- 文集信息
- 目录大纲
- 最新文档
- 知识宇宙
文集详情
文集导读
德语 | 西班牙语 | 法语 | 日语 | 韩语 | 葡萄牙语 | 俄语 | 中文
超棒的LLM应用
精选了使用RAG、AI代理、多智能体团队、MCP、语音代理等构建的超棒LLM应用。本仓库收录了使用来自
为什么选择超棒LLM应用？
- 发现LLM在不同领域的实用且富有创意的应用方式，从代码库到电子邮件收件箱等等。
- 探索结合了来自OpenAI、Anthropic、Gemini及开源替代方案的LLM应用，与AI代理、代理团队、MCP和RAG相结合。
- 从文档详尽的项目中学习，并为不断增长的LLM驱动应用开源生态系统做出贡献。
感谢我们的赞助商
| Tiger Data MCP |
Speechmatics |
| Okara AI |
成为赞助商 |
精选AI项目
AI代理
初级AI代理
- ️ AI博客转播客代理
- ❤️ AI分手恢复代理
- AI数据分析代理
- AI医学影像代理
- AI表情包生成器代理（浏览器）
- AI音乐生成器代理
- AI旅行代理（本地与云端）
- ✨ Gemini多模态代理
- 代理混合体
- xAI金融代理
- OpenAI研究代理
- ️ 网络爬虫AI代理（本地与云端SDK）
高级AI代理
- ️ AI房屋翻新代理与纳米香蕉
- AI深度研究代理
- AI顾问代理
- ️ AI系统架构师代理
- AI财务教练代理
- AI电影制作代理
- AI投资代理
- ️♂️ AI健康与健身代理
- AI产品发布情报代理
- ️ AI记者代理
- AI心理健康代理
- AI会议代理
- AI自我进化代理
- AI社交媒体新闻与播客代理
自主游戏代理
多智能体团队
- AI竞争对手情报代理团队
- AI金融代理团队
- AI游戏设计代理团队
- ⚖️ AI法律代理团队（云端与本地）
- AI招聘代理团队
- AI房地产代理团队
- AI服务代理机构（CrewAI）
- AI教学代理团队
- 多模态编码代理团队
- ✨ 多模态设计代理团队
- 带纳米香蕉的多模态UI/UX反馈代理团队
- AI旅行规划代理团队
️ 语音AI代理
MCP AI代理
RAG（检索增强生成）
- 带嵌入Gemma的代理式RAG
- 带推理的代理式RAG
- AI博客搜索（RAG）
- 自主式RAG
- 上下文AI RAG代理
- 纠正式RAG（CRAG）
- Deepseek本地RAG代理
- Gemini代理式RAG
- 混合搜索RAG（云端）
- Llama 3.1本地RAG
- ️ 本地混合搜索RAG
- 本地RAG代理
- RAG-as-a-Service
- ✨ RAG Agent with Cohere
- ⛓️ Basic RAG Chain
- RAG with Database Routing
- ️ Vision RAG
LLM Apps with Memory Tutorials
- AI ArXiv Agent with Memory
- ️ AI Travel Agent with Memory
- Llama3 Stateful Chat
- LLM App with Personalized Memory
- ️ Local ChatGPT Clone with Memory
- Multi-LLM Application with Shared Memory
Chat with X Tutorials
- Chat with GitHub (GPT & Llama3)
- Chat with Gmail
- Chat with PDF (GPT & Llama3)
- Chat with Research Papers (ArXiv) (GPT & Llama3)
- Chat with Substack
- ️ Chat with YouTube Videos
LLM Optimization Tools
- Toonify Token Optimization - 通过TOON格式将LLM API成本降低30%-60%
LLM Fine-tuning Tutorials
AI Agent Framework Crash Course
- 入门级代理；与模型无关（OpenAI、Claude）
- 结构化输出（Pydantic）
- 工具：内置工具、函数工具、第三方工具、MCP工具
- 内存；回调；插件
- 简单的多代理；多代理模式
- 入门级代理；函数调用；结构化输出
- 工具：内置工具、函数工具、第三方集成
- 内存；回调；评估
- 多代理模式；代理交接
- 蜂群编排；路由逻辑
快速入门
-
克隆仓库
git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git -
进入目标项目目录
cd awesome-llm-apps/starter_ai_agents/ai_travel_agent -
安装所需依赖
pip install -r requirements.txt -
按照每个项目的
README.md文件中的具体说明，完成应用的搭建与运行。
感谢社区的支持！
别错过未来的更新！立即给仓库点赞，第一时间了解最新、最酷的RAG和AI Agent相关LLM应用。
免责声明：
本文档采用基于机器的 AI 翻译服务进行翻译。尽管我们力求准确，但请注意，自动翻译可能存在错误或不准确之处。应以原文语言版本的文档作为权威依据。如需获取关键信息，建议使用专业的人工翻译。对于因使用本翻译而产生的任何误解或误读，我们概不负责。
目录大纲
最新文档
知识宇宙
正在加载知识图谱...