gpt-assistant-android

简体中文 | [English](README_en.md)





 ![](readme_img/icon.jpg) 

GPT Assistant

	安卓端全场景 GPT 助手  

	快捷唤起 · 语音对话 · 联网 · 文件 · 智能体











	[![](https://gitee.com/skythinker/gpt-assistant-android/badge/star.svg) 
		 ![](https://gitee.com/skythinker/gpt-assistant-android/badge/fork.svg)](https://gitee.com/skythinker/gpt-assistant-android)
	[![](https://img.shields.io/github/stars/skythinker616/gpt-assistant-android?logo=github&style=flat) 
		 ![](https://img.shields.io/github/forks/skythinker616/gpt-assistant-android?logo=github&style=flat)](https://github.com/Skythinker616/gpt-assistant-android)
	 ![](https://img.shields.io/badge/License-GPL3.0-red) 

介绍

主要特性

• 多场景文件处理：
  • 通过拍照 / 相册 / 分享 / 打开 / 拖拽上传
  • 支持图片 / TXT / PDF / DOCX / PPTX / XLSX 文件
• 支持联网：按需抓取网页内容发送给GPT
• 全局快捷入口：音量键唤醒 / 状态栏快捷键 / 跨应用划词调起
• 智能模板：轻松为每个模板自由定制界面（自定义下拉选框和输入框）
• 多接口语音输入输出：华为 / 百度 / Whisper / Google / 系统TTS
• 智能体模式（实验性）：允许AI自主操控手机（无需图像识别，支持任意模型）
• 完全开源：通过OpenAI API（或其兼容接口）提供服务，不收取任何费用

功能展示

一、基础使用：仅用音量键就可以操控

1. 长按音量下键唤出界面

2. 按住音量键不放，开始语音输入

3. 松开后再次短按，发送问题

4. 接收回复的同时可以自动通过语音进行播报

二、用状态栏快捷键也可触发

下拉状态栏，点击“GPT”按钮，即可唤出界面，键盘会自动弹出，可以手动输入问题

 ![](readme_img/tile_btn.gif) 

三、支持连续对话

激活界面上方的对话图标，即可进行连续对话，点击左侧的头像图标可以对单条对话进行删除、重试等操作

 ![](readme_img/multi_chat.gif) 

四、上传文本/图片/文档

• 界面内上传：点击左下角的附件按钮，可选择拍照、相册、文件方式上传文档

• 分享上传：在其他应用（如图库）中选中文本或图片，点击分享按钮，选择本程序

• 打开上传：在其他应用（如微信QQ）中选择“打开方式”，选择本程序

• 拖拽上传：在支持拖拽的其他应用（微信QQ、超级中转站、电脑多屏协同等）中，拖拽文件到本程序界面

• 划词上传：在其他应用中选中文本，选用本程序处理

五、智能模板

通过高级模板语法，可以实现向界面添加下拉选框等操作，具体说明可以在模板编写说明中查看

 ![](readme_img/template_code.png) 
 ![](readme_img/template_ui.png) 

点击模板编辑页面右上角的按钮，可以加载在线模板列表，在讨论社区中可以获取更多模板或分享自己的模板，分享的模板可能会被动态更新到在线模板列表中哦~

六、支持GPT联网

通过Function接口允许GPT发起联网请求，程序会向GPT自动返回所需的网页数据，使GPT具有联网能力（需先在设置中允许联网）

 ![](readme_img/web_time.png) 
 ![](readme_img/web_weather.png) 




 ![](readme_img/web_jd.png) 
 ![](readme_img/web_zhihu.png) 

注1：上图均为使用gpt-3.5-turbo模型的测试结果，建议在提问前加入“百度搜索”、“必应搜索”、“在线获取”、“从xxx获取”等字样引导GPT，以获得更好的联网效果

