> [!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。 ![Banner](/assets/banner_new.png)
# Awesome AI Apps [![Awesome](https://awesome.re/badge.svg)](https://awesome.re) Arindam200%2Fawesome-ai-apps | Trendshift
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) ---
## 💎 赞助商

衷心感谢各位赞助商的慷慨支持!

Bright Data - Web Data Platform
Web Data Platform
访问 Bright Data 网站
Nebius Token Factory
AI 推理服务提供商
访问 Nebius Token Factory
ScrapeGraphAI - Web Scraping Library
AI 网页抓取框架
在 GitHub 上查看 ScrapeGraphAI
Memori - SQL Native Memory for AI
SQL Native Memory for AI
访问 Memorilabs 网站
CopilotKit - Agentic Application Platform
智能体应用平台
访问 CopilotKit 网站
ScaleKit - Auth Stack for AI
Auth Stack for AI
访问 ScaleKit 网站
Okahu - AI Platform
AI 可观测性平台
访问 Okahu 网站
SerpApi - Google Search API
Google Search API
访问 SerpApi 网站
AgentField - Kubernetes for AI Agents
Kubernetes for AI Agents
访问 AgentField 网站
### 💎 成为赞助商

有兴趣赞助本项目?欢迎与我们联系!
LinkedIn Email

--- ## 🎓 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! [![Subscribe to our Newsletter](https://github.com/user-attachments/assets/990d1947-337b-4e87-a7e6-e619ec19dee6)](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

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! 🙏 [![Star History Chart](https://api.star-history.com/svg?repos=Arindam200/awesome-ai-apps&type=Date)](https://www.star-history.com/#Arindam200/awesome-ai-apps&Date)