Arindam200/awesome-ai-apps

# 精选 AI 应用 [](https://awesome.re)

## 🎓 课程 ### AWS Strands 初学者课程 **使用 AWS Strands SDK 构建 AI Agent 的综合实践课程：** - [**AWS Strands 课程**](course/aws_strands) - 涵盖从 Agent 基础到生产模式的完整 8 课时课程 - **基础**：基础 Agent、会话管理、结构化输出 - **集成**：MCP Agent、人在回路（human-in-the-loop）模式 - **多 Agent**：编排器 Agent、群体智能、图工作流 - **生产**：可观测性、安全护栏和最佳实践 ## 🚀 特色 AI 应用 ### 🧩 入门 Agent **用于学习和扩展不同 AI 框架的快速入门 Agent。** _13 个项目_ - [Agno HackerNews 分析](starter_ai_agents/agno_starter) - 基于 Agno 的 HackerNews 趋势分析 Agent - [OpenAI SDK 入门](starter_ai_agents/openai_agents_sdk) - OpenAI Agents SDK，附带邮件助手与俳句（haiku）写作示例 - [LlamaIndex 任务管理器](starter_ai_agents/llamaindex_starter) - 由 LlamaIndex 驱动的任务助手 - [CrewAI 研究团队](starter_ai_agents/crewai_starter) - 多 Agent 研究团队示例 - [PydanticAI 天气机器人](starter_ai_agents/pydantic_starter) - 实时天气信息 Agent - [LangChain-LangGraph 入门](starter_ai_agents/langchain_langgraph_starter) - LangChain + LangGraph 工作流入门 - [AWS Strands Agent 入门](starter_ai_agents/aws_strands_starter) - 使用 AWS Strands SDK 的天气报告 Agent - [Camel AI 入门](starter_ai_agents/camel_ai_starter) - 比较各种 AI 模型的性能基准测试工具 - [DSPy 入门](starter_ai_agents/dspy_starter) - 用于构建和优化 AI 系统的 DSPy 框架 - [Google ADK 入门](starter_ai_agents/google_adk_starter) - Google Agent Development Kit 入门模板 - [cagent 入门](starter_ai_agents/cagent_starter) - 由 Docker 提供的开源可定制多 Agent 运行时 - [Sayna 语音 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）和 WebSocket 流式传输 - [KAOS 入门](starter_ai_agents/kaos_starter) - Kubernetes 原生多 Agent 系统，内置 MCP 工具和集群内 LLM ### 🪶 简易 Agent **适用于日常 AI 应用的直接、实用的用例。** _14 个项目_ - [Agno AI 示例](simple_ai_agents/agno_ai_examples) - 从简单到多 Agent 的示例，包含网络搜索和知识库 - [金融 Agent](simple_ai_agents/finance_agent) - 实时股票与市场数据跟踪 Agent - [人在回路 Agent](simple_ai_agents/human_in_the_loop_agent) - 用于安全 AI 任务执行的 HITL 操作 - [新闻简报生成器](simple_ai_agents/newsletter_agent) - AI 驱动的简报构建器，集成 Firecrawl - [推理 Agent](simple_ai_agents/reasoning_agent) - 逐步金融推理演示 - [Agno UI 示例](simple_ai_agents/agno_ui_agent) - Web 和金融 Agent 的交互式 UI - [Mastra 天气机器人](simple_ai_agents/mastra_ai_weather_agent) - 使用 Mastra AI 框架获取天气更新 - [日历助手](simple_ai_agents/cal_scheduling_agent) - 与 Cal.com 集成的日程安排 - [智能排程助手](simple_ai_agents/email_to_calendar_scheduler) - AI 驱动的 Gmail 阅读器和 Google 日程管理器 - [Web 自动化 Agent](simple_ai_agents/browser_agent) - 使用 Nebius 和 browser-use 的浏览器自动化 Agent - [Nebius 聊天](simple_ai_agents/nebius_chat) - Nebius Token Factory 的聊天界面 - [RouteLLM 聊天](simple_ai_agents/llm_router) - 使用 RouteLLM（GPT-4o-mini 与 Nebius Llama）进行成本优化的智能模型路由 - [与数据库对话](simple_ai_agents/talk_to_db) - 使用 GibsonAI 和 LangChain 进行自然语言数据库查询 - [Agent 发现 Agent](simple_ai_agents/agent_discovery_agent) - 在 NANDA、MCP、Virtuals、A2A 和 ERC-8004 注册表中查找和比较 AI Agent ### 🎙️ 语音 Agent **实时语音助手和流式语音管道。