steven2358/awesome-generative-ai · 上手攻略
- 仓库：steven2358/awesome-generative-ai
- 链接：https://github.com/steven2358/awesome-generative-ai
- 分类：ai（Generative AI 资源导航）
- 作者：Tom
- 更新：2026-07-12
这是什么
一个精选的现代生成式人工智能（Generative AI）项目与服务导航列表，由 steven2358 维护。列表覆盖文本、编程、Agent、图像、视频、音频六大方向，精选收录各领域有代表性的开源模型、商业 API、研究论文和应用项目。
截至目前已收录数百个条目，按主题分类组织，涵盖从 GPT-4、DALL·E 3、Sora 等商业巨头的产品，到 Llama、DeepSeek、Qwen 等开源模型的完整生态。
解决什么问题
GenAI 领域发展极快，每天都有新模型、新工具出现。这个列表的价值在于：
- 一站式概览：不用逐个网站查，列表已按场景分好类
- 区分开源与闭源：标注了
#opensource标签，方便快速筛选可本地部署的模型 - 覆盖完整产业链：从基础模型 → API → Agent 框架 → 应用层，一表打尽
- 附推荐阅读：收集了斯坦福 HAI、Sequoia、红杉等权威机构对 GenAI 的深度分析文章
主要分类与精选条目
Text（文本模型）
商业 API： - OpenAI API（GPT-4、GPT-4o 等） - Claude（Anthropic） - Gemini（Google） - Grok（xAI）
开源模型： - LLaMA（Meta）#opensource - DeepSeek 系列（DeepSeek AI）#opensource - Qwen 系列（阿里巴巴）#opensource - Mistral（Mistral AI）#opensource - GLM-5（Z.ai）#opensource - Kimi K2（Moonshot AI）#opensource - Vicuna-13B（LMSYS）#opensource - Bloom（Hugging Face，46 语言）#opensource - OPT（Meta）#opensource - Grok-1（xAI，开源权重）#opensource
Coding（AI 编程）
- GitHub Copilot
- Claude Code
- Cursor
- Continue
- Tabnine
Agents（AI Agent）
- AutoGPT
- LangChain
- LlamaIndex
- CrewAI
- Semantic Kernel（Microsoft）
Image（图像生成）
- DALL·E 2 / DALL·E 3（OpenAI）
- Stable Diffusion（Stability AI）#opensource
- Midjourney
- Adobe Firefly
- FLUX.1（Black Forest Labs）#opensource
Video（视频生成）
- Sora（OpenAI）
- Runway Gen-3
- Kling（快手可灵）
- HaiCamera（国产）
Audio（音频）
- ElevenLabs（TTS）
- Whisper（OpenAI，语音识别）#opensource
- MusicGen（Meta）#opensource
快速上手路径
1. 选模型（按场景）
# 需要最强推理能力 → GPT-4o / Claude 4 / Gemini 2.5
# 需要本地部署 → DeepSeek-7B / Qwen-14B / Llama-3-70B
# 需要免费商用 → Mistral-7B / DeepSeek-Coder
# 通过 Ollama 本地运行（macOS/Linux）
brew install ollama
ollama pull deepseek-coder-7b
ollama run deepseek-coder-7b
# 通过 vLLM 加速推理（需 GPU）
pip install vllm
python -m vllm.entrypoints.openai.api_server --model deepseek-ai/DeepSeek-V2
2. 快速调用 API
import openai
client = openai.OpenAI(api_key="your-key")
# 文本对话
response = client.chat.completions.create(
model="gpt-4o",
messages=[{"role": "user", "content": "解释什么是 RAG"}]
)
print(response.choices[0].message.content)
# 使用 Claude API
import anthropic
client = anthropic.Anthropic()
message = client.messages.create(
model="claude-sonnet-4-20250514",
max_tokens=1024,
messages=[{"role": "user", "content": "写一个 Python 快排"}]
)
print(message.content)
3. 构建简单 Agent（LangChain 示例）
from langchain_openai import ChatOpenAI
from langchain.agents import AgentType, initialize_agent, Tool
from langchain.tools import DuckDuckGoSearchRun
search = DuckDuckGoSearchRun()
llm = ChatOpenAI(model="gpt-4o", temperature=0)
tools = [Tool(name="Search", func=search.run, description="网络搜索")]
agent = initialize_agent(tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True)
agent.run("2026年最新的开源LLM有哪些？")
典型适用场景
| 需求 | 推荐方案 |
|---|---|
| 快速原型/商业项目 | OpenAI API / Claude API |
| 私有部署/数据敏感 | DeepSeek / Qwen / Llama + vLLM |
| AI 编程辅助 | GitHub Copilot / Claude Code / Cursor |
| 构建 Agent 应用 | LangChain / LlamaIndex / CrewAI |
| 图像生成（开源） | Stable Diffusion WebUI / FLUX.1 |
| 图像生成（商用） | DALL·E 3 / Midjourney |
| 视频生成 | Sora / Runway / Kling |
| 语音识别 | Whisper（本地）或 AssemblyAI（API） |
坑与注意
- 列表有维护延迟：GenAI 领域变化极快，部分商业产品（如 GPT-4o、Gemini 2.5）的最新信息可能未及时更新，建议以官网为准。
- 开源≠可商用：部分开源模型有许可限制（如 Llama 3 非完全商用许可），列表中以
#opensource标注的需进一步查证具体 license。 - 榜单性质≠工具本身：awesome-generative-ai 是导航列表，不是可直接运行的工具，需结合 README 中的链接去各项目主页。
- 中国模型可用性：Qwen、DeepSeek、Kimi 等国产模型在国内访问较稳定，但部分需要申请 API Key 或有调用频率限制。
- 模型版本号需核对：列表中 GPT-4、DALL·E 2 等为早期版本，当前最新是 GPT-4o、GPT-4.5、DALL·E 3 等，注意区分。
与同类对比
| 列表 | 规模 | 侧重点 | 特色 |
|---|---|---|---|
| awesome-generative-ai | 中等 | GenAI 全产业链 | 模型+API+应用，精选质量 |
| awesome-chatgpt | 中等 | OpenAI 生态 | 聚焦 GPT 系 |
| awesome-llm | 大 | LLM 全领域 | 偏研究，更学术 |
| awesome-ml | 非常大 | ML 全域 | 不限生成式，更通用 |
| papers-with-code | 极大 | 学术论文 | 强研究属性 |
一句话推荐结论
想快速了解生成式 AI 领域全景、找某类任务该用什么模型或框架，先浏览 awesome-generative-ai 的分类目录；它是目前最均衡的 GenAI 导航列表之一，覆盖从底层模型到上层应用的完整链路。