给Termux添加GUI模块，免费网页AI编程+Ollama构建一个本地AI聊天应用
本文介绍了如何在Termux终端应用中添加GUI模块，构建本地AI聊天应用。作者通过分析Termux源码结构，在不影响原有功能的前提下，在TermuxActivity中添加跳转按钮，新建GuiActivity实现图形界面。整个方案采用Termux+Ollama组合，Termux作为服务器运行AI模型，GUI模块作为客户端提供聊天界面。开发过程中使用免费网页AI辅助编程，并复用Termux原有的Te
给Termux添加GUI模块，免费网页AI编程+Ollama构建一个本地AI聊天应用
前言
这几年AI这么火，只作为下游使用别人开发好的AI产品太没劲了，既然现在AI也可以编程了，我们完全可以自己使用AI开发一款AI产品。刚开始简单一点，我们开发一个已经“烂大街”的AI Chat Android APP。聊天对话是AI应用的基本功能，在F-Droid上也可以找到基于API的开源AI聊天应用。为了让我们的AI应用看起来不那么“平凡”，我们开发一款本地运行AI模型+聊天界面的Android APP。在Android上运行AI模型的常规方法是Termux+Ollama。Termux是Android终端仿真器和Linux环境应用程序，Ollama是本地运行LLM的工具，基于它们我们可以在手机上运行一些小模型（例如Qwen3-0.6B、Gemma4-1B等）。常规的技术方案是Termux作为服务器运行AI模型，浏览器或则AI对话APP作为客户端为用户提供聊天界面。为了使我们的项目新颖一点，我们可以将服务端和客户端合二为一，给Termux添加GUI模块，然后在GUI模块里面构建AI对话功能。当然，这整个过程的代码和技术方案尽可能由AI提供，这样才显得我们像AI时代的程序员。由于没有钱购买token，我们使用免费网页AI。
开发前准备
- 下载和安装Android Studio
Android Studio是用于开发 Android 应用的官方集成开发环境 (IDE)。这款应用比较笨重，下载和安装还挺麻烦的（主要是网络因素影响）。 - 免费网页AI
我使用谷歌的gemini。在我使用的各款免费AI中，综合来看gemini是属于比较聪明和靠谱的，而且它破事少，只要你能连上就能正常稳定使用，不会被封号或者限额。 - GitHub上拉取源码，创建新的项目
我们在GitHub上fork Termux的项目源码（termux/termux-app），新建一个 TermuxWithGUI项目。我们在TermuxWithGUI项目中开发自己的应用。原来的Termux使用Java开发，我们继续使用Java开发。 - 基本的Android开发知识（例如Activity、Service、HTTP请求等）
理想状态下我们什么也不用懂，把需求交给AI，AI就应该交付可用的代码，不过现在的AI似乎还做不到这一点。而且为了省钱我们用的是免费网页AI，也不能对人家要求太高，只能靠人肉多学一些知识弥补AI的不足。
分析Termux源码，如何塞进一个GUI
Termux本身只提供终端界面，我们的思路是往Termux里面塞进一个新的空白的界面，这个界面上的内容由我们自由绘制，为用户提供诸如AI聊天界面这样的图形化功能。所以需要阅读一下Termux源码，看从哪里塞进自己的GUI代码比较好。
分析源码这件事就不劳烦AI了，首先是网页AI读不了源码，其次源码上下文太长，AI抓不住重点。不要被分析源码给吓到，我们不需要从头到尾弄清Termux是如何实现一个Linux终端的，只需要弄明白两件事：
- 如何在Termux的终端界面加个按钮，让用户跳转到GUI界面。
- Termux的终端界面是如何与后台进程交互的？我们的GUI界面也采用一样的方式与后台进程交互。Ollama在后台进程中运行，用户在AI聊天界面与Ollama的模型对话。
经过分析，我们可以粗略得到Termux的运行机制：
┌────────────────────────────────────────────┐
│ Termux运行机制 |
│ |
│ TermuxActivity |
| | |
| | |
│ ▼ |
│ TermuxService |
│ | |
│ | |
│ ▼ |
│ TermuxSession |
│ | |
│ | |
│ ▼ |
│ TerminalSession |
│ |
| |
└────────────────────────────────────────────┘
TermuxActivity 就是用户看到的那个黑色终端界面，负责显示文字和接收输入。用户输入命令按下回车后，命令会交给 TermuxService（一个一直后台运行的服务，保证退出界面后任务也不会中断）。随后命令依次经过 TermuxSession（管理当前终端会话的环境，比如工作目录）和 TerminalSession（真正与 Linux 内核交互、执行命令的底层会话）。Activity + Service是Android开发中UI与后台服务分离的经典模式。TerminalSession是应用层的最低层，再往下就是JNI（Java Native Interface）和 Native层开发了。
所以我们接下来要做的事情很清楚了：
- 在TermuxActivity 的页面上加一个按钮，支持跳转到我们开发的GuiActivity中。在GuiActivity中我们想开发什么样的页面就开发什么样的页面。
- GuiActivity也通过TermuxService与后台进程交互。我们直接复用已有的TermuxService，不需要自己操心后台服务的生命周期和应用保活问题。
我们的思路是在不影响Termux原有一切功能的同时，塞进自己的GUI模块。
首先，直接在TermuxActivity的视图文件activity_termux.xml插入跳转按钮。
<com.termux.app.terminal.TermuxActivityRootView xmlns:android="http://schemas.android.com/apk/res/android"
xmlns:app="http://schemas.android.com/apk/res-auto"
xmlns:tools="http://schemas.android.com/tools"
android:id="@+id/activity_termux_root_view"
android:layout_width="match_parent"
