Awesome LLM Apps
100+ AI Agent & RAG apps you can actually run — 由 Shubham Saboo 维护的 Cookbook 项目。
- Stars: 111k ⭐
- Forks: 16.5k
- Commits: 1,002
- License: Apache-2.0
- Author: Shubham Saboo
- 教程站点: theunwindai.com
项目定位
项目定位于 “cookbook of ready-to-run templates”，提供可直接克隆、定制、部署的 LLM 应用模板。每个模板都是原创并经端到端测试 (“hand-built, not curated”)，强调 provider-agnostic（支持 Claude、Gemini、GPT、Llama、Qwen、xAI 等多种模型）。
核心分类与内容
1. 🌱 Starter AI Agents（入门级）
12 个单文件入门 Agent：博客转播客、情感恢复、数据分析、医学影像、表情包生成、音乐生成、旅行规划、多模态演示、MoA 架构、xAI 金融、OpenAI 研究、网页抓取。
2. 🚀 Advanced AI Agents（高级）
单 Agent（13 个）：深度研究、Gemini 交互 API、咨询顾问、系统架构师、金融教练、电影制作、投资助手、财报分析、健康健身、欺诈调查、记者助手、心理健康、会议助手。 多 Agent（8 个）：家装规划、DevPulse、金融教练团队、产品发布情报、自进化 Agent、新闻播客、信任门控团队。
3. 🎮 Autonomous Game-Playing Agents（游戏）
3D PyGame、国际象棋、井字棋 — 展示 Agent 游戏决策能力。
4. 🤝 Multi-agent Teams（多智能体团队）
14 个专业团队模板：竞品情报、金融分析、游戏设计、AG2 自适应研究、法律、招聘、房地产、服务代理、教学、多模态编码/设计/UIUX 反馈、旅行规划。
5. 🗣️ Voice AI Agents（语音）
音频导览、客服语音、保险索赔实时代理团队、语音 RAG — 支持实时语音 API。
6. ♾️ MCP AI Agents（MCP 协议）
浏览器 MCP、GitHub MCP、Notion MCP、旅行规划 MCP 团队、多 MCP 路由器 — 通过 Model Context Protocol 连接外部工具。
7. 📀 RAG Tutorials（RAG 管道）
20 个 RAG 教程：从基础链到 Agentic RAG、多模态 RAG、知识图谱 RAG、混合搜索、本地 RAG、纠错 RAG、DeepSeek 本地 RAG、Cohere RAG、Router RAG、Clinic 诊断等。
8. 🧩 Awesome Agent Skills（即插即用技能）
19 个技能文件：学术研究、代码审查、内容创作、数据分析、调试、决策辅助、深度研究、编辑、邮件起草、事实核查、全栈开发、会议纪要、项目规划、Python 专家、Sprint 规划、战略顾问、技术写作、UX 设计、可视化专家。
9. 💾 LLM Apps with Memory（记忆教程）
6 个记忆系统教程：arXiv Agent 记忆、旅行 Agent 记忆、Llama3 有状态聊天、个性化记忆、本地 ChatGPT 记忆、多 LLM 记忆。
10. 💬 Chat with X（数据对话）
6 个 Chat 教程：GitHub、Gmail、PDF、学术论文、Substack、YouTube 视频。
11. 🎯 LLM Optimization Tools（优化工具）
Toonify Token 优化、Headroom 上下文优化。
12. 🔧 LLM Fine-tuning Tutorials（微调）
Gemma3 微调、Llama3.2 微调 — 开源模型端到端微调。
13. 🧑🏫 AI Agent Framework Crash Course（框架速成）
Google ADK 速成课程、OpenAI Agents SDK 速成课程。
技术栈
- 语言: Python 67.7%, JavaScript 21.4%, TypeScript 8.2%
- 主要框架: Google ADK, OpenAI Agents SDK, CrewAI, AG2
- 应用层: Streamlit, LangChain, Gemini, OpenAI API
与知识库中其他项目的关系
Awesome LLM Apps 是一个 “食谱聚合” 类项目，与其他项目形成互补而非竞争关系：
| 对比维度 | Awesome LLM Apps | 其他项目 |
|---|---|---|
| 定位 | 多框架、多场景的模板集合 | 单体框架/单个工具 |
| Agent | 覆盖 Agentic_Systems 概念的具体实现示例 | Hermes_Agent 等提供完整生产级系统 |
| RAG | 20 个 RAG 教程，从基础到高级 | RAG 提供理论框架 |
| 多 Agent | 14 个团队模板展示协作模式 | ClawTeam / Ruflo 提供底层协作框架 |
| MCP | 5 个 MCP 应用示例 | Agent_Communication_Protocols 提供协议原理 |
| 记忆 | 6 个记忆教程 | Agent_Memory / Claude_Mem 等提供记忆架构 |
| 技能 | 19 个技能文件 | Agent_Skills / Superpowers 提供技能工程方法论 |
| 语音 | 语音 Agent 示例 | VoxCPM 提供 TTS 引擎 |
| 微调 | Gemma3/Llama3.2 微调 | Agentic_RL 提供训练管线理论 |
关联连接
- Agentic_Systems — 覆盖智能体系统架构的具体实现示例
- Agent_Paradigms — 三种 Agent 范式在本项目中均有体现
- RAG — 20 个 RAG 教程是本项目的核心内容之一
- Agent_Communication_Protocols — MCP Agents 部分的协议基础
- Agent_Memory — 记忆教程的理论框架
- Agent_Skills — 19 个即插即用技能的工程实践参照
- Superpowers — 与技能文件形成方法论的工程实践互补
- Hermes_Agent — 同为多框架 Agent 系统，Hermes 更侧重自改进
- ClawTeam / Ruflo — 多 Agent 团队的底层框架
- Claude_Mem / MemOS / MemPalace — 记忆系统的工程实现
- Claude_Skills — 同为技能集合，Claude Skills 专注编码
- VoxCPM — 语音合成的底层技术