半小时实现GPT纯血鸿蒙版
仅需半小时，即可实现纯血鸿蒙版本的ChatGPT！
废话少说，先看效果图：
如上图所示，这个小Demo实现了AI智能问答。靠右加粗的文本是用户点击底部提交按钮后出现的；后面靠左对齐的普通文本是来自AI的回答内容。当然，整个内容是可滑动浏览的，当内容被滑动时，屏幕右侧将出现滚动条。最后，为什么UI是英文呢？因为鸿蒙的模拟器目前没有内置中文输入法，恰好这个AI服务也可以用英文来回答。
值得注意的是：这个小Demo之所以我称其为Demo，是因为它的功能实在是太简单了。只有一个基础的AI对话功能，如果要做成一个产品，我觉得起码得有个数据持久化的过程，而且还能支持文本的编辑、复制、删除，还要提供收藏功能。更重要的，UI也需要好好美化一下……
所以，这篇文章就权当抛砖引玉，让大家体会一下开发原生纯血鸿蒙版本的App是有多么轻松。
前置条件
- DevEco 3.1.1 Release；
- 在百度智能云控制台上创建好应用，保存好API Key和Secret Key。
创建项目（5分钟）
使用DevEco创建项目仅需两步，第一步选择类型，第二步填写项目信息。
对于第一步，我们选择Application（应用程序）->Empty Ability（空白Ability）；
对于第二步，我们选择迄今为止最新的Compile SDK，即3.1.0(API 9)，Model选择Stage，不开启“Enable Super Visual”。其余的内容大家根据自身环境配置进行填写就好。
编码实现（20分钟）
整个编码过程分为三个步骤，首先添加权限，然后实现UI，最后实现网络操作。
添加权限（2分钟）
在整个App的项目结构中，找到默认创建的entry模块，依次定位到src->main->module.json5，权限在该文件中进行配置。
这个Demo功能非常简单，但仍需对其添加必要的网络访问权限，以确保可以打开网络套接字，完成HTTP请求和响应。
代码片段如下：
"requestPermissions": [
{
"name": "ohos.permission.INTERNET",
}
],
UI实现（10分钟）
回过头来看本文最上方的截图，经过布局分析后，可以得到如下结论：整个界面是纵向布局，由两个部分构成。一是可滚动的对话历史；二是下方的输入框和提交按钮。
因此，整个UI布局最外层应该是一个Column，表示纵向布局。其中，占据90%高度的对话历史区域，占据10%高度的输入框和按钮区域。
先来看对话历史区域，它其实本质上也是一个Column，每个item就是一段文字。根据文字的类型来判断是居左还是居右。在这个Column之外，为了让整个对话历史区域可以上下滚动查看，因此还需要Scroll组件将整个Column组件包裹起来。
代码片段如下：
@State messagesList: Object[] = [{ 'role': 'user', 'content': 'What can I help you with?' }]
// 历史问答
Scroll() {
Column() {
ForEach(this.messagesList, (item: Object) => {
if (item['role'] == 'user') {
Text(item['content']).fontSize(20).fontWeight(FontWeight.Bold).width('100%').textAlign(TextAlign.End)
} else {
Text(item['content']).fontSize(20).width('100%').textAlign(TextAlign.Start)
}
})
}.width('100%').alignItems(HorizontalAlign.Center)
}
.scrollable(ScrollDirection.Vertical)
.scrollBar(BarState.Auto)
.scrollBarColor(Color.Gray)
.scrollBarWidth(10)
.edgeEffect(EdgeEffect.Fade)
.height('90%')
.width('100%')
请注意这段代码中的messagesList，它是一个对象数组。role表示角色，即该条消息是用户发送的，还是服务器返回的；content表示文字内容。
在由Scroll包裹的Column组件之中，使用了ArkTS提供的ForEach渲染方式进行逐条消息的渲染，并使用if...else...条件判断语句对角色来源进行区分。
再来看底部的输入框和操作按钮，由于它们是横向排列的，所以使用Row组件进行布局。在此，我将文本输入框设定了80%的宽度，提交按钮设定了20%的宽度。
代码片段如下：
@State questionStr: string = ''
// 文本输入和提交
Row() {
TextInput({ placeholder: 'Please input your question', text: this.questionStr })
.type(InputType.Normal)
.onChange((value: string) => {
this.questionStr = value
})
.width('80%')
Button('提交').type(ButtonType.Capsule).onClick(() => {
this.messagesList.push({ 'role': 'user', 'content': this.questionStr })
getAnswer(this.questionStr, this.messagesList)
this.questionStr = ''
}).width('20%')
}.height('10%').width('100%')
在这段代码中，questionStr表示输入框中的文字字符串。getAnswer()函数发起并接收HTTP请求，向服务器提交用户问题字符串，并等待接收响应内容，将问题的回答放入messagesList对象数组之中，完成整个问答流程。
最后，将上述Scroll组件和Row组件一并放入Column内，完成整个UI绘制。
网络访问（8分钟）
根据百度官方的开发文档，完成整个AI问答过程至少需要两个步骤：获取access_token和获取问题答案。
获取access_token的过程在程序一开始就可以进行了，因为在后续的操作中都要用到access_token。因此，我声明了access_token的全局变量，并将获取该值的方法封装为getToken()函数，具体代码如下：
var access_token: string = ''
function getToken() {
let httpRequest = http.createHttp();
httpRequest.on('headersReceive', (header) => {
console.info('header: ' + JSON.stringify(header));
});
httpRequest.request(
"https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=[你的应用的API Key]&client_secret=[你的应用的Secret Key]",
{
method: http.RequestMethod.POST,
header: {
'Content-Type': 'application/json',
},
expectDataType: http.HttpDataType.OBJECT,
usingCache: true,
priority: 1,
connectTimeout: 60000,
readTimeout: 60000,
usingProtocol: http.HttpProtocol.HTTP1_1,
}, (err, data) => {
if (!err) {
access_token = data.result['access_token']
} else {
httpRequest.off('headersReceive')
httpRequest.destroy()
}
});
}
getToken()函数我在回调的onPageShow()函数中使用，即程序启动后，就获取access_token。
最后，我们来实现getAnswer()函数，它是向服务器提交问题和接收响应的函数，具体代码如下：
function getAnswer(questionStr: string, messageList: Object[]) {
let httpRequest = http.createHttp();
httpRequest.on('headersReceive', (header) => {
console.info('header: ' + JSON.stringify(header));
});
httpRequest.request(
"https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/yi_34b_chat?access_token=" + access_token,
{
method: http.RequestMethod.POST,
header: {
'Content-Type': 'application/json'
},
extraData: { "messages": [{
"role": "user",
"content": questionStr
}] },
expectDataType: http.HttpDataType.OBJECT,
usingCache: true,
priority: 1,
connectTimeout: 60000,
readTimeout: 60000,
usingProtocol: http.HttpProtocol.HTTP1_1,
}, (err, data) => {
if (!err) {
messageList.push({ 'role': 'assist', 'content': data.result['result'] })
} else {
httpRequest.off('headersReceive')
httpRequest.destroy()
}
}
);
}
还需要做些别的吗？
答案是：没有了，真的不用了。
运行项目（5分钟）
无论是本地模拟器，还是真机，抑或是远程模拟器，只需要启动其中一个，然后让这个程序跑起来吧！如无意外，你将会得到一个超级简易的AI问答机器人，纯血鸿蒙版。
当然，这里我写了需要5分钟，是包括了下载模拟器镜像的时间，如果你有真机或是使用远程模拟器的话，那就会更快了。
最后，我们来对比一下。我完成上述功能，Index.ets一共117行，你的呢？
