> [!NOTE]
> 本文档由 WeHub 基于上游 README 翻译整理,属于社区翻译,非官方中文文档。
> [English](./README.en.md) · [原始项目](https://github.com/Arindam200/awesome-ai-apps) · [上游 README](https://github.com/Arindam200/awesome-ai-apps/blob/HEAD/README.md)
> 原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。

# Awesome AI Apps [](https://awesome.re)
本仓库汇集了 **80+ 个实用示例、教程与配方(recipes)**,用于构建强大的 LLM 驱动应用——包括文本智能体、语音助手、RAG(检索增强生成)应用,以及基于 MCP 的工具。这些项目为使用各类 AI 框架与技术栈的开发者提供指引。
## 📋 目录
- [🎓 课程](#-courses)
- [🚀 精选 AI 应用](#-featured-ai-apps)
- [🧩 入门智能体](#-starter-agents)
- [🪶 简易智能体](#-simple-agents)
- [🎙️ 语音智能体](#-voice-agents)
- [🗂️ MCP 智能体](#️-mcp-agents)
- [🧠 记忆智能体](#-memory-agents)
- [📚 RAG 应用](#-rag-applications)
- [🔬 高级智能体](#-advanced-agents)
- [📺 教程与视频](#-tutorials--videos)
- [🚀 快速开始](#getting-started)
- [🤝 参与贡献](#-contributing)
---
---
## 🎓 课程
### 面向初学者的 AWS Strands 课程
**全面动手课程,讲解如何使用 AWS Strands SDK 构建 AI 智能体:**
- [**AWS Strands 课程**](course/aws_strands) - 完整 8 课时课程,涵盖从智能体基础到生产级模式
- **基础**:基础智能体、会话管理、结构化输出
- **集成**:MCP 智能体、人在回路(human-in-the-loop)模式
- **多智能体**:编排智能体、群体智能、图工作流
- **生产**:可观测性、安全护栏与最佳实践
## 🚀 精选 AI 应用
### 🧩 入门智能体
**用于学习并扩展不同 AI 框架的快速入门智能体。** _20 个项目_
- [Agno HackerNews Analysis](starter_ai_agents/agno_starter) - 基于 Agno 的 HackerNews 趋势分析智能体
- [OpenAI SDK Starter](starter_ai_agents/openai_agents_sdk) - OpenAI Agents SDK,含邮件助手与俳句写作示例
- [LlamaIndex Task Manager](starter_ai_agents/llamaindex_starter) - 由 LlamaIndex 驱动的任务助手
- [CrewAI Research Crew](starter_ai_agents/crewai_starter) - 多智能体研究团队示例
- [Letta Starter](starter_ai_agents/letta_starter) - 具备跨会话持久长期记忆的有状态智能体
- [Microsoft Agent Framework Starter](starter_ai_agents/microsoft_agents_starter) - 基于 Microsoft Agent Framework 的多智能体旅行规划演示
- [PydanticAI Weather Bot](starter_ai_agents/pydantic_starter) - 实时天气信息智能体
- [LangChain Starter](starter_ai_agents/langchain_starter) - LangChain 工具调用智能体,含 `create_tool_calling_agent` + `AgentExecutor`,由 Nebius 驱动
- [LangGraph Starter](starter_ai_agents/langgraph_starter) - LangGraph 预构建 ReAct 智能体(`create_react_agent`),含自定义工具,由 Nebius 驱动
- [AWS Strands Agent Starter](starter_ai_agents/aws_strands_starter) - 使用 AWS Strands SDK 的天气报告智能体
- [Mastra Starter](starter_ai_agents/mastra_starter) - TypeScript 优先的智能体,含由 Nebius Token Factory 驱动的自定义工具
- [Camel AI Starter](starter_ai_agents/camel_ai_starter) - 对比多种 AI 模型的性能基准测试工具
- [DSPy Starter](starter_ai_agents/dspy_starter) - 用于构建与优化 AI 系统的 DSPy 框架
- [Google ADK Starter](starter_ai_agents/google_adk_starter) - Google Agent Development Kit 入门模板