android:layout_height="match_parent"
android:orientation="vertical"
android:fitsSystemWindows="true">
<!-- Termux原来的视图元素在这里面，我们不管它们 -->
<RelativeLayout...>
<!-- 下面是我们自己的跳转按钮 -->
<LinearLayout
android:id="@+id/custom_bottom_nav"
android:layout_width="match_parent"
android:layout_height="56dp"
android:background="#1C1C1C"
android:orientation="horizontal"
android:gravity="center">
<LinearLayout
android:id="@+id/btn_nav_terminal"
android:layout_width="0dp"
android:layout_height="match_parent"
android:layout_weight="1"
android:background="?android:attr/selectableItemBackground"
android:clickable="true"
android:focusable="true"
android:gravity="center"
android:orientation="vertical">
<ImageView
android:id="@+id/iv_nav_terminal"
android:layout_width="24dp"
android:layout_height="24dp"
android:src="@android:drawable/ic_menu_edit"
app:tint="#2196F3" />
<TextView
android:id="@+id/tv_nav_terminal"
android:layout_width="wrap_content"
android:layout_height="wrap_content"
android:text="终端"
android:textSize="12sp"
android:textColor="#2196F3" />
</LinearLayout>
<View
android:layout_width="1dp"
android:layout_height="24dp"
android:background="#333333" />
<LinearLayout
android:id="@+id/btn_nav_gui"
android:layout_width="0dp"
android:layout_height="match_parent"
android:layout_weight="1"
android:background="?android:attr/selectableItemBackground"
android:clickable="true"
android:focusable="true"
android:gravity="center"
android:orientation="vertical">
<ImageView
android:id="@+id/iv_nav_gui"
android:layout_width="24dp"
android:layout_height="24dp"
android:src="@android:drawable/ic_menu_manage"
app:tint="#999999" />
<TextView
android:id="@+id/tv_nav_gui"
android:layout_width="wrap_content"
android:layout_height="wrap_content"
android:text="图形化"
android:textSize="12sp"
android:textColor="#999999" />
</LinearLayout>
</LinearLayout>
<View
android:id="@+id/activity_termux_bottom_space_view"
android:layout_width="match_parent"
android:layout_height="1dp"
android:background="@android:color/transparent" />
</com.termux.app.terminal.TermuxActivityRootView>
跳转按钮的逻辑。
//初始化底边栏的视图元素
initNavViews();
// 4. 设置点击监听
btnNavGui.setOnClickListener(v -> {
Intent intent = new Intent(this, GuiActivity.class);
// 核心：复用已有的 Activity 实例，不销毁重建
intent.addFlags(Intent.FLAG_ACTIVITY_REORDER_TO_FRONT);
startActivity(intent);
// 禁用 Activity 跳转动画，实现平滑切换
overridePendingTransition(0, 0);
});
我们需要往TerminalSession和TermuxService添加自己的一些方法，这是因为原来的方法都是为Termux自己的终端页面服务的，我们难以直接复用。
TerminalSession中我们主要添加一个新的创建终端会话方法，自定义获得执行命令结果输出的接口。
//改造
private TerminalSessionOutputListener terminalSessionOutputListener = null; // 新增：输出监听器
// 新增：设置监听器
public void setOutputListener(TerminalSessionOutputListener listener) {
terminalSessionOutputListener = listener;
}
//获得执行命令结果输出的接口
@SuppressLint("HandlerLeak")
class BridgeMainThreadHandler extends Handler{
//...
