oracle-devrel/oracle-ai-developer-hub

# Oracle AI 开发者中心 本代码仓库包含技术资源，旨在帮助 AI 开发者和工程师使用 Oracle AI Database 和 OCI 服务，结合 AI/Agent 技术栈的其他关键组件，构建 AI 应用程序、Agent 和系统。 ## 您将找到的内容 本代码仓库组织为几个关键部分： ### 📱 **应用程序** (`/apps`) 演示如何使用 Oracle 技术构建 AI 驱动解决方案的应用程序和参考实现。这些完整且可运行的示例展示了利用 Oracle AI Database 和 OCI 服务的 AI 应用程序、Agent 和系统的端到端实现。每个应用程序都包含源代码、部署配置和文档，以帮助开发者了解架构模式、集成方法以及构建生产级 AI 解决方案的最佳实践。 | 名称 | 描述 | 链接 | | ------------------------ | -------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------- | | FitTracker | 使用 Oracle 26ai JSON Duality Views (FastAPI + Redis) 构建的带游戏化元素的健身平台，在网络研讨会上现场创建。 | [](./apps/FitTracker) | | agentic_rag | 具有多 Agent Chain of Thought (CoT)、PDF/Web/Repo 处理以及 Oracle AI Database 26ai 集成的智能 RAG 系统 | [](./apps/agentic_rag) | | finance-ai-agent-demo | 使用 Oracle AI Database 作为统一内存核心的金融服务 AI Agent，支持向量、图、空间和关系查询 | [](./apps/finance-ai-agent-demo) | | oci-generative-ai-jet-ui | 包含 Oracle JET UI、OCI Generative AI 集成、Kubernetes 部署和 Terraform 基础设施的全栈 AI 应用程序 | [](./apps/oci-generative-ai-jet-ui) | | tanstack-shoe-store | 使用 TanStack Start 和 Oracle 26ai Select AI 以自然语言查询鞋店数据库的 AI 聊天应用 | [](./apps/tanstack-shoe-store) | ### 📓 **笔记本** (`/notebooks`) 涵盖以下内容的 Jupyter 笔记本和交互式教程： - AI/ML 模型开发和实验 - Oracle Database AI 功能和特性 - OCI AI 服务集成模式 - 数据准备和分析工作流 - Agent 开发和编排示例 | 名称 | 描述 | 技术栈 | 链接 | | ----------------------------------- | --------------------------------------------------------------------------------------------------------------- | --------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------ | | agentic_rag_langchain_oracledb_demo | 使用 langchain-oracledb 的多 Agent RAG：OracleVS, OracleEmbeddings, OracleTextSplitter 和 CoT Agent | Oracle AI Database, langchain-oracledb, Ollama | [](./notebooks/agentic_rag_langchain_oracledb_demo.ipynb) | | fs_vs_dbs | 比较文件系统与数据库 Agent 内存架构。 | LangChain, Oracle AI Database, OpenAI | [](./notebooks/fs_vs_dbs.ipynb) | | memory_context_engineering_agents | 构建 6 种类型持久化内存的 AI Agent。 | LangChain, Oracle AI Database, OpenAI, Tavily | [](./notebooks/memory_context_engineering_agents.ipynb) | | oracle_langchain_example | 使用 Oracle 26ai 向量存储和 LangChain 构建 RAG 应用程序 | Oracle AI Database, langchain-oracledb, HuggingFace | [](./notebooks/oracle_langchain_example.ipynb) | | oracle_rag_agents_zero_to_hero | 学习使用 Oracle AI Database 从零开始构建 RAG Agent。 | Oracle AI Database, OpenAI, OpenAI Agents SDK | [](./notebooks/oracle_rag_agents_zero_to_hero.ipynb) | | oracle_rag_with_evals | 构建带有综合评估指标的 RAG 系统 | Oracle AI Database, OpenAI, BEIR, Galileo | [](./notebooks/oracle_rag_with_evals.ipynb) | | agent_reasoning_demo | 用于 Agent 推理的 11 种认知架构 (CoT, ToT, ReAct, Self-Reflection 等) 交互式演示 | Ollama, agent-reasoning | [](./notebooks/agent_reasoning_demo.ipynb) | | oracle_agentic_rag_hybrid_search | 使用 LangGraph ReAct Agent 在单个 SQL 查询中进行向量、关键字和混合搜索的 Agentic RAG | Oracle AI Database, langchain-oracledb, LangGraph, OpenAI | [](./notebooks/oracle_agentic_rag_hybrid_search.ipynb) | | f1_miami_strategy_oracle_26ai | 2026 赛季 F1 迈阿密大奖赛策略智能 — 在一个 Oracle 26ai 数据库中使用 SQL、混合向量+关键字搜索、JSON 文档和属性图，并基于真实的 FastF1 数据 | Oracle AI Database, FastF1, sentence-transformers, Plotly | [](./notebooks/f1_miami_strategy_oracle_26ai.ipynb) | | multicloud/ | 在 OCI 之外运行 Oracle AI Database 的 AWS、Azure、Google Cloud 和 MongoDB API 示例 | Oracle AI Database + AWS / Azure / Google / MongoDB | [](./notebooks/multicloud) | ### 📚 **指南** (`/guides`) 涵盖 AI Agent 架构、推理策略和内存系统的综合文档、参考材料和会议演示。 | 名称 | 描述 | 链接 | | ----------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------- | | Building the Brain and Backbone of Enterprise AI Agents | 企业级 AI Agent 的高级推理和基础架构策略。涵盖 2026 年 Agent 技术栈（分层架构）、推理模式 (Chain of Thought, Tree of Thoughts, Self-Reflection, Least-to-Most, Decomposed Prompting) 以及上下文/信念更新。由 Nacho Martinez 在 DevWeek SF 2026 上发表。 | [](./guides/brain_backbone_enterprise_agents_devweek_sf_2026.pdf) | | Memory Engineering: The Discipline Behind Memory Augmented Agents | 深入探讨作为 AI Agent 学科的内存工程——帮助 Agent 记忆、推理和行动的科学。涵盖内存生态系统、外形规格以及塑造记忆增强 Agent 的关键学科。由 Richmond Alake 在 DevWeek SF 2026 (主题演讲) 上发表。 | [](./guides/memory_engineering_devweek_sf_2026.pdf) | | Agent Memory with Oracle AI Database | Agent 内存架构以及作为 AI Agent 内存核心的 Oracle AI Database。由 Eli Schilling 在 DeepLearning.AI 于 2026 年 4 月主办的 AI 开发者大会上发表。 | [](./guides/dlai_aidev_agent_memory.pptx) | ### 🧠 **Agent 内存** (`/notebooks/agent_memory`) 专注于 **[Oracle AI Agent Memory](https://www.oracle.com/database/ai-agent-memory/)** 包 (`oracleagentmemory`) 的笔记本——构建在 Oracle AI Database 之上的 AI-Agent 内存包。这些笔记本演示了如何使用 **Oracle AI Database 作为 AI Agent 的统一内存核心**，由单一的融合引擎提供对话历史、持久事实和实体状态服务，而不是将向量数据库、键值存储和关系存储拼接在一起。 该系列涵盖了该包的开发者指南、与朴素内存的基准对比，以及三个端到端的框架示例 (OpenAI Agents SDK, Claude Agent SDK, LangGraph)。 | 名称 | 描述 | 技术栈 | 链接 | | -------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------- | | OAMP Developer Guide | `oracleagentmemory` API 分步指南：连接、三个核心原语 (users/agents, memories, threads)、自动提取和向量检索。 | OAMP, LiteLLM | [](./notebooks/agent_memory/oracle_agent_memory_developer_guide.ipynb) | | OAMP Benchmarks | 量化 OAMP 与朴素扁平历史记录内存在包含三个 Agent 变体的 80 个脚本轮次中的 token 成本、延迟和响应质量对比。 | OAMP, LiteLLM, OpenAI | [](./notebooks/agent_memory/oracle_agent_memory_benchmarks.ipynb) | | Deep Research Agent | 构建一个用于人类基因组探索的深度研究 Agent，该 Agent 使用 Tavily 进行实时网络搜索，并使用 Oracle AI Agent Memory 跨会话保留持久发现。 | OpenAI Agents SDK, Tavily, OAMP | [](./notebooks/agent_memory/01_deep_research_openai_agents.ipynb) | | Supply Chain Assistant | 一个供应链助手，通过进程内工具和 MCP Server 跟踪运输货物，并将运输记录和操作说明持久化在 OAMP 中。 | Claude Agent SDK, MCP, OAMP | [](./notebooks/agent_memory/02_supply_chain_claude_agent_sdk.ipynb) | | Mortgage Approval Workflow | 一个确定性抵押贷款审批工作流，建模为 LangGraph `StateGraph`，其中 OAMP 持久化申请人数据和审计跟踪，以便在失败的运行中恢复。 | LangGraph, OAMP | [](./notebooks/agent_memory/03_mortgage_workflow_langgraph.ipynb) | ### 🎓 **研讨会** (`/workshops`) 旨在帮助开发者从基础知识跃升至 Oracle AI Database 生产模式的实践研讨会和引导式学习体验。每个研讨会都是独立的，包含学生笔记本（有 TODO 缺口需填补）、完整的参考笔记本、分步部件指南，以及预配置了 Oracle AI Database 且随时可运行的 Codespaces / devcontainer 环境。研讨会从信息检索和 RAG 开始，经过 Agentic 系统和编排，一直到记忆增强 Agent——它们共同涵盖了在 Oracle 上构建 AI 应用程序的完整技术栈。 | 名称 | 描述 | 技术栈 | 链接 | | ---------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------- | | Information Retrieval to RAG | 通过实现五种检索策略（关键字、向量、混合、图）以及连接到 OCI GenAI 的完整 RAG 管道，在 200 篇 ArXiv 论文之上构建一个研究论文助手。 | Oracle AI Database, sentence-transformers, oracledb, OCI GenAI (xAI Grok 3 Fast) | [](./workshops/information_retrieval_to_RAG) | | From RAG to Agents | 将 RAG 管道扩展为多 Agent 系统——将检索封装为 Agent 工具，组合编排，并添加由 Oracle 支持的持久化会话内存。 | Oracle AI Database, sentence-transformers, oracledb, OpenAI API (GPT-5), openai-agents | [](./workshops/from_rag_to_agents_workshop) | | Agent Memory | 构建具备内存感知的 Agent：在 Oracle 中实现具有六种内存类型的 `MemoryManager`，应用上下文工程技术，并比较有内存和无内存的 Agent 运行情况。 | Oracle AI Database, langchain-oracledb, sentence-transformers, OCI GenAI, Tavily | [](./workshops/agent_memory_workshop) | ### 🤝 **合作伙伴** (`/partners`) 由 AI 生态系统中的合作伙伴贡献的笔记本和应用程序。AI 开发者可以使用这些资源来了解如何将 Oracle AI Database 和 OCI 与 LangChain、Galileo、LlamaIndex 以及其他流行的 AI/ML 框架和平台等工具结合使用。 | 名称 | 描述 | 技术栈 | 链接 | | ------------- | ----------------------------------------- | ----- | ---- | | _即将推出_ | 合作伙伴贡献的资源将在此处添加 | - | - | ## 快速入门 1. **探索应用程序**：从 `/apps` 中的应用程序开始，查看完整且可运行的示例 2. **跟随研讨会**：查看 `/work` 以获取引导式学习路径 3. **使用笔记本进行实验**：使用 `/notebooks` 进行动手实验 4. **构建记忆增强 Agent**：深入 `/notebooks/agent_memory` 了解 Oracle AI Agent Memory 包 5. **参考指南**：查阅 `/guides` 获取详细文档 6. **查看合作伙伴资源**：探索 `/partners` 获取与流行 AI 工具和框架的集成 ### 开发设置 在贡献之前，请设置 pre-commit 钩子以确保代码自动格式化： 1. **安装 pre-commit**: pip install pre-commit 2. **安装附加依赖** (可选，包含 pre-commit 和 ruff): pip install -r requirements-dev.txt 3. **安装 pre-commit 钩子**: pre-commit install 4. **可选：格式化现有代码**: pre-commit run --all-files pre-commit 钩子将自动格式化您的代码，使用： - **Ruff** 处理 Python 文件（格式化和代码检查） - **Prettier** 处理 JavaScript、TypeScript、JSON、YAML 和 Markdown 文件 有关更多详细信息，请参阅 [SETUP_PRE_COMMIT.md](./SETUP_PRE_COMMIT.md)。 ## 许可证 Copyright (c) 2024 Oracle and/or its affiliates. Licensed under the Universal Permissive License (UPL), Version 1.0. 有关更多详细信息，请参阅 [LICENSE](LICENSE)。 ORACLE AND ITS AFFILIATES DO NOT PROVIDE ANY WARRANTY WHATSOEVER, EXPRESS OR IMPLIED, FOR ANY SOFTWARE, MATERIAL OR CONTENT OF ANY KIND CONTAINED OR PRODUCED WITHIN THIS REPOSITORY, AND IN PARTICULAR SPECIFICALLY DISCLAIM ANY AND ALL IMPLIED WARRANTIES OF TITLE, NON-INFRINGEMENT, MERCHANTABILITY, AND FITNESS FOR A PARTICULAR PURPOSE. FURTHERMORE, ORACLE AND ITS AFFILIATES DO NOT REPRESENT THAT ANY CUSTOMARY SECURITY REVIEW HAS BEEN PERFORMED WITH RESPECT TO ANY SOFTWARE, MATERIAL OR CONTENT CONTAINED OR PRODUCED WITHIN THIS REPOSITORY. IN ADDITION, AND WITHOUT LIMITING THE FOREGOING, THIRD PARTIES MAY HAVE POSTED SOFTWARE, MATERIAL OR CONTENT TO THIS REPOSITORY WITHOUT ANY REVIEW. USE AT YOUR OWN RISK. **注意**：本代码仓库会积极维护，并不断更新有关 Oracle AI 开发的新资源、示例和最佳实践。

标签：AI开发, AV绕过, Chain of Thought, CoT, DLL 劫持, DNS解析, FastAPI, JSON Duality Views, LLM, Oracle, Oracle 23ai, Oracle AI Database, RAG, Redis, Unmanaged PE, 人工智能, 企业级AI, 参考实现, 向量数据库, 多智能体, 大语言模型, 子域名突变, 开发者资源, 开源项目, 技术栈, 搜索引擎查询, 数据库, 架构模式, 检索增强生成, 用户模式Hook绕过, 示例代码, 解决方案, 逆向工具, 金融AI