和Gemini SDK的具体实现。

Gemini AndroidGoogle's Generative AIJetpack ComposeStream Chat SDKKotlin CoroutinesGithub开源项目
访问官网GitHub文档

gemini-android 项目介绍

项目概述

Gemini Android 是一个展示谷歌生成式 AI 在 Android 上应用的示例项目，结合了 Stream Chat SDK for Compose。这一项目旨在为开发者提供一个参考，帮助他们创建集成了先进技术的 Android 应用程序。

项目目标

  • 展示用于 Android 的 Gemini API。
  • 完整实现基于 Jetpack Compose 的用户界面元素。
  • 使用 Jetpack 库中的 Hilt 和 App Startup 实现 Android 架构组件。
  • 借助 Kotlin 协程执行后台任务。
  • 集成 Stream Chat Compose SDK，为实时事件处理带来了强大的聊天系统功能。

项目技术内容

该项目注重于如何运用现代 Android 开发技术，架构设计遵循 Google 官方架构指导原则，并采用模块化策略促进代码重用和构建效率。

项目预览

以下是该项目的部分界面预览图，可以帮助用户初步了解应用所包含的功能和用户界面设计风格。

技术栈

  • 最低 SDK 版本：21。
  • Jetpack Compose：用于构建本机 UI 的现代化工具。
  • Kotlin 协程与 Flow：用于异步处理。
  • Compose Chat SDK：提供模块化、可定制的 Compose UI 组件。
  • Jetpack 组件：包括 ViewModel、App Startup、Navigation、Room、DataStore、Hilt 等。
  • 网络请求：使用 Retrofit2 和 OkHttp3 构建 REST API。
  • JSON 解析：利用 Moshi 库。
  • 图片加载：借助 Landscapist Glide 库。
  • 其他工具：借助 Sandwich、Balloon、StreamLog 和 Baseline Profiles 改进性能。

项目架构

Gemini Android 项目遵循层级架构设计，分为 UI 层和数据层。UI 层负责展示和用户交互，数据层则管理数据的获取和存储，实现业务逻辑。

UI 层

UI 层包括用户界面的各个交互元素和使用 ViewModel 承载和恢复界面状态的部分。

数据层

通过数据源和仓库实现业务逻辑，支持离线优先的操作策略，并遵循“单一数据源”原则。

模块化策略

  • 重用性：积累可重用的代码模块，提高代码共享性。
  • 并行构建：模块可实现并行构建，缩短整体构建时间。
  • 分布式关注点：团队可独立开发各自模块，专注于自身职责范围。

贡献指南

虽然大部分功能尚未完成，但欢迎开发者根据贡献指南贡献和改进此项目。

项目许可证

项目由 2024 skydoves (Jaewoong Eum) 设计和开发，依据 Apache 2.0 许可证开放。建议用户阅读完整许可证文本了解详细条款。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多