React Native中的AI：从云API到端侧模型

React Native让你用一套代码库支持iOS和Android。添加AI功能应该遵循同样的原则。但在React Native中从"调用API"到"在设备上运行推理"的路径与原生Swift或Kotlin不同。JavaScript桥接、原生模块系统和跨平台模型分发都需要特定的模式。

本指南涵盖两种方法以及它们之间的实际迁移。

云API集成

为React Native应用添加AI最快的方式是调用云API。React Native的fetch API可以直接与OpenAI、Anthropic、Google Gemini和其他供应商配合使用。

基本模式

async function generateResponse(prompt: string): Promise<string> {
  const response = await fetch("https://api.openai.com/v1/chat/completions", {
    method: "POST",
    headers: {
      "Content-Type": "application/json",
      Authorization: `Bearer ${API_KEY}`,
    },
    body: JSON.stringify({
      model: "gpt-4o-mini",
      messages: [{ role: "user", content: prompt }],
    }),
  });

  const data = await response.json();
  return data.choices[0].message.content;
}

这在iOS和Android上都能工作，零平台特定代码。对于流式响应，使用EventSource模式或react-native-sse等库。

聊天UI的流式传输

import EventSource from "react-native-sse";

function streamResponse(prompt: string, onToken: (token: string) => void) {
  const es = new EventSource("https://api.openai.com/v1/chat/completions", {
    headers: {
      "Content-Type": "application/json",
      Authorization: `Bearer ${API_KEY}`,
    },
    method: "POST",
    body: JSON.stringify({
      model: "gpt-4o-mini",
      messages: [{ role: "user", content: prompt }],
      stream: true,
    }),
  });

  es.addEventListener("message", (event) => {
    if (event.data === "[DONE]") return es.close();
    const parsed = JSON.parse(event.data);
    const token = parsed.choices[0]?.delta?.content;
    if (token) onToken(token);
  });
}

云API的天花板

云API在原型验证和低用量应用中效果很好。问题与原生应用相同，但在React Native中略有加剧：

• 网络依赖： React Native应用通常面向跨平台市场，包括网络不稳定的市场
• 延迟： JS桥接在500-3,000ms网络往返之上额外增加约5-10ms
• 成本增长： 每个用户、每个请求、每个令牌都要花钱
• 隐私： 每次API调用都将用户数据通过网络传输

React Native中的端侧AI

在React Native中本地运行模型意味着使用一个封装llama.cpp的原生模块。JavaScript端发送提示词并接收令牌。原生端在设备的CPU和GPU上处理实际推理。

llama.rn

llama.rn包为llama.cpp提供React Native绑定。它暴露了一个JavaScript API，可以加载GGUF模型并在iOS（Metal）和Android（CPU/Vulkan）上原生运行推理。

import { initLlama } from "llama.rn";

// 加载模型
const context = await initLlama({
  model: modelPath, // 设备上.gguf文件的路径
  n_ctx: 2048,
  n_threads: 4,
  n_gpu_layers: 32,
});

// 生成响应
const result = await context.completion({
  prompt: "Summarize this note: ...",
  n_predict: 256,
  temperature: 0.7,
});

console.log(result.text);

流式令牌

const result = await context.completion(
  {
    prompt: userPrompt,
    n_predict: 512,
  },
  (token) => {
    // 每生成一个令牌调用一次
    setResponseText((prev) => prev + token.token);
  }
);

这提供与云API相同的逐令牌流式体验，但首令牌时间为50-200ms，而非500-3,000ms。

模型分发

将GGUF模型文件送达设备是React Native中的主要工程挑战。

随应用捆绑： 将模型包含在应用的资源中。对于iOS，添加到Xcode项目。对于Android，放在assets目录或使用Android Asset Delivery（超过150MB的文件）。React Native的资源系统可以在运行时引用文件路径。

安装后下载： 首次启动时下载模型。使用react-native-blob-util或expo-file-system进行带进度追踪的后台下载：

import * as FileSystem from "expo-file-system";

const modelUri = FileSystem.documentDirectory + "model.gguf";

const download = FileSystem.createDownloadResumable(
  MODEL_CDN_URL,
  modelUri,
  {},
  (progress) => {
    const pct = progress.totalBytesWritten / progress.totalBytesExpectedToWrite;
    setDownloadProgress(pct);
  }
);

const result = await download.downloadAsync();

性能预期

React Native中的端侧性能与原生应用几乎相同。llama.cpp推理运行在原生代码中，不通过JS桥接。桥接仅用于发送提示词和接收令牌。

令牌传输的JS桥接开销可以忽略不计（每令牌不到1ms）。

架构：抽象AI层

最佳的React Native架构将AI提供者抽象在一个通用接口之后。这让你可以在云端和端侧之间切换而不改变UI代码。

interface AiProvider {
  generate(prompt: string, onToken?: (token: string) => void): Promise<string>;
  isReady(): boolean;
}

class CloudProvider implements AiProvider {
  async generate(prompt: string, onToken?: (token: string) => void) {
    // 云API调用
  }
  isReady() { return true; } // 联网则始终就绪
}

class OnDeviceProvider implements AiProvider {
  async generate(prompt: string, onToken?: (token: string) => void) {
    // llama.rn推理
  }
  isReady() { return this.modelLoaded; }
}

这种模式支持渐进式迁移。先用CloudProvider验证。准备好后添加OnDeviceProvider。进行A/B测试。最终将端侧设为默认，云端作为后备。

跨平台优势

React Native的跨平台模型在端侧AI方面是你的优势。你微调一个模型，导出一个GGUF文件，部署到iOS和Android。推理库处理平台差异（iOS用Metal，Android用CPU/Vulkan）。

对比云API，你在每个平台上都按令牌付费。端侧方案中，你只需一次性支付微调和模型分发费用。成本不会随平台数量倍增。

迁移路径

1. 从云API开始，通过fetch。验证功能，收集使用数据。
2. 尽早添加抽象层（AiProvider接口）。这没有成本，以后会有回报。
3. 从API日志收集训练数据。 每次云API调用都是一个潜在的训练样本。
4. 在领域数据上微调小模型。 像Ertas这样的平台提供可视化流水线：上传数据，用LoRA训练，导出GGUF。
5. 集成llama.rn，在同一接口后面添加端侧提供者。
6. 对真实用户进行A/B测试，比较云端与端侧。
7. 将端侧设为默认，云端作为不支持设备的后备。

最终结果：一套代码库，两个平台，离线可用的AI，零推理成本。