- [Semantic Kernel Starter](starter_ai_agents/semantic_kernel_starter) - Microsoft Semantic Kernel `ChatCompletionAgent`,支持基于插件的工具调用
- [smolagents Starter](starter_ai_agents/smolagents_starter) - Hugging Face smolagents 代码优先的网页搜索智能体
- [AutoGen Starter](starter_ai_agents/autogen_starter) - Microsoft AutoGen `AssistantAgent`,含自定义工具,由 Nebius Token Factory 驱动
- [cagent Starter](starter_ai_agents/cagent_starter) - Docker 开源、可定制的多智能体运行时
- [Sayna Voice Agent](starter_ai_agents/sayna_starter) - 实时语音基础设施,支持多提供商 STT/TTS(Deepgram、ElevenLabs、Azure、Google)及 WebSocket 流式传输
- [KAOS Starter](starter_ai_agents/kaos_starter) - 原生 Kubernetes 多智能体系统,含 MCP 工具与集群内 LLM
### 🪶 Simple Agents
**简单直接、实用的日常 AI 应用场景。** _19 个项目_
- [Agno AI Examples](simple_ai_agents/agno_ai_examples) - 从简单到多智能体的示例,含网页搜索与知识库
- [Finance Agent](simple_ai_agents/finance_agent) - 实时股票与市场数据追踪智能体
- [Human-in-the-Loop Agent](simple_ai_agents/human_in_the_loop_agent) - 人机协同(HITL)操作,保障 AI 任务安全执行
- [Newsletter Generator](simple_ai_agents/newsletter_agent) - AI 驱动的简报生成器,集成 Firecrawl
- [Reasoning Agent](simple_ai_agents/reasoning_agent) - 分步金融推理演示
- [Agno UI Example](simple_ai_agents/agno_ui_agent) - 网页与金融智能体的交互式 UI
- [Mastra Weather Bot](simple_ai_agents/mastra_ai_weather_agent) - 使用 Mastra AI 框架的天气更新
- [Calendar Assistant](simple_ai_agents/cal_scheduling_agent) - 与 Cal.com 集成的日历日程安排
- [Smart Scheduler Assistant](simple_ai_agents/email_to_calendar_scheduler) - AI 驱动的 Gmail 阅读器与 Google Calendar 管理器
- [Web Automation Agent](simple_ai_agents/browser_agent) - 使用 Nebius 与 browser-use 的浏览器自动化智能体
- [Nebius Chat](simple_ai_agents/nebius_chat) - Nebius Token Factory 的聊天界面
- [RouteLLM Chat](simple_ai_agents/llm_router) - 使用 RouteLLM 的智能模型路由(GPT-4o-mini 对比 Nebius Llama),用于成本优化
- [Talk to Your DB](simple_ai_agents/talk_to_db) - 使用 GibsonAI 与 LangChain 的自然语言数据库查询
- [LangChain Simple Agents](simple_ai_agents/langchain_simple_agents) - 由 Nebius 驱动的事件响应、支持、供应商风险与数据质量智能体,含类型化输出与受控工具
- [Agent Discovery Agent](simple_ai_agents/agent_discovery_agent) - 在 NANDA、MCP、Virtuals、A2A 与 ERC-8004 注册表中查找并对比 AI 智能体
- [LangChain Data Agent PoC](simple_ai_agents/langchain_data_agent_poc) - 自然语言转 SQL 数据智能体,基于 LangGraph、Nebius,只读 SQL 安全机制,以及 Streamlit 图表
- [VoyageCompass Travel Planner](simple_ai_agents/nebius_travel_planner) - 基于 LangChain 与 Nebius 的旅行规划器,含天气、调研、货币换算、预算与行李清单工具
### 🎙️ Voice Agents
**实时语音助手与流式语音处理流水线。** _8 个项目_
- [Gradium + Nebius Voice Coach](voice_agents/voice-agent-gradium-nebius-langchain) - 对话式路演教练,使用 Gradium STT/TTS、LangChain 编排与 Nebius 推理
- [Healthcare Voice Contact Center](voice_agents/healthcare_contact_center) - Pipecat 医疗呼叫中心,支持预约、FAQ 处理与主管升级
