GenerativeAIExamples

用 NVIDIA 参考工作流，快速搭建生产级生成式 AI 应用。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 1101 🐛 待处理 86 👀 关注 91

GitHub ↗

GitHub 星标 ★ 4226

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0许可证，完全免费，可自行部署使用。

项目预览

GenerativeAIExamples 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类搜索知识

开发团队NVIDIA

GitHubhttps://github.com/NVIDIA/GenerativeAIExamples

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0许可证，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Jupyter Notebook

技术栈/模型gpu-acceleration,large-language-models,llm,llm-inference,microservice,nemo,rag,retrieval-augmented-generation,tensorrt,triton-inference-server

GitHub 星标★ 4226

上线时间2023-10-19 00:00:00

代码更新2026-11-06

仓库体积137.3 MB

本站数据更新2026-11-10

维护状态活跃

收录时间2026-08-09

浏览次数4

项目介绍

GenerativeAIExamples 是 NVIDIA 推出的生成式 AI 参考工作流集合，专为加速基础设施和微服务架构优化。它提供了一系列端到端的示例，涵盖 RAG（检索增强生成）、多模态、智能体、内容生成等常见场景，帮助开发者快速搭建生产级 AI 应用。项目解决了从原型到部署之间的鸿沟，通过预构建的微服务组件和可复用的代码模板，让开发者能专注于业务逻辑而非底层基础设施。核心能力包括：与 NVIDIA NIM 等加速库无缝集成、支持多模型和多模态输入、提供可观测性和性能优化最佳实践。示例以 Jupyter Notebook 和 Python 为主，附带详细文档，适合企业级 AI 应用开发。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4226

技术标签

gpu-acceleration large-language-models llm llm-inference microservice

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：进阶约 30 分钟部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

支持 NVIDIA GPU 加速的硬件环境（项目定位为加速基础设施与微服务优化）
可运行 Jupyter Notebook 的 Python 环境（仓库示例以 Notebook 为主）
已安装 Git 以便获取仓库代码
按需具备 NVIDIA NIM / NeMo Microservices 的访问权限（README 提及本地 NIM 部署与 NeMo 微服务组件）

安装与启动步骤

1克隆代码仓库

从 GitHub 拉取 GenerativeAIExamples 仓库到本地，后续所有示例与文档都基于该目录。
```
git clone https://github.com/NVIDIA/GenerativeAIExamples.git
```
2阅读前置条件

README 的 Getting Started 只指向该文档，需先按其说明准备驱动、容器或依赖环境。
```
cat docs/common-prerequisites.md
```
3挑选要跑的示例

按 What's New、RAG、Data Flywheel 章节选定示例，例如 notebooks/08_RAG_Langchain_with_Local_NIM.ipynb。
4运行示例 Notebook

用 Jupyter 打开选定 Notebook 并按单元格顺序执行，具体依赖与启动方式以该 Notebook 内说明为准。