注2：如果你使用图中的提问但没有获取到正确的回答，可能是由于GPT的随机性导致访问了错误的网址，或是网站内容变化导致抓取失败，你可以尝试修改提问方式

注3：由于需要将网页内容发送给GPT，联网时会产生大量Token消耗，gpt-4模型请谨慎使用

注4：不支持Function的模型（如gpt-4-vision-preview等）无法使用联网功能

七、智能体模式（实验性）

在主界面启用“智能体”按钮后，AI 可以读取当前屏幕中的控件，并执行点击、滚动、输入文字等操作，可以实现发消息、点外卖、查攻略等高级功能（有待你的探索喔~）

 ![](readme_img/agent.gif) 

注1：该功能仍为实验性能力，不保证所有应用或控件都能稳定识别与操作，且建议选择Agent能力较强的模型。

注2：软件不会保留你的任何信息，但仍建议避免在支付、验证码、密码等敏感页面中使用喔。

安装&配置

1. 下载安装

直接下载最新发行版中的apk文件，安装即可

2. 配置 OpenAI

程序使用的是OpenAI API，需要用户在设置中填入自己的API_KEY，可以选择使用官方服务或第三方转发服务

• 使用官方服务

  在OpenAI官网注册账号并获取API_KEY，在软件设置中填写网址https://api.openai.com/和API_KEY

• 使用第三方转发服务（国内使用）

  官方服务在国内无法直接访问，用户可以选择使用第三方转发服务，此处推荐一个提供免费接口的项目GPT_API_free，目前其免费服务提供gpt-3.5-turbo、gpt-4o-mini等模型，限制调用频率不超过200请求/天/IP&Key，在国内可直接访问

3. 配置语音识别 (可选)

注：程序默认使用的是华为语音识别接口，如无特殊情况，不需要进行此步骤

百度语音识别接口

用户可以参照百度语音识别官方文档注册并创建应用，然后获取AppID、API Key和Secret Key填入设置中

若设置项的“启用长语音”选项关闭，则使用的是百度短语音识别接口，若开启，则使用的是实时语音识别接口，需要用户根据需求在创建应用时勾选对应的服务

此外，在创建应用时，需要将“语音包名”设置为“Android”，并填入本软件包名com.skythinker.gptassistant

Google语音识别接口

用户需要确保系统中已安装Google软件，然后跟随软件指引设定Google为系统语音识别引擎，且允许其使用麦克风权限，然后在软件设置中选择Google语音识别接口即可

Whisper语音识别接口

如果用户所使用的OpenAI接口支持Whisper模型，在软件设置中选择Whisper语音识别接口即可使用

4. 开始使用

• 如果你希望使用音量键唤醒，你需要：

  1. 根据软件提示开启“音量键唤起”无障碍服务，并允许软件在后台运行

  2. 查看系统设置中是否存在“后台弹出界面”权限，如有该权限则允许，如无则忽略

     若发现长按音量下键后手机震动一下但没有弹出界面，大概率是因为缺少该权限

• 如果你希望使用智能体模式，你需要：

  1. 在系统设置中开启本软件的“智能体模式”无障碍服务

  2. 选用支持 Function / 工具调用的模型

  3. 避免在支付、验证码、密码等敏感页面中使用该功能

• 请参照功能展示中的操作使用软件

Q&A

软件唤起

Q: 长按音量下键只是在调节音量，并没有其他任何现象？

A: 请在系统设置中开启本软件的无障碍服务（重启手机后可能需要重新开启）

Q: 长按音量下键后，手机震动了一下，但没有弹出界面？

A: 请在系统设置中允许程序“后台弹出界面”权限

Q: 隔一段时间不用就无法使用音量键唤起了？

A: 请在系统设置中允许程序在后台运行

语音交互

Q: 语音播报没声音 / 不好听？

A: 软件调用的是系统自带TTS(Text To Speech)服务，可以通过软件设置项“打开系统语音设置”进入系统设置界面，选择合适的语音引擎；若对系统自带引擎不满意也可以自行安装第三方TTS引擎如讯飞、TTS Server 等

Q: 不同接口的语音识别效果有什么差别？

A: 在中文和中英混说的场景下测试：

• 华为接口（实时语音识别）识别准确度很高，单句识别表现最好
• 百度则在长句识别时表现很好，断句较为合理，但难以做到中英混合识别（选用的是中文普通话模型）
• Google支持的语言种类很多，中文识别效果一般，且不会加标点
• Whisper支持的语言也很多，中文识别效果还可以，但有时出现简繁体不受控的情况，且不支持边说话边输出