- [LiveKit + Gemini Realtime](voice_agents/livekit_gemini_agents) - LiveKit Agents 配合 Google Gemini Live(`gemini` 多模态实时),在 LiveKit 房间中实现低延迟语音对话
- [LiveKit Voice Agent with Web Search](voice_agents/livekit_web_search_agent) - LiveKit + Gemini 实时语音智能体,含基于 Olostep 的 `web_search` 工具,提供新鲜、附来源的回答
- [LiveKit RSVP Confirmation Agent](voice_agents/livekit_rsvp_agent) - 外呼语音智能体,致电参会者确认 RSVP,并更新 JSON 支持的活动数据库
- [Pipecat + Sarvam](voice_agents/pipecat_agent) - Pipecat 语音流水线,使用 Sarvam STT/TTS 与 OpenAI 聊天;通过 Pipecat runner 支持 WebRTC(浏览器)或 Daily 传输
- [Speed-to-Lead Voice Agent](voice_agents/speed_to_lead_agent) - 基于 LiveKit 的语音智能体,即时拨打入站线索电话、路由至专家并记录到模拟 CRM
- [VoxCode (Cursor Code Editor)](voice_agents/Cursor_code_editor) - 本地语音工作区,用于代码库摘要与架构问答;Deepgram Voice Agent + Nebius 推理 + Cursor SDK 文件检查/编辑
### 🗂️ MCP Agents
**使用 Model Context Protocol(MCP)进行外部工具集成的示例。** _13 个项目_
- [Doc-MCP](mcp_ai_agents/doc_mcp) - 语义 RAG 文档与问答系统
- [LangGraph MCP Agent](mcp_ai_agents/langchain_langgraph_mcp_agent) - LangChain ReAct 智能体,集成 Couchbase
- [GitHub MCP Agent](mcp_ai_agents/github_mcp_agent) - 通过 MCP 获取仓库洞察与分析
- [MCP Starter](mcp_ai_agents/mcp_starter) - GitHub 仓库分析入门模板
- [Talk to your Docs](mcp_ai_agents/docs_qna_agent) - 基于 MCP 的文档问答智能体
- [Database MCP Agent](mcp_ai_agents/database_mcp_agent) - 对话式 AI 智能体,用于管理 GibsonAI 数据库项目与 schema
- [Hotel Finder Agent](mcp_ai_agents/hotel_finder_agent) - 使用 MCP 集成的酒店搜索与预订
- [Custom MCP Server](mcp_ai_agents/custom_mcp_server) - 自定义 MCP 服务器实现示例
- [Couchbase MCP Server](mcp_ai_agents/couchbase_mcp_server) - Couchbase 数据库与 MCP 协议集成
- [ScaleKit Exa MCP Security](mcp_ai_agents/scalekit-exa-mcp-security) - 面向安全的 MCP 集成,结合 Exa 搜索
- [Docker E2B MCP Agent](mcp_ai_agents/e2b_docker_mcp_agent) - 安全 AI 智能体,通过 MCP Gateway 在沙箱 Docker 环境中运行智能体
- [Taskade MCP Agent](mcp_ai_agents/taskade_mcp_agent) - AI 驱动的工作区智能体,通过 Taskade MCP 管理项目、任务与工作流
- [Telemetry MCP Okahu](mcp_ai_agents/telemetry-mcp-okahu) - 自愈合 Text-to-SQL 演示,通过托管 MCP 使用 Okahu Cloud 追踪数据
- [MCP Toolbox Security Agent](mcp_ai_agents/mcp_toolbox_security_agent) - 基于 PostgreSQL + MongoDB 的安全电商智能体;MCP Toolbox 强制执行按用户数据访问、最小权限角色与授权工具
### 🧠 Memory Agents
**具备高级记忆能力的智能体,用于上下文保持与个性化。** _13 个项目_
- [Agno Memory Agent](memory_agents/agno_memory_agent) - 基于 Agno 的智能体,具备持久化记忆能力
- [arXiv Researcher Agent with Memori](memory_agents/arxiv_researcher_agent_with_memori) - 使用 OpenAI Agents 与 GibsonAI Memori 的研究助手
- [AWS Strands Agent with Memori](memory_agents/aws_strands_agent_with_memori) - 集成 Memori 记忆系统的 AWS Strands 智能体