** _2 个项目_ - [LiveKit + Gemini 实时](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 - [Pipecat + Sarvam](voice_agents/pipecat_agent) - Pipecat 语音管道，使用 Sarvam STT/TTS 和 OpenAI 进行聊天；通过 Pipecat runner 支持 WebRTC（浏览器）或 Daily 传输 ### 🗂️ MCP Agent **使用模型上下文协议（Model Context Protocol）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 文档和问答系统 - [LangGraph MCP Agent](mcp_ai_agents/langchain_langgraph_mcp_agent) - 集成 Couchbase 的 LangChain ReAct Agent - [GitHub MCP Agent](mcp_ai_agents/github_mcp_agent) - 通过 MCP 获取仓库洞察和分析 - [MCP 入门](mcp_ai_agents/mcp_starter) - GitHub 仓库分析器入门模板 - [与文档对话](mcp_ai_agents/docs_qna_agent) - 使用 MCP 的文档问答 Agent - [数据库 MCP Agent](mcp_ai_agents/database_mcp_agent) - 用于管理 GibsonAI 数据库项目和架构的对话式 AI Agent - [酒店查找 Agent](mcp_ai_agents/hotel_finder_agent) - 使用 MCP 集成进行酒店搜索和预订 - [自定义 MCP 服务器](mcp_ai_agents/custom_mcp_server) - 自定义 MCP 服务器实现示例 - [Couchbase MCP 服务器](mcp_ai_agents/couchbase_mcp_server) - 使用 MCP 协议集成 Couchbase 数据库 - [ScaleKit Exa MCP 安全](mcp_ai_agents/scalekit-exa-mcp-security) - 侧重安全的 MCP 集成，使用 Exa 搜索 - [Docker E2B MCP Agent](mcp_ai_agents/e2b_docker_mcp_agent) - 通过 MCP Gateway 在沙箱化 Docker 环境中运行 Agent 的安全 AI Agent - [Taskade MCP Agent](mcp_ai_agents/taskade_mcp_agent) - AI 驱动的工作区 Agent，通过 Taskade MCP 管理项目、任务和工作流 - [Telemetry MCP Okahu](mcp_ai_agents/telemetry-mcp-okahu) - 通过托管 MCP 使用 Okahu Cloud traces 的自愈 Text-to-SQL 演示 ### 🧠 记忆 Agent **具有高级记忆能力、用于上下文保留和个性化的 Agent。** _12 个项目_ - [Agno 记忆 Agent](memory_agents/agno_memory_agent) - 具有持久记忆能力的基于 Agno 的 Agent - [使用 Memori 的 arXiv 研究员 Agent](memory_agents/arxiv_researcher_agent_with_memori) - 使用 OpenAI Agents 和 GibsonAI Memori 的研究助手 - [使用 Memori 的 AWS Strands Agent](memory_agents/aws_strands_agent_with_memori) - 集成 Memori 记忆系统的 AWS Strands Agent - [博客写作 Agent](memory_agents/blog_writing_agent) - 具有记忆功能的个性化博客写作 Agent，用于保持风格一致性 - [社交媒体 Agent](memory_agents/social_media_agent) - 社交媒体自动化 Agent，具有品牌声音记忆功能 - [求职 Agent](memory_agents/job_search_agent) - 具有偏好跟踪记忆功能的求职 Agent - [品牌声誉监控](memory_agents/brand_reputation_monitor) - AI 驱动的品牌声誉监控，包含新闻分析和情感跟踪 - [产品发布 Agent](memory_agents/product_launch_agent) - 分析竞争对手产品发布的竞争情报工具 - [AI 顾问 Agent](memory_agents/ai_consultant_agent/) - AI 驱动的咨询 Agent，使用 **Memori v3** 作为长期记忆结构，并使用 **ExaAI** 进行研究 - [客户支持语音 Agent](memory_agents/customer_support_voice_agent) - 具有语音功能的客户支持助手，使用 Memori v3 和 Firecrawl 进行知识库管理 - [YouTube 趋势 Agent](memory_agents/youtube_trend_agent) - YouTube 频道分析 Agent，使用 Memori、Agno 和 Exa 进行趋势分析和视频创意生成 - [学习辅导 Agent](memory_agents/study_coach_agent) - AI 驱动的学习辅导，使用 Memori v3 和 LangGraph 对理解情况进行多步验证 ### 📚 RAG 应用 **用于文档理解和知识库的检索增强生成（Retrieve-augmented generation）示例。