}
final Handler mBridgeMainThreadHandler = new BridgeMainThreadHandler();
//创建终端会话方法
public void createEmulator(int columns, int rows, int cellWidthPixels, int cellHeightPixels){
//...
}
在TermuxService中，我们新增创建和管理Termux会话的方法。Service内部使用sessionId管理各个会话，页面视图使用sessionName与自己的会话交互。我们自己创建的会话不和正常的Termux终端界面发起的会话混在一起，大家各管各的，但是应用完全退出后（TermuxService销毁后）所有终端会话都要销毁。
//内部新增创建Termux会话的方法
@Nullable
public TermuxSession createTermuxSessionForGUI(String executablePath, String[] arguments, String stdin,
String workingDirectory, boolean isFailSafe, String sessionName){
//...
}
@Nullable
public synchronized TermuxSession createTermuxSessionForGUI(ExecutionCommand executionCommand){
//...
}
//外部调用新增一个会话
public String addNewSession(boolean isFailSafe, String sessionName,int columns, int rows, int cellWidthPixels, int cellHeightPixels){
//...
}
//外部通过sessionName获得最新输出日志
public List<LogEntry> getNewLogs(String sessionName, long lastId){
//...
}
//判断某个session是否被创建
public Boolean containsSession(String sessionName){
//...
}
//执行命令
public void executeCommand(String sessionName,String command){
//执行命令
}
//终止一个会话
public void stopSession(String sessionName) {
//...
}
经过上面的一番努力，我们终于为我们的AI项目打好了底子。接下来，我们可以在GuiActivity中开发自己的页面，并且通过TermuxService调用Termux的一切功能！
让AI生成完整的聊天界面
好了，接下来是gemini的工作，我们已经把地基打好，接下来就是看它的表现了。由于我们是在Termux的基础上进行二次开发，为了保证与原项目的兼容性，我们尽量避免一口气引入大量的新库、新依赖，我们还是使用传统的Java+Android View模式开发，而不是比较新的Kotlin+Compose（其实也不是什么新鲜玩意了）。
- 创建一个Ollama及其模型下载和部署的管理页面。
用户首先需要安装部署Ollama和AI模型，才能和AI对话。我们通过以下相关命令实现功能。
# 获取ollama版本，用于判断ollama是否已近安装
ollama -v
# 下载安装ollama
pkg update && pkg install ollama -y
# 启动ollama服务
ollama serve &
# 拉取AI模型
ollama pull qwen3:0.6b
# 删除本地模型
ollama rm qwen3:0.6b
# 获取本地模型列表
ollama list
页面上每一个图形化功能对应一个命令。
Ollama安装部署的工作流程如下：
判断Ollama是否安装，未安装则安装Ollama，判断Ollama服务是否启动，未启动则启动Ollama服务。
我们使用网络探测的方式判断ollama的服务是否已经启动。
try {
URL url = new URL("http://127.0.0.1:11434/api/tags");
HttpURLConnection conn = (HttpURLConnection) url.openConnection();
conn.setConnectTimeout(800);
isUp = (conn.getResponseCode() == 200);
System.out.println("ollama http:"+conn.getResponseCode());
conn.disconnect();
} catch (Exception ignored) {
ignored.printStackTrace();
}
- 对话记录
我们使用数据库框架Room来管理对话记录，Room是 SQLite 的抽象封装，提供了更便捷的数据库操作方式。
我们记录用户与模型的每一次对话，发起一个对话后用户不能切换模型。
我们用id、对话标题、对话模型名称、发起对话时间四个要素来表达一个对话。
@Entity(tableName = "chat_sessions")
public class ChatSession {
@PrimaryKey(autoGenerate = true)
public long id; // 数据库永久 ID
public String title; // 会话标题（如：Ollama 调优建议）
public String modelName; // 该会话使用的模型（如：gemma:2b）