- [Blog Writing Agent](memory_agents/blog_writing_agent) - 具备记忆能力的个性化博客写作智能体,保持风格一致
- [Social Media Agent](memory_agents/social_media_agent) - 具备记忆能力的社交媒体自动化智能体,保持品牌调性
- [Job Search Agent](memory_agents/job_search_agent) - 具备记忆能力的求职智能体,用于偏好追踪
- [Brand Reputation Monitor](memory_agents/brand_reputation_monitor) - AI 驱动的品牌声誉监测,含新闻分析与情感追踪
- [Product Launch Agent](memory_agents/product_launch_agent) - 竞品产品发布分析的竞争情报工具
- [AI Consultant Agent](memory_agents/ai_consultant_agent/) - AI 驱动的咨询智能体,使用 **Memori v3** 作为长期记忆架构,并以 **ExaAI** 开展研究
- [Customer Support Voice Agent](memory_agents/customer_support_voice_agent) - 支持语音的客户支持助手,集成 Memori v3 与 Firecrawl 用于知识库管理
- [YouTube Trend Agent](memory_agents/youtube_trend_agent) - YouTube 频道分析智能体,结合 Memori、Agno 与 Exa 进行趋势分析与视频创意生成
- [Study Coach Agent](memory_agents/study_coach_agent) - AI 驱动的学习教练,使用 Memori v3 与 LangGraph 进行多步理解验证
- [Engineering Content Agent](memory_agents/engineering_content_agent) - 以聊天为先的 Agno 应用,将 HN 需求、DEV.to 供给缺口与 Weaviate Engram 记忆转化为开发者趋势摘要,并通过 Nebius 生成 DevRel 演讲/博客创意
### 📚 RAG Applications
**检索增强生成(RAG)示例,用于文档理解与知识库构建。** _12 个项目_
- [Agentic RAG](rag_apps/agentic_rag) - 基于 Agno 与 GPT-5 的 Agentic RAG 实现
- [Agentic RAG with Web Search](rag_apps/agentic_rag_with_web_search) - 高级 RAG,结合 CrewAI、Qdrant 与 Exa,支持混合搜索
- [Resume Optimizer](rag_apps/resume_optimizer) - AI 驱动的简历优化与增强工具
- [LlamaIndex RAG Starter](rag_apps/llamaIndex_starter) - LlamaIndex + Nebius RAG 入门模板
- [PDF RAG Analyzer](rag_apps/pdf_rag_analyser) - 多 PDF 对话与分析系统
- [Qwen3 RAG Chat](rag_apps/qwen3_rag) - 基于 Streamlit 构建的 PDF 聊天机器人界面
- [Chat with Code](rag_apps/chat_with_code) - 对话式代码探索与文档助手
- [Gemma3 OCR](rag_apps/gemma_ocr/) - 使用 Gemma3 模型的 OCR 文档与图像处理器
- [Nvidia Nemotron OCR](rag_apps/nvidia_ocr/) - 使用 Nvidia Nemotron-Nano-V2-12b 的 OCR 文档与图像解析器
- [Contextual AI RAG](rag_apps/contextual_ai_rag) - 企业级 RAG,含托管数据存储与质量评估
- [Advanced RAG with Reranking](rag_apps/advanced_rag_with_reranking) - 面向生产的 PDF RAG:上下文检索、Qdrant 混合搜索、重排序、流式回答、上传摄取与可点击引用
- [Simple RAG](rag_apps/simple_rag) - 基于 Nebius 的基础 RAG 实现,便于快速上手
- [WFGY 16 Problem Map LLM Debugger](rag_apps/wfgy_llm_debugger) - 16 模式地图式 LLM 与 RAG 缺陷调试器
### 🔬 Advanced Agents
**面向生产就绪端到端工作流的复杂多智能体流水线。** _24 个项目_
- [Deep Research + Writing Agents Workshop](advance_ai_agents/deep_research_writing_agents_nebius_okahu) - 由 Nebius 驱动的 LangChain MCP 工作坊,集成 Exa 研究、Gemini 图像生成与 Okahu/Monocle 评估可观测性
- [Nebius AutoResearch](advance_ai_agents/nebius-autoresearch-autoresearch-mar30) - NYC 出租车分析流水线优化器;结合 Nebius Token Factory 进行迭代代码搜索(实时或批量推理)