** _12 个项目_ - [Agentic RAG](rag_apps/agentic_rag) - 使用 Agno 和 GPT-5 的 Agentic RAG 实现 - [带网络搜索的 Agentic RAG](rag_apps/agentic_rag_with_web_search) - 使用 CrewAI、Qdrant 和 Exa 实现混合搜索能力的高级 RAG - [简历优化器](rag_apps/resume_optimizer) - AI 驱动的简历优化和增强工具 - [LlamaIndex RAG 入门](rag_apps/llamaIndex_starter) - LlamaIndex + Nebius RAG 入门模板 - [PDF RAG 分析器](rag_apps/pdf_rag_analyser) - 多 PDF 聊天和分析系统 - [Qwen3 RAG 聊天](rag_apps/qwen3_rag) - 使用 Streamlit 构建的 PDF 聊天机器人界面 - [代码对话](rag_apps/chat_with_code) - 对话式代码探索器和文档助手 - [Gemma3 OCR](rag_apps/gemma_ocr/) - 使用 Gemma3 模型的基于 OCR 的文档和图像处理器 - [Nvidia Nemotron OCR](rag_apps/nvidia_ocr/) - 使用 Nvidia Nemotron-Nano-V2-12b 的基于 OCR 的文档和图像解析 - [Contextual AI RAG](rag_apps/contextual_ai_rag) - 具有托管数据存储和质量评估的企业级 RAG - [Simple RAG](rag_apps/simple_rag) - 使用 Nebius 的基础 RAG 实现，适合快速开始 - [WFGY 16 问题图谱 LLM 调试器](rag_apps/wfgy_llm_debugger) - 基于 16 模式图谱的 LLM 和 RAG 错误调试器 ### 🔬 高级 Agent **用于生产级端到端工作流的复杂多 Agent 管道。** _18 个项目_ - [Nebius AutoResearch](advance_ai_agents/nebius-autoresearch-autoresearch-mar30) - 纽约出租车分析流水线优化器；使用 Nebius Token Factory 进行迭代代码搜索（实时或批量推理） - [AgentField 金融研究 Agent](advance_ai_agents/agentfield_finance_research_agent) - 使用 AgentField 的金融研究 Agent - [尽职调查 Agent](advance_ai_agents/due_diligence_agent) - 使用 AG2 和 TinyFish 深网爬取的多 Agent 公司尽职调查流水线 - [深度研究员](advance_ai_agents/deep_researcher_agent) - 使用 Agno 和 ScrapeGraph AI 的多阶段研究 Agent - [Candilyzer](advance_ai_agents/candidate_analyser) - GitHub/LinkedIn 个人资料分析工具 - [求职助手](advance_ai_agents/job_finder_agent) - 集成 Bright Data 的 LinkedIn 求职自动化 - [AI 趋势分析器](advance_ai_agents/trend_analyzer_agent) - 使用 Google ADK 进行 AI 趋势挖掘和分析 - [会议演讲生成器](advance_ai_agents/conference_talk_abstract_generator) - 使用 Google ADK 和 Couchbase 自动生成演讲摘要 - [金融服务 Agent](advance_ai_agents/finance_service_agent) - 用于股票数据和预测的 FastAPI 服务器，使用 Agno - [价格监控 Agent](advance_ai_agents/price_monitoring_agent) - 由 CrewAI、Twilio 和 Nebius 驱动的价格监控和警报 Agent - [创业想法验证 Agentadvance_ai_agents/startup_idea_validator_agent) - 用于验证和分析创业想法的 Agent 工作流 - [会议助手 Agent](advance_ai_agents/meeting_assistant_agent) - 从对话中自动生成会议笔记和任务 - [AI 对冲基金](advance_ai_agents/ai-hedgefund) - 用于综合金融分析的 Agent 