App Inventor 2 LLMAI2Ext 自研拓展：接入DeepSeek、Kimi、通义千问...等国内大模型

« 返回首页

更新日志

  • v2.1
    • DeepSeek 支持图片识别（视觉）：新增 ChatWithImage / ChatWithImageUrl 方法。需先把 ModelName 设为官方视觉模型 deepseek-v4-flash-vision-exp（deepseek-v4-flash / deepseek-v4-pro 是纯文本模型，传图会被拒绝）。图片支持 JPEG/PNG/GIF/WebP；不支持视频。
  • v2.0
    • DeepSeek 升级 V4 模型，新增思考模式开关（ThinkingEnabled）和思考强度控制（ReasoningEffort）。
    • 模型名称更新：deepseek-v4-flash（快速模型）、deepseek-v4-pro（深度思考模型）；旧名 deepseek-chat / deepseek-reasoner 将于 2026/07/24 弃用。
    • 豆包 ModelName 说明澄清：接入点ID（ep- 开头）或直接填模型名（如 doubao-seed-1.6）均可，组件原样传给方舟自动识别；并明确 ImageModelName / ImageSize / ImageWatermark 仅用于文生图/图生图，对话与识图一律用 ModelName。
    • 豆包(Doubao) 组件新增 文生图 / 图生图（Seedream）：GenerateImage / GenerateImageFromUrl 方法 + GotImage 事件，配套 ImageModelName / ImageSize / ImageWatermark 属性。
    • 新增 豆包(Doubao) 大模型组件（火山引擎 Ark 平台），支持对话、图片/视频多模态识别。
    • 思考模式重构：推理（思考）过程改由独立的 GotReasoning 事件输出——想看思考过程就连接该事件，不连接即等于隐藏；因此 移除了 HideReason 属性，减少学习负担。
    • 多模态完善：豆包 / Kimi / 通义千问 支持图片识别（ChatWithImage / ChatWithImageUrl）与视频理解（ChatWithVideoUrl），需使用对应的视觉/视频模型。
  • v1.1
    • 支持多轮对话，新增方法 StartNewChat 可以开启一个新对话。
    • 新增 HideReason 属性，可以隐藏 DeepSeek-R1等模型的 推理过程的输出，让模型回答输出更简洁。
  • v1.0
    • 首发，支持 DeepSeek / Kimi / 通义千问，默认流式输出。

中文网开发国内大模型拓展的初衷

App Inventor 2 原生的ChatGPT组件由于是国外的，使用起来不太便捷，且各种限制。

如今我们又身处AI浪潮之中，包括很多学校在内的国内用户都有AI结合传统的App来开发具有智能App的需求，因此，必须开发拓展以接入国内大模型，对，它专门接国内大模型的，国外的不接。

拓展接口参考了原生ChatGPT组件的简洁设计，在其基础上更加简化，还引入了它不支持的流式输出模式，且默认输出模式就是流式的，类似打字机的效果，当然也可以切换非流式，模型回答完成时一把输出。

v2.1 版本现已上线，DeepSeek 组件已升级支持 V4 模型、思考模式和图片识别，目前支持4个大模型的接入（DeepSeek、Kimi、通义千问、豆包）——其中 DeepSeek / Kimi / 通义千问 / 豆包 都支持图片识别，豆包还支持文生图/图生图。由于拓展是在最新源码平台上编译出来的，可能有些较老的平台不能很好的运行，有条件的话还是建议使用我们的平台，也会优先获得反馈支持。

当然，好的产品是需要不断迭代的，这款拓展也不例外，欢迎使用并期待您的反馈！

拓展下载

注：所有大模型拓展共一个.aix拓展文件，里面有多个拓展组件，导入.aix效果参考如下：

ext

回答效果参考如下：

llm

我们尽量将接口方法设计得简单易用，由于demo中包含了APIKey，因此不直接提供aia源码，这里以Kimi为例，附上代码块：

开始对话：

kimi

切换输出模式（默认流式输出，可切换非流式一把输出内容）：

kimi

流式输出响应事件，每输出一部分内容都会回调一次，追加展示；最后一次回调时 finished 参数为真：

kimi

非流式输出，只回调一次，内容直接展示即可：

kimi

大模型输出的 Markdown 格式，可以结合 Markdown拓展 进行实时渲染，效果如下：

错误通知

与模型对话过程中，如果发生异常，比如APIKey认证失败等错误，将触发屏幕的 出现错误时 事件，然后在这个事件中可以定制个性化的错误处理逻辑。

使用示例

下面每张积木图的右上角都有「复制代码块」，点一下，再到代码块编辑器里按 Ctrl+V， 积木就直接进工程了——不用照着一块块拖。

示例使用中文版设计器中的按钮1、标签1等原生组件；拓展组件使用英文名（DeepSeek1、Doubao1）。 粘贴后如果工程里没有同名组件，组件块会标红，把名字改成你自己的组件即可。