- [AgentField Financial Research Agent](advance_ai_agents/agentfield_finance_research_agent) - 基于 AgentField 的金融研究智能体
- [Due Diligence Agent](advance_ai_agents/due_diligence_agent) - 多智能体公司尽职调查流水线,使用 AG2 与 TinyFish 深度网页抓取
- [Deep Researcher](advance_ai_agents/deep_researcher_agent) - 多阶段研究智能体,基于 Agno 与 ScrapeGraph AI
- [Candilyzer](advance_ai_agents/candidate_analyser) - 面向 GitHub/LinkedIn 资料的候选人分析工具
- [Cosmos Arena Debate Council](advance_ai_agents/cosmos_arena_debate_council) - 基于 LangGraph 构建的多智能体辩论委员会,通过 Nebius Token Factory 调用 NVIDIA Cosmos 推理模型
- [Job Finder](advance_ai_agents/job_finder_agent) - LinkedIn 求职搜索自动化,集成 Bright Data
- [AI Trend Analyzer](advance_ai_agents/trend_analyzer_agent) - 基于 Google ADK 的 AI 趋势挖掘与分析
- [Conference Talk Generator](advance_ai_agents/conference_talk_abstract_generator) - 基于 Google ADK 与 Couchbase 的自动化演讲摘要生成
- [Finance Service Agent](advance_ai_agents/finance_service_agent) - 基于 Agno 的股票数据与预测 FastAPI 服务
- [FlowSentinel Audit Trail](advance_ai_agents/flowsentinal_audittrail) - Next.js 工作流指挥中心:Nebius Nemotron 推理、n8n 编排、Velt 不可变活动日志,可选 Tailscale Funnel 暴露
- [Price Monitoring Agent](advance_ai_agents/price_monitoring_agent) - 基于 CrewAI、Twilio 与 Nebius 的价格监控与告警智能体
- [Pydantic Game Agent](advance_ai_agents/pydantic_game_agent) - FastAPI 多智能体工作室,使用 Pydantic AI 与 Nebius 上的 GLM-5.2,从单条提示生成沙箱化浏览器游戏
- [Startup Idea Validator Agent](advance_ai_agents/startup_idea_validator_agent) - 用于验证与分析创业想法的智能体工作流
- [Meeting Assistant Agent](advance_ai_agents/meeting_assistant_agent) - 从对话自动生成会议纪要与任务
- [AI Hedgefund](advance_ai_agents/ai-hedgefund) - 用于全面金融分析的智能体工作流
- [Smart GTM Agent](advance_ai_agents/smart_gtm_agent) - 市场进入(GTM)策略与竞争分析智能体
- [Conference Agnostic CFP Generator](advance_ai_agents/conference_agnositc_cfp_generator) - 自动化会议提案生成系统
- [Car Finder Agent](advance_ai_agents/car_finder_agent) - AI 驱动的二手车推荐系统,基于 CrewAI 与 MongoDB
- [Content Team Agent](advance_ai_agents/content_team_agent) - 基于 Agno 与 SerpAPI 的 SEO 内容优化工作流,面向 Google AI Search 排名
- [Customer Support Resolution Agent](advance_ai_agents/customer_support_resolution_agent) - 基于 LangChain 与 Nebius 的支持智能体,含知识库检索、订单查询与人工工单升级
- [Web Intelligence Agent](advance_ai_agents/web_intelligence_agent) - Mastra 多智能体流水线,将 Olostep 网页证据转化为经 Nemotron 验证的案例研究,含 SQLite 持久化与 Velt 审计追踪
- [Temporal Agents](advance_ai_agents/temporal_agents/) - 基于 Temporal 的 AI 智能体示例
## 📺 Tutorials & Videos
### 🎓 Course Playlists
- [**AWS Strands Course**](https://www.youtube.com/playlist?list=PLMZM1DAlf0Lrc43ZtUXAwYu9DhnqxzRKZ) - 使用 AWS Strands SDK 构建 AI 智能体的完整 8 课时课程
