项目文件夹
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 · 原始项目 · 上游 README
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。
500+ AI Agent 项目与用例
这是什么?
一份精选的 500+ AI Agent 项目合集——涵盖各类主流框架(LangGraph、CrewAI、AutoGen、Agno)与行业(医疗、金融、教育、网络安全等)的生产示例、教程与可运行代码。
适用对象:
- 🧑💻 开发者——构建首个或下一个 AI Agent
- 🔬 研究人员——调研 Agent 生态格局
- 🏢 团队——评估用于生产的框架
- 🎓 学生——通过真实案例学习 Agent 架构
⚡ 快速开始
选择一个框架,在 5 分钟内运行一个 Agent:
# Clone the repo
git clone https://github.com/ashishpatel26/500-AI-Agents-Projects.git
cd 500-AI-Agents-Projects
# Run any agent from the agents/ directory
cd agents/01-web-research-agent
pip install -r requirements.txt
cp .env.example .env # add your API key
python agent.py
agents/中的所有 Agent 均为自包含,各自带有requirements.txt和.env.example。无需 monorepo 设置。
🗺️ 导航指南
| 我想要... | 前往 |
|---|---|
| 立即运行一个可用的 Agent | agents/ |
| 按 AI 框架浏览 | 按框架划分的用例 |
| 按行业浏览 | 行业用例 |
| 了解该用哪个框架 | 框架对比 |
| 添加我自己的 Agent | 贡献指南 |
| 通过课程学习 | crewai_mcp_course/ |
📊 框架对比
正在选择框架?以下是各框架的适用场景:
| 框架 | 最适合 | 复杂度 | 多 Agent | 流式输出 | 本地 LLM |
|---|---|---|---|---|---|
| LangGraph | 有状态工作流、RAG 流水线、复杂图 | ⭐⭐⭐ | ✅ | ✅ | ✅ |
| CrewAI | 基于角色的团队、业务自动化、快速原型 | ⭐⭐ | ✅ | ✅ | ✅ |
| AutoGen | 代码生成、研究、自愈工作流 | ⭐⭐⭐ | ✅ | ✅ | ✅ |
| Agno | 轻量级单 Agent、工具集成、快速迭代 | ⭐ | ✅ | ✅ | ✅ |
| LlamaIndex | 文档问答、企业 RAG、数据流水线 | ⭐⭐ | ⚠️ | ✅ | ✅ |
快速决策指南:
- 刚入门 → Agno 或 CrewAI
- 需要有状态图 + RAG → LangGraph
- 构建代码编写 / 研究类 Agent → AutoGen
- 企业文档流水线 → LlamaIndex
🏭 行业用例
🔧 按框架浏览
CrewAI
基于角色的多智能体(multi-agent)框架,非常适合业务自动化。
AutoGen
微软推出的框架,用于代码生成、执行与多智能体研究。
代码生成、执行与调试
| 使用场景 | 行业 | 描述 | Notebook |
|---|---|---|---|
| 🤖 通过代码生成、执行与调试实现自动化任务求解 | 软件开发 | 演示通过生成、执行和调试代码来自动求解任务 | |
| 🧑💻 基于检索增强智能体的代码生成与问答 | 软件开发 | 使用检索增强(Retrieval Augmented)方法生成代码并回答问题 | |
| 🧠 基于 Qdrant 检索的代码生成与问答 | 软件开发 | 利用 Qdrant 提升检索增强智能体的性能 |
多智能体协作
顺序多智能体对话(Sequential Multi-Agent Chats)
| 用例 | 行业 | 描述 | Notebook |
|---|---|---|---|
| 🔄 顺序任务求解(单一发起智能体) | 工作流自动化 | 使用单一发起智能体自动化顺序任务求解 | |
| ⏳ 异步顺序任务求解 | 工作流自动化 | 在对话序列中处理异步任务求解 | |
| 🤝 由不同发起智能体进行的顺序对话 | 工作流自动化 | 由不同智能体分别发起每次对话的顺序任务求解 |
嵌套对话(Nested Chats)
| 用例 | 行业 | 描述 | Notebook |
|---|---|---|---|
| 🧠 使用嵌套对话解决复杂任务 | 问题求解 | 使用嵌套对话解决层级化与复杂问题 | |
| 🔄 嵌套对话序列 | 问题求解 | 演示使用嵌套对话进行顺序任务求解 | |
| 🏭 OptiGuide 供应链与嵌套对话 | 供应链 | 使用嵌套对话解决供应链优化问题 | |
| ♟️ 嵌套对话下的对话式国际象棋 | 游戏 | 使用嵌套对话配合工具进行对话式国际象棋 |
工具(Tools)
多模态智能体(Multimodal Agents)
| 用例 | 行业 | 描述 | Notebook |
|---|---|---|---|
| 🎨 结合 DALLE 与 GPT-4V 的多模态智能体 | 多媒体 AI | 结合 DALLE 与 GPT-4V 实现多模态智能体通信 | |
| 🖌️ 使用 Llava 的多模态智能体 | 图像处理 | 使用 Llava 进行多模态智能体对话 | |
| 🖼️ 使用 GPT-4V 的多模态智能体 | 多媒体 AI | 利用 GPT-4V 实现视觉与对话交互 |
可观测性与评估(Observability & Evaluation)
| 用例 | 行业 | 描述 | Notebook |
|---|---|---|---|
| 📊 AgentEval:多智能体评估系统 | 性能评估 | 评估基于 LLM 的应用实用性 | |
| 📊 使用 AgentOps 跟踪 LLM 调用与错误 | 监控与分析 | 监控 LLM 交互、工具使用与错误 | |
| 🏗️ 使用 AgentBuilder 自动构建多智能体系统 | AI 开发 | 自动构建多智能体系统 |
Agno
轻量、快速的智能体框架。最适合单智能体工具与快速原型开发。
LangGraph
用于复杂、有状态智能体工作流与 RAG 管道的状态机框架。
🤝 贡献
欢迎贡献!🎉 本仓库依靠社区贡献不断发展。
贡献方式:
- 添加可运行的智能体 — 在
agents/中创建文件夹并放入可运行代码 - 添加外部链接 — 在行业或框架表格中新增一行
- 修复失效链接 — 提交 issue 或 PR
- 改进文档 — 修正错别字、补充说明、完善示例
参与步骤:
- Fork 本仓库
- 创建分支:
feat/agent-name或fix/description - 按照贡献指南添加你的更改
- 使用 PR 模板提交 PR
完整要求(metadata.yaml、requirements.txt 等)见 CONTRIBUTION.md。
Star 历史
📜 许可证
本仓库采用 MIT 许可证。更多信息请参阅 LICENSE 文件。
⭐ 如果觉得有用,请为本仓库点 Star — 这能帮助更多人发现它!