1. 最简单的一问一答

关掉流式，一次性拿到完整回答。适合翻译、润色这类「问一次、答一段」的功能。以下对话案例使用按钮、标签和文本输入框等原生组件。

when Screen1.Initialize() {
  DeepSeek1.StreamMode = false
}

when 按钮_发送.Click() {
  标签_回答.Text = "思考中…"
  DeepSeek1.Chat(文本输入框_提问.Text)
}

when DeepSeek1.GotText(text) {
  标签_回答.Text = text
}

2. 流式输出，边生成边显示

保持 StreamMode 为真（默认），回答会一段一段返回，等待感明显更低。 关键是把新内容追加到已有文本后面，而不是覆盖——这是最常见的错误。

when 按钮_发送.Click() {
  标签_回答.Text = ""
  DeepSeek1.Chat(文本输入框_提问.Text)
}

when DeepSeek1.GotStream(part, finished) {
  标签_回答.Text = join(标签_回答.Text, part)
}

每次提问前把标签清空，否则新回答会接在上一轮后面。

3. 显示思考过程

开启思考模式后模型先推理再回答。推理内容走 GotReasoning，回答内容仍走 GotStream， 两条通道完全分开，可以放进两个标签。不想显示思考过程，不连接 GotReasoning 即可。

when Screen1.Initialize() {
  DeepSeek1.ModelName = "deepseek-v4-pro"
  DeepSeek1.ThinkingEnabled = true
}

when 按钮_发送.Click() {
  标签_思考.Text = ""
  标签_回答.Text = ""
  DeepSeek1.Chat(文本输入框_提问.Text)
}

when DeepSeek1.GotReasoning(part, finished) {
  标签_思考.Text = join(标签_思考.Text, part)
}

when DeepSeek1.GotStream(part, finished) {
  标签_回答.Text = join(标签_回答.Text, part)
}

4. 多轮对话与重开一轮

拓展默认就是多轮对话：连续调用 Chat，模型记得前面聊过什么。 想让它忘掉上下文（比如换个话题、或上下文太长开始跑偏），调用 StartNewChat。

when 按钮_发送.Click() {
  标签_回答.Text = ""
  DeepSeek1.Chat(文本输入框_提问.Text)
}

when 按钮_新对话.Click() {
  DeepSeek1.StartNewChat()
  标签_回答.Text = ""
  标签_提示.Text = "已开启新对话，模型不再记得之前聊过什么"
}

5. 防止重复点击，给出「回答中」状态

流式回答期间用户容易连点发送。用 finished 判断本轮结束，再把按钮放开。

when 按钮_发送.Click() {
  if 文本输入框_提问.Text == "" {
    标签_提示.Text = "请先输入问题"
  } else {
    按钮_发送.Enabled = false
    按钮_发送.Text = "回答中…"
    标签_回答.Text = ""
    DeepSeek1.Chat(文本输入框_提问.Text)
  }
}

when DeepSeek1.GotStream(part, finished) {
  标签_回答.Text = join(标签_回答.Text, part)
  if finished {
    按钮_发送.Enabled = true
    按钮_发送.Text = "发送"
  }
}

6. 让模型看图说话

需要支持视觉的模型（DeepSeek、豆包、Kimi、通义千问的视觉模型）。 本地图片用 ChatWithImage，网络图片用 ChatWithImageUrl。 使用图像选择器选择图片，交给图像组件显示。

when 按钮_选图.Click() {
  图像选择器1.Open()
}

when 图像选择器1.AfterPicking() {
  图像1.Picture = 图像选择器1.Selection
  标签_回答.Text = ""
  Doubao1.ChatWithImage("请描述这张图片里有什么", 图像选择器1.Selection)
}