### 🔧 Framework Tutorials
- [**Build with MCP**](https://www.youtube.com/playlist?list=PLMZM1DAlf0Lolxax4L2HS54Me8gn1gkz4) - Model Context Protocol 教程与示例
- [**Build AI Agents**](https://www.youtube.com/playlist?list=PLMZM1DAlf0LqixhAG9BDk4O_FjqnaogK8) - 通用 AI 智能体开发教程
- [**AI Agents, MCP and more...**](https://www.youtube.com/playlist?list=PL2ambAOfYA6-LDz0KpVKu9vJKAqhv0KKI) - 混合教程与项目演示
---
## 📥 每日 AI 洞察,助你保持前沿!
获取通俗易懂的每周教程,以及关于 AI、LLM(大语言模型)和智能体(agent)框架的深度解析。适合希望学习、动手构建并紧跟新技术的开发者。订阅我们的 Newsletter!
[](https://mranand.substack.com/subscribe)
---
## Getting Started
### Prerequisites
- **Python 3.10+**(新项目建议使用 Python 3.11+)
- **Git**,用于克隆仓库
- **Package Manager(包管理器)**:`pip` 或 `uv`(推荐,安装更快)
- **API Keys(API 密钥)**:大多数项目需要 API 密钥(详见各项目 README)
### Quick Start
1. **Clone the repository(克隆仓库)**
```bash
git clone https://github.com/Arindam200/awesome-ai-apps.git
cd awesome-ai-apps
```
2. **Choose a project(选择项目)** and navigate to its directory(进入对应目录)
```bash
cd starter_ai_agents/agno_starter # Example: Start with Agno starter
```
3. **Set up environment variables(配置环境变量)**
```bash
cp .env.example .env # Copy example environment file
# Edit .env with your API keys
```
4. **Install dependencies(安装依赖)**
```bash
# Using pip
pip install -r requirements.txt
# OR using uv (recommended - faster)
uv sync
# or
uv pip install -e .
```
5. **Run the project(运行项目)**
```bash
python main.py
# or for Streamlit apps
streamlit run app.py
```
## 🤝 Contributing
欢迎社区贡献!你可以通过以下方式参与:
- 🐛 **Report bugs(报告 Bug)** or suggest improvements via [GitHub Issues](https://github.com/Arindam200/awesome-ai-apps/issues)
- 💡 **Add new projects(添加新项目)** - Submit your own AI agent examples
- 📝 **Improve documentation(改进文档)** - Help make projects more accessible
- 🔧 **Fix issues(修复问题)** - Contribute code improvements and bug fixes
**Before contributing(贡献前须知):**
- Read our [Contributing Guidelines](CONTRIBUTING.md) for detailed information
- Check existing issues to avoid duplicates
- Follow the project structure and naming conventions
- Ensure your project includes a comprehensive README.md
**Important:** This project follows a [Contributor Code of Conduct](CODE_OF_CONDUCT.md). By participating, you agree to abide by its terms.
## 📜 License
This repository is licensed under the [MIT License](./LICENSE). Feel free to use and modify the examples for your projects.
## 👥 Core Maintainers
本项目由以下维护者积极维护:
Arindam Majumder
·
Shivay Lamba
·
Astrodevil
如有任何问题、建议或贡献,欢迎随时联系维护者。
## Thank You for the Support! 🙏
[](https://www.star-history.com/#Arindam200/awesome-ai-apps&Date)