public long lastTimestamp; // 用于列表排序的时间戳
public ChatSession(String title, String modelName, long lastTimestamp) {
this.title = title;
this.modelName = modelName;
this.lastTimestamp = lastTimestamp;
}
}
每一个对话里面都有聊天记录，每一条信息由信息id，关联的对话id，角色，消息内容，发送时间等要素确定。
@Entity(
tableName = "chat_messages",
foreignKeys = @ForeignKey(
entity = ChatSession.class,
parentColumns = "id",
childColumns = "sessionId", // 指向持久化的 ChatSession.id
onDelete = ForeignKey.CASCADE
),
indices = {@Index("sessionId")} // 索引：加快提取上下文的速度
)
public class ChatMessage {
@PrimaryKey(autoGenerate = true)
public long id;
public long sessionId; // 关联的数据库持久化会话 ID
public String role; // "user", "assistant" 或 "system"
public String content; // 消息内容
public String thinking; //思考过程
public long timestamp; // 发送时间
// 新增：用于 UI 状态反馈
public int status; // 0: 发送中, 1: 成功, 2: 失败
public ChatMessage(long sessionId, String role, String content,String thinking, long timestamp, int status) {
this.sessionId = sessionId;
this.role = role;
this.content = content;
this.thinking=thinking;
this.timestamp = timestamp;
this.status = status;
}
}
- 对话功能
尽管ollama run+模型名 可以直接启动一个AI对话，但是我们还是选择基于Ollama 的HTTP API构建聊天功能，这样方便直接加载历史对话上下文。我们使用okhttp3网络库。
我们先定义Ollama API的请求体类和响应体类。
public class OllamaChatRequest {
public String model;
public List<Message> messages;
public boolean stream;
public boolean think;
public OllamaChatRequest(String model, List<Message> messages, boolean stream,boolean think) {
this.model = model;
this.messages = messages;
this.stream = stream;
this.think=think;
}
public static class Message {
public String role;
public String content;
public Message(String role, String content) {
this.role = role;
this.content = content;
}
}
}
public class OllamaResponse {
public String model;
@SerializedName("created_at")
public String createdAt;
public Message message;
public boolean done;
public static class Message {
public String role;
public String content;
public String thinking;
}
}
有的模型支持输出思考过程(Thinking)，所以在请求体里面添加一个think参数用于开启输出思考模式。
我们创建一个OllamaChatRepository类，在这个类里面基于单线程池进行网络IO和数据库IO。
public class OllamaChatRepository {
private static final String TAG = "OllamaChatRepo";
private final ChatDao chatDao;
private final ChatSessionDao sessionDao;
private final OkHttpClient client;
private final Gson gson;
// 使用单线程池确保同一个 Repository 的操作序列化，避免并发写入竞争
private final ExecutorService executor = Executors.newSingleThreadExecutor();
public OllamaChatRepository(Context context) {
AppDatabase db = AppDatabase.getDatabase(context);
this.chatDao = db.chatDao();