when Doubao1.GotStream(part, finished) {
  标签_回答.Text = join(标签_回答.Text, part)
}

7. 拍照识物（DeepSeek 视觉模型）

DeepSeek 识图要用官方视觉模型 deepseek-v4-flash-vision-exp——启动时先把 ModelName 切过去 （deepseek-v4-flash / deepseek-v4-pro 是纯文本模型，传图会报错）。用照相机组件拍一张， 拍完的本地图片路径由拍摄完成事件带回，直接喂给 ChatWithImage；也可以交给图像组件显示。

when Screen1.Initialize() {
  DeepSeek1.ModelName = "deepseek-v4-flash-vision-exp"
}

when 按钮_拍照.Click() {
  照相机1.TakePicture()
}

when 照相机1.AfterPicture(image) {
  图像1.Picture = image
  标签_回答.Text = ""
  DeepSeek1.ChatWithImage("拍到了什么？给出名称和一句简介", image)
}

when DeepSeek1.GotStream(part, finished) {
  标签_回答.Text = join(标签_回答.Text, part)
}

识图对上下文同样生效：紧接着再 Chat("它多少钱？")，模型记得刚才那张图。 每张图最多折算 384 个 token，不必刻意压图；但单图不要超过 32MB。

8. 文生图

仅豆包提供。GenerateImage 发起后立刻返回，图片地址由 GotImage 事件送回，可交给图像组件显示。

when 按钮_画图.Click() {
  标签_提示.Text = "正在生成，请稍候…"
  Doubao1.GenerateImage(文本输入框_提问.Text)
}

when Doubao1.GotImage(imageUrl) {
  图像1.Picture = imageUrl
  标签_提示.Text = "生成完成（该链接有时效，请尽快保存）"
}

返回的是临时链接，过期后图片就打不开了。要长期保留，请及时下载到本地。

9. 处理错误

API Key 不对、余额不足、网络不通等都会触发屏幕的出现错误时事件。 记得在这里把界面状态复位，否则按钮会一直卡在「回答中」。

when Screen1.ErrorOccurred(component, functionName, errorNumber, message) {
  按钮_发送.Enabled = true
  按钮_发送.Text = "发送"
  标签_提示.Text = join("出错了：", message)
}

DeepSeek

使用AppInventor2接入DeepSeek大模型（支持思考模式与图片识别）。从深度求索获取 API Key »

v2.1 起支持图片识别：把 ModelName 设为视觉模型 deepseek-v4-flash-vision-exp 后， 即可用 ChatWithImage（本地图片）或 ChatWithImageUrl（图片URL）发图提问。图片支持 JPEG/PNG/GIF/WebP，每张最多折算 384 个 token；不支持视频。

当然也可以对接其他厂商部署的DeepSeek服务，比如百度、阿里都有部署，这里选择阿里的DeepSeek服务进行测试验证：

BaseURL 由官方的改为：https://dashscope.aliyuncs.com/compatible-mode/v1

APIKey 用阿里云的。

ModelName 指定：deepseek-v3 或 deepseek-r1 （注意：第三方的模型名称和官方的不太一样）

参考测试结果如下：

llm

属性

APIKey
模型的Api Key。从深度求索获取 API Key »
BaseURL
DeepSeek 基础 URL，默认是官方地址，可修改接入第三方DeepSeek服务地址。
ModelName
模型名称。官方模型填 deepseek-v4-flash（快速模型）、deepseek-v4-pro（深度思考模型）或 deepseek-v4-flash-vision-exp（视觉模型，识图用）。旧名 deepseek-chat / deepseek-reasoner 将于 2026/07/24 弃用。 （注意：第三方的模型名称和官方的不太一样）
StreamMode
流式输出模式是否开启，默认’真’。 流式输出，即生成内容时边计算边返回，减少等待时间，提高响应速度，适用于聊天、代码补全等场景。 不开启，则是最终仅一次返回全部内容。
ThinkingEnabled
思考模式开关。开启后模型会先思考再回答，回答质量更高但耗时更长、token 消耗更多。默认关闭。 仅对 DeepSeek V4 模型有效，其他模型会忽略此参数。
ReasoningEffort
思考强度控制。high 适合普通对话（默认），max 适合复杂推理和 Agent 类请求。 仅对 DeepSeek V4 模型有效，且 ThinkingEnabled 为真时才生效。

