Shubhamsaboo/awesome-llm-apps · 上手攻略
- 仓库：Shubhamsaboo/awesome-llm-apps
- 链接：https://github.com/Shubhamsaboo/awesome-llm-apps
- 分类：agent · rag · llm-infra
- 作者：Tom
- 更新：2026-07-07
这是什么
awesome-llm-apps 是一个可运行的 AI Agent 与 RAG 应用模板集合，目前收录 100+ 完整可跑的应用示例，涵盖 AI Agent、多 Agent 协作、Always-on 代理、语音 Agent、MCP 协议、RAG、生成式 UI 等现代 AI 栈的主流方向。
它的定位介于「awesome 榜单」和「完整课程」之间：每一个模板都是独立可运行的完整项目，包含源码、依赖文件和配套文档，而非指向外部资源的链接集合。配套网站 Unwind AI 提供每个主力模板的免费图文教程。
解决的问题：开发者不需要每次从零搭建 RAG 管道、Agent 循环或 MCP 集成，有需求时来这里 fork 一个模板，改一改配置就能上线。
快速安装
# 克隆仓库（无需 API key 即可看代码）
git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git
cd awesome-llm-apps
# 运行第一个模板（AI 旅行 Agent）
cd starter_ai_agents/ai_travel_agent
pip install -r requirements.txt
streamlit run travel_agent.py
⚠️ 版本注意：README 写的是
pip install -r requirements.txt。建议先确认 requirements.txt 是否指定了 Python 版本（部分模板依赖 streamlit>=1.28 或特定 langchain 版本），如有冲突可加--upgrade或手动指定版本。Streamlit 运行端口一般为8501。
核心用法与主要分类
模板运行通用步骤
每个模板文件夹结构大致相同：
ai_xxx_agent/
├── xxx_agent.py # 主入口（streamlit app 或 main 脚本）
├── requirements.txt # 依赖
└── README.md # 简要说明
运行前先装依赖，再启动即可。
主要分类（共 15 个）
| 分类 | 说明 | 代表模板 |
|---|---|---|
| 🌱 Starter AI Agents | 单文件 Agent，只需 API Key 即可跑 | AI 旅行规划、AI 数据分析、AI 音乐生成 |
| 🚀 Advanced AI Agents | 含工具调用、记忆、多步推理的完整 Agent | AI 深度研究、AI 投资分析、AI 自进化 Agent |
| 🛰️ Always-on Agents | 定时/事件驱动，持续监控并主动推送 | Hacker News 每日简报 |
| 🤝 Multi-agent Teams | 多 Agent 协作完成复杂任务 | AI VC 尽职调查、AI 法律 Agent 团队 |
| 🗣️ Voice AI Agents | 语音输入输出，实时对话 | 保险理赔语音 Agent、客服语音 Agent |
| 🖼️ Generative UI | 生成式界面，不只返回文字还渲染组件 | AI 财务教练界面、AI Dashboard Canvas |
| 🎮 Autonomous Game Agents | 端到端游戏游玩 Agent | AI 3D Pygame、AI 象棋 |
| ♾️ MCP AI Agents | 基于 MCP 协议的工具型 Agent | AI MCP App Builder |
| 📀 RAG Tutorials | 从基础到高级的 RAG 完整教程 | 各类 RAG 变体实现 |
| 💾 Memory | LLM 应用记忆与上下文管理 | — |
| 💬 Chat with X | 与各类数据源/平台对话 | — |
| 🎯 LLM Optimization | 推理优化相关工具 | — |
| 🔧 Fine-tuning | 微调教程 | — |
| 🧑🏫 Framework Crash Courses | 框架速通（ADK、CrewAI 等） | ADK Agent 教程 |
适配的大模型
Claude · Gemini · OpenAI · xAI · Qwen · Llama
切换模型只需改配置文件中的 model 字段，模板设计为 provider-agnostic。
典型适用场景
场景 1：快速验证想法 想做 AI + 旅行、AI + 财务分析、AI + 法律检索？fork 对应模板，填入 API Key，10 分钟内看到效果。
场景 2：作为新项目的脚手架 从模板里挑选需要的组件（记忆模块、工具集、Agent 循环），拼接到自己的项目中，比从零写快很多。
场景 3：学习 Agent 开发范式 初学者可以从 Starter 模板看懂 Agent 基本结构，进阶可以看 Advanced 模板理解工具调用和记忆管理。
场景 4：Multi-agent 协作实验 CrewAI、ADK 等框架的多 Agent 模板直接可跑，适合研究和比较不同协作模式。
坑与注意
- API Key 费用：所有模板都需要大模型 API Key，运行前确认用量和预算，尤其是 Always-on 类模板可能频繁调用。
- 依赖冲突：部分模板使用的 langchain / langgraph 版本可能互相冲突。建议用
venv或conda隔离环境再安装。 - Streamlit 端口占用：多个模板同时运行会争抢 8501 端口，需要用
streamlit run xxx.py --server.port 8502指定端口。 - 外部服务依赖：部分高级模板（如保险理赔、语音类）依赖 Google ADK、Gemini Live 等平台，确认这些服务在你所在地区的可用性。
- README 国际化：仓库有中文等多语言版本，但各模板自身的 README 可能只有英文，安装前先读一遍。
- 维护活跃度：仓库最近提交为 2026-06-15，Stars 11.6 万，属于活跃项目，但个别模板可能未随底层依赖更新，建议跑之前跑
pip install -r requirements.txt --upgrade确认依赖最新。
与同类对比
| 仓库 | 特点 | 与 awesome-llm-apps 的区别 |
|---|---|---|
| vinta/awesome-python | Python 资源大全（链接合集） | awesome-llm-apps 是可运行模板，非链接列表 |
| Shubhamsaboo/awesome-llm-apps | 100+ 可跑模板 | ⭐ 本仓库 |
| langchain-ai/langchain | Python/LangChain 主库 | langchain 是底层框架，awesome-llm-apps 是基于各种框架的应用模板 |
| n8n-io/n8n | 可视化工作流自动化 | n8n 更偏无代码/低代码工作流，awesome-llm-apps 更偏编程式 Agent |
| rohitg00/ai-engineering-from-scratch | 系统性 AI 工程课程 | 更偏底层原理和系统学习，awesome-llm-apps 更偏快速原型和落地 |
简单说：想快速跑起来一个 AI 应用 → 用 awesome-llm-apps；想系统学懂 AI 工程原理 → 用 ai-engineering-from-scratch。
一句话结论
如果你想在 30 分钟内从零跑通一个 AI Agent 或 RAG 应用并获得可改写的源码，awesome-llm-apps 是目前最值得一试的入口——Stars 11.6 万、模板覆盖全面、配套教程免费，值得 fork 收藏。