this.sessionDao = db.chatSessionDao();
this.gson = new Gson();
this.client = new OkHttpClient.Builder()
.connectTimeout(10, TimeUnit.SECONDS)
.readTimeout(0, TimeUnit.MILLISECONDS) // AI响应可能很长，禁用读取超时
.build();
}
/**
* 发送流式消息
* @param sessionId 会话ID
* @param modelName 使用的模型名
* @param content 用户输入内容
*/
public void sendMessageStream(long sessionId, String modelName, String content){
executor.execute(() -> {
//网络IO和数据库IO
}
)
}
}
当 OllamaChatRepository 收到网络流式数据（Chunk）后，会不断将新内容追加并调用 chatDao.updateMessage(assistantMsg) 写入本地 SQLite 数据库。
OllamaResponse ollamaResp = gson.fromJson(line, OllamaResponse.class);
if (ollamaResp != null) {
String chunk = "";
if(ollamaResp.message.content!=null){
chunk = ollamaResp.message.content;
}
fullContentResponse.append(chunk);
String chunk2 ="";
if(ollamaResp.message.thinking!=null){
chunk2 = ollamaResp.message.thinking;
}
fullThinkResponse.append(chunk2);
// 实时更新数据库，UI 层观察到的 LiveData 会自动刷新同步
assistantMsg.content = fullContentResponse.toString();
assistantMsg.thinking=fullThinkResponse.toString();
Log.d(TAG,"chunk:"+chunk);
Log.d(TAG,"thinking:"+chunk2);
chatDao.updateMessage(assistantMsg);
}
Room 数据库中，getMessagesBySession 返回的是一个 LiveData 对象。这意味着 Room 内部会主动监听该表的变化。一旦数据库发生写入，LiveData 会在子线程检测到，并立即将最新的消息列表推送到主线程。
@Dao
public interface ChatDao {
@Insert
long insertMessage(ChatMessage message);
@Update
void updateMessage(ChatMessage message);
// 用于 UI 实时显示消息列表
@Query("SELECT * FROM chat_messages WHERE sessionId = :sessionId ORDER BY timestamp ASC")
LiveData<List<ChatMessage>> getMessagesBySession(long sessionId);
// 核心：用于提取最近的上下文发给 Ollama
// 我们可以限制条数（如最近 20 条），防止上下文过长导致 Token 溢出
@Query("SELECT * FROM chat_messages WHERE sessionId = :sessionId ORDER BY timestamp ASC LIMIT :limit")
List<ChatMessage> getChatContext(long sessionId, int limit);
@Query("DELETE FROM chat_messages WHERE sessionId = :sessionId")
void deleteSessionMessages(long sessionId);
}
ChatFragment 中的 setupObservers() 注册了对这个 LiveData 的观察。一旦收到新数据，就会自动触发内部的回调，调用 adapter.setMessages(messages) 更新界面。
chatViewModel.getMessages(sessionId).observe(getViewLifecycleOwner(), messages ->
{
//刷新UI
}
);
整个对话功能采用的是典型的响应式数据流（Reactive Architecture）架构，底层由数据库驱动，遵循网络流 -> 数据库 -> LiveData -> UI这一过程。
存在的问题
- AI模型相应速度很慢，这倒不是ollama本地模型的问题，因为ollama本身的命令行对话相应挺快的，而应该是是代码的网络交互和UI刷新问题。
- 渲染最新消息时UI的刷新会抽风。
总结
使用免费网页AI编程还是挺有趣的，只是AI第一次给出的代码不一定完全符合你的需求，需要你讨价还价，这个过程还是蛮累的，一点也不轻松，不省心。
项目地址：
TermuxWithGUI
openEuler 是由开放原子开源基金会孵化的全场景开源操作系统项目，面向数字基础设施四大核心场景（服务器、云计算、边缘计算、嵌入式），全面支持 ARM、x86、RISC-V、loongArch、PowerPC、SW-64 等多样性计算架构
更多推荐
3
0- 0
已为社区贡献1条内容
所有评论(0)