关于「隐藏推理过程」：v2.0 早期版本曾提供 HideReason 属性，现已移除。是否显示思考过程改由「是否连接 GotReasoning 事件」决定——想看就连接该事件，不连接即等于隐藏。

事件

GotStream(part,finished)
流式输出，每当有内容返回时都会触发该事件。part 为当前增量的部分内容，finished 标识输出是否已结束。
GotReasoning(part,finished)
模型推理（思考）过程输出事件。part 为推理过程的增量内容，finished 标识推理是否结束。仅支持推理的模型（如 DeepSeek 思考模式）会触发。如果不需要显示思考过程，不连接本事件即可（即等于隐藏）；回答内容仍通过 GotStream / GotText 输出。
GotText(text)
非流式输出完成时触发该事件。text 为完整输出内容。

方法

Chat(content)
开始与 DeepSeek 大模型进行对话。
ChatWithImage(prompt,imagePath)
多模态对话：发送本地图片+文本。需先把 ModelName 设为视觉模型 deepseek-v4-flash-vision-exp（deepseek-v4-flash / deepseek-v4-pro 是纯文本模型，不支持图片）。
ChatWithImageUrl(prompt,imageUrl)
多模态对话：发送图片URL+文本。需先把 ModelName 设为视觉模型 deepseek-v4-flash-vision-exp。
StartNewChat()
开启新对话。默认为多轮对话，此方法将开启一个全新的对话上下文。

Kimi

使用AppInventor2接入Kimi大模型。从 Moonshot 获取 API Key »

属性

APIKey
模型的Api Key。从 Moonshot 获取 API Key »
ModelName
模型名称。
StreamMode
流式输出模式是否开启，默认’真’。 流式输出，即生成内容时边计算边返回，减少等待时间，提高响应速度，适用于聊天、代码补全等场景。 不开启，则是最终仅一次返回全部内容。

事件

GotStream(part,finished)
流式输出，每当有内容返回时都会触发该事件。part 为当前增量的部分内容，finished 标识输出是否已结束。
GotReasoning(part,finished)
模型推理（思考）过程输出事件。不连接本事件即等于隐藏思考过程。回答内容仍通过 GotStream / GotText 输出。
GotText(text)
非流式输出完成时触发该事件。text 为完整输出内容。

方法

Chat(content)
开始与 Kimi 大模型进行对话。
ChatWithImage(prompt,imagePath)
多模态对话：发送本地图片+文本。需使用支持视觉的模型（如 kimi-vl-a32b）。
ChatWithImageUrl(prompt,imageUrl)
多模态对话：发送图片URL+文本。需使用支持视觉的模型。
ChatWithVideoUrl(prompt,videoUrl)
视频多模态对话：发送视频URL+文本。需使用支持视频理解的模型。
StartNewChat()
开启新对话。默认为多轮对话，此方法将开启一个全新的对话上下文。

阿里通义千问

使用AppInventor2接入阿里通义千问大模型。从阿里云获取 API Key »

llm

属性

APIKey
模型的Api Key。从阿里云获取 API Key »
ModelName
模型名称。
StreamMode
流式输出模式是否开启，默认’真’。 流式输出，即生成内容时边计算边返回，减少等待时间，提高响应速度，适用于聊天、代码补全等场景。 不开启，则是最终仅一次返回全部内容。

事件

GotStream(part,finished)
流式输出，每当有内容返回时都会触发该事件。part 为当前增量的部分内容，finished 标识输出是否已结束。
GotReasoning(part,finished)
模型推理（思考）过程输出事件。不连接本事件即等于隐藏思考过程。回答内容仍通过 GotStream / GotText 输出。
GotText(text)
非流式输出完成时触发该事件。text 为完整输出内容。

方法

Chat(content)
开始与千问大模型进行对话。
ChatWithImage(prompt,imagePath)
多模态对话：发送本地图片+文本。需使用支持视觉的模型（如 qwen-vl-plus）。
ChatWithImageUrl(prompt,imageUrl)
多模态对话：发送图片URL+文本。需使用支持视觉的模型。
ChatWithVideoUrl(prompt,videoUrl)
视频多模态对话：发送视频URL+文本。需使用支持视频理解的模型（如 qwen-vl-max）。
StartNewChat()
开启新对话。默认为多轮对话，此方法将开启一个全新的对话上下文。