在纯英文场景下，华为、Google和Whisper的效果都不错

Q: 语音识别接口费用如何？

本软件目前支持以下四种语音识别接口，默认使用的华为接口是免费的：

• 华为HMS（默认接口）提供免费的语音识别接口，因此程序内置了作者的API Key以供直接使用，如无特殊情况该接口将在华为免费期间一直可用
• Google也是免费接口，但在国内可能无法访问，仅推荐海外用户使用
• 百度短语音识别为新用户提供15万次 & 180天免费额度，额度外收取￥0.0034/次的调用费用
• Whisper接口由OpenAI提供，与GPT聊天使用相同接口参数，调用费用可以参考官方说明

联网相关

Q: 联网时GPT能访问什么网站？

A: 程序使用Android WebView加载网页，能用本机浏览器打开的网站都可以访问

Q: GPT能获取网站中的什么内容？

A: 对于一般网站，仅允许GPT获取纯文本内容，而对于下述特殊适配过的网站，GPT还可以获取到搜索结果链接：百度、必应、谷歌、谷歌学术、知乎、微博、京东、GitHub、B站、知网

如果你觉得有其他网站需要适配，可以提交Issue

Q: 为什么GPT在访问一些网站时说无法获取内容？

A: 网页加载超时(15s)、需要登录、需要验证等原因都可能导致这个问题，你可以尝试再次提问，或要求GPT更换访问的网站

智能体模式

Q: 开启后为什么AI还是不能操作某些页面？

A: 部分应用不会向无障碍服务暴露完整控件信息，或当前模型不支持 Function / 工具调用；另外，支付、验证码、密码等敏感页面也不建议交给AI操作。

其他使用问题

Q: 为什么列表中没有我需要的模型？

A: 软件仅内置了少数常用模型，你可以在设置中添加自定义模型，添加后即会出现在列表中

Q: 显示获取失败，提示请求超时，或产生错误码502/503？

A: 排除网络因素，该错误一般由OpenAI接口产生，可能由于其服务器负载过高导致，请重试或等待一段时间后再尝试 查看OpenAI实时状态

Q: 如何使用非OpenAI格式的模型接口？

A: 各家LLM接口种类繁多（如Claude、Gemini、Ollama等），本项目暂无计划进行一一适配，用户可以考虑部署OneAPI或NewAPI等分发系统将各家接口统一转换为OpenAI格式

开发相关

Q: 编译仓库代码后无法使用华为HMS语音识别？

A: 为防止滥用，仓库中的Key开启了包名和签名验证，因此如果希望自行编译使用，需要根据华为官方文档创建AppGallery应用并替换鉴权信息，包括app/agconnect-services.json文件和app/src/main/res/values/strings.xml中的hms_api_key字段

主要功能更新日志

• 2023.09.10 发布第一个版本，支持基础对话、百度语音输入、TTS输出、Markdown渲染等功能
• 2023.09.13 支持连续对话、GPT-4、百度长语音识别，上下文菜单唤起
• 2023.10.06 添加华为HMS语音识别
• 2023.11.06 添加联网功能
• 2023.12.04 添加Vision识图功能
• 2023.12.21 支持高级模板语法
• 2024.01.08 支持Google和Whisper语音识别、在线模板列表
• 2024.05.25 支持连续语音对话
• 2025.04.23 支持多种文档解析
• 2026.04.12 支持智能体模式

TODO

• 支持提问、回复长度限制
• 支持消息压缩
• 应用内直接下载安装更新

测试环境

已测试的机型：

改进&贡献

如果你有改进建议或希望参与贡献，欢迎提交Issue或Pull Request

隐私说明

本程序不会以任何方式收集用户的个人信息，语音输入会直接发送给各语音接口，提问会直接发送给OpenAI API，不会经过其他中间服务器

引用的开源项目

• Markwon: Android上的Markdown渲染器
• chatgpt-java: OpenAI API的Java封装