工作流 - [智能 GTM Agent](advance_ai_agents/smart_gtm_agent) - 市场进入（Go-to-market）策略和竞争分析 Agent - [会议无关 CFP 生成器](advance_ai_agents/conference_agnositc_cfp_generator) - 自动化会议提案生成系统 - [汽车查找 Agent](advance_ai_agents/car_finder_agent) - AI 驱动的二手车推荐系统，使用 CrewAI 和 MongoDB - [内容团队 Agent](advance_ai_agents/content_team_agent) - SEO 内容优化工作流，使用 Agno 和 SerpAPI 针对 Google AI 搜索排名进行优化 - [Temporal Agents](advance_ai_agents/temporal_agents/) - 基于 Temporal 的 AI Agent 示例 ## 📺 教程与视频 ### 🎓 课程播放列表 - [**AWS Strands 课程**](https://www.youtube.com/playlist?list=PLMZM1DAlf0Lrc43ZtUXAwYu9DhnqxzRKZ) - 使用 AWS Strands SDK 构建 AI Agent 的完整 8 课时课程 ### 🔧 框架教程 - [**使用 MCP 构建**](https://www.youtube.com/playlist?list=PLMZM1DAlf0Lolxax4L2HS54Me8gn1gkz4) - 模型上下文协议（Model Context Protocol）教程和示例 - [**构建 AI Agent**](https://www.youtube.com/playlist?list=PLMZM1DAlf0LqixhAG9BDk4O_FjqnaogK8) - 通用 AI Agent 开发教程 - [**AI Agent、MCP 等**](https://www.youtube.com/playlist?list=PL2ambAOfYA6-LDz0KpVKu9vJKAqhv0KKI) - 混合教程和项目演示 ## 快速开始 ### 前置条件 - **Python 3.10+**（推荐较新项目使用 Python 3.11+） - **Git** 用于克隆仓库 - **包管理器**：`pip` 或 `uv`（推荐使用 `uv` 以加快安装速度） - **API 密钥**：大多数项目需要 API 密钥（请参阅各个项目的 README 文件） ### 快速开始 1. **克隆仓库** git clone https://github.com/Arindam200/awesome-ai-apps.git cd awesome-ai-apps 2. **选择一个项目** 并导航到其目录 cd starter_ai_agents/agno_starter # 示例：从 Agno 入门开始 3. **设置环境变量** cp .env.example .env # 复制示例环境文件 # 使用您的 API 密钥编辑 .env 文件 4. **安装依赖** # 使用 pip pip install -r requirements.txt # 或使用 uv（推荐 - 更快） uv sync # 或 uv pip install -e . 5. **运行项目** python main.py # 或对于 Streamlit 应用 streamlit run app.py ## 🤝 贡献 我们欢迎社区的贡献！您可以通过以下方式提供帮助： - 🐛 通过 [GitHub Issues](https://github.com/Arindam200/awesome-ai-apps/issues) **报告 Bug** 或提出改进建议 - 💡 **添加新项目** - 提交您自己的 AI Agent 示例 - 📝 **改进文档** - 帮助使项目更易于访问 - 🔧 **修复问题** - 贡献代码改进和 Bug 修复 **在贡献之前：** - 阅读我们的 [贡献指南](CONTRIBUTING.md) 以获取详细信息 - 检查现有 Issue 以避免重复 - 遵循项目结构和命名约定 - 确保您的项目包含全面的 README.md 文件 **重要提示：** 本项目遵循 [贡献者行为准则](CODE_OF_CONDUCT.md)。参与即表示您同意遵守其条款。 ## 📜 许可证 本仓库在 [MIT 许可证](./LICENSE) 下获得许可。您可以随意在您的项目中使用和修改这些示例。 ## 👥 核心维护者 本项目由以下人员积极维护：

       

_{Arindam Majumder  ·  Shivay Lamba  ·  Astrodevil}

如有任何问题、建议或贡献，欢迎联系维护者。 ## 感谢您的支持！🙏 [](https://www.star-history.com/#Arindam200/awesome-ai-apps&Date)

标签：Agents, AI应用, AI智能体, Awesome, AWS, Black Hat, DLL 劫持, DPI, Kubernetes, LLM, MCP, Multi-Agent, Prompt, RAG, Unmanaged PE, Voice Assistant, Workflows, 人工智能, 代码示例, 多智能体, 大语言模型, 子域名突变, 实战案例, 工作流, 应用开发, 开发指南, 教程, 数据分析, 检索增强生成, 模型上下文协议, 生成式AI, 用户模式Hook绕过, 系统管理, 索引, 语音助手, 请求拦截, 资源合集, 逆向工具