豆包

使用 AppInventor2 接入字节跳动豆包大模型（火山引擎 Ark 平台），支持对话、图片/视频多模态识别，以及 文生图 / 图生图（Seedream）。从火山引擎获取 API Key 及接入点 »

豆包的 ModelName 填对话/识图模型：可以是接入点ID（ep- 开头，在 Ark 平台「在线推理」创建），也可直接填模型名（如 doubao-seed-1.6，需 API Key 鉴权，默认最新版）——两者均可，组件原样传给方舟自动识别。注意：对话（Chat）和识图（ChatWithImage / ChatWithImageUrl / ChatWithVideoUrl）都用 ModelName，只有文生图/图生图（GenerateImage / GenerateImageFromUrl）用独立的图片模型（如 doubao-seedream-4-0-250828），填入 ImageModelName。

文生图/图生图返回的是一个 临时图片URL（通过 GotImage 事件返回），可直接用 图像 组件显示；该URL有时效，建议尽快下载保存到本地。

属性

APIKey
火山引擎 API Key。从火山引擎获取 API Key »
BaseURL
API 基础URL，默认火山引擎 Ark 平台地址 https://ark.cn-beijing.volces.com/api/v3。
ModelName
对话/识图模型。两种填法均可：① 接入点ID（ep- 开头，如 ep-20250101xxxxx，在 Ark 平台「在线推理」创建）；② 直接填模型名（如 doubao-seed-1.6、doubao-pro-32k-240515，需 API Key 鉴权，默认最新版）。组件原样传给方舟，方舟自动识别。
StreamMode
流式输出模式是否开启，默认’真’。不开启则最终一次返回全部内容。
ImageModelName
【仅文生图/图生图用】生图模型，如 doubao-seedream-4-0-250828、doubao-seedream-5.0-lite。对话（Chat）和识图（ChatWithImage 等）都用 ModelName、不读本属性，只有 GenerateImage / GenerateImageFromUrl 才用它。
ImageSize
【仅文生图】生成图片尺寸：可填 1K/2K/4K，或具体像素如 1024x1024、2048x2048。默认 2K。
ImageWatermark
【仅文生图】生成的图片是否添加水印，默认不加。

事件

GotStream(part,finished)
流式输出，每当有内容返回时都会触发该事件。part 为当前增量的部分内容，finished 标识输出是否已结束。
GotReasoning(part,finished)
模型推理（思考）过程输出事件。不连接本事件即等于隐藏思考过程。回答内容仍通过 GotStream / GotText 输出。
GotText(text)
非流式输出完成时触发该事件。text 为完整输出内容。
GotImage(imageUrl)
图片生成完成时触发。imageUrl 为生成图片的临时URL（可用图像组件显示，建议尽快下载保存——该URL有时效）。

方法

Chat(content)
开始与豆包大模型对话。
ChatWithImage(prompt,imagePath)
多模态对话：发送本地图片+文本。
ChatWithImageUrl(prompt,imageUrl)
多模态对话：发送图片URL+文本。
ChatWithVideoUrl(prompt,videoUrl)
视频多模态对话：发送视频URL+文本。需使用支持视频理解的模型。
GenerateImage(prompt)
文生图：根据文字描述生成图片。生成完成会触发 GotImage 事件返回图片URL。prompt 为图片描述（≤300汉字）。
GenerateImageFromUrl(prompt,imageUrl)
图生图：基于一张参考图URL + 文字描述生成新图片。生成完成触发 GotImage 事件。
StartNewChat()
开启新对话。默认为多轮对话，此方法将开启一个全新的对话上下文。

Q & A

Q：使用标签进行输出，内容较多部分内容被隐藏，该如何让其可上下滚动呢？

A：请参考《App Inventor 2 标签内容过多，如何做到可上下滑动？》

Q：如何把图片发给大模型？是否支持此项功能？

A：现已支持！使用支持视觉的模型（DeepSeek、豆包、Kimi、通义千问的视觉模型——DeepSeek 需把 ModelName 设为 deepseek-v4-flash-vision-exp），调用 ChatWithImage（本地图片）或 ChatWithImageUrl（图片网络地址）即可把图片发给大模型识别。此外豆包还支持反向的 文生图/图生图（GenerateImage / GenerateImageFromUrl）。

文档反馈

在线
客服

扫码添加客服咨询

我要
分享

扫码分享到朋友圈

App Inventor 2 中文网

Android|HarmonyOS|iOS
关注公众号，
精彩不错过！