awesome-llm-apps

想找现成的AI应用代码？这个精选集一口气给你100+开源案例，抄作业都方便。

开源 🏷️完全免费 🚫 站点已失效搜索知识 🍴 复刻 21205 🐛 待处理 20 👀 关注 1310

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 144108

维护状态活跃

是否开源开源

定价模式 🏷️完全免费项目为开源合集，包含100+免费AI应用，官网提供在线体验，全部功能免费。

项目预览

awesome-llm-apps 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Shubhamsaboo

官网地址https://www.theunwindai.com

GitHubhttps://github.com/Shubhamsaboo/awesome-llm-apps

定价模式🏷️完全免费

价格说明项目为开源合集，包含100+免费AI应用，官网提供在线体验，全部功能免费。

访问状态🚫 站点已失效

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agents,llms,python,rag

GitHub 星标★ 144108

上线时间2024-04-29 00:00:00

代码更新2026-11-06

仓库体积217.1 MB

本站数据更新2026-11-08

维护状态活跃

收录时间2026-08-09

浏览次数22

项目介绍

这是一个精选的 LLM 应用资源合集，收录了 100 多个免费开源的 AI Agents、Agent Skills 和 RAG 应用。项目主要面向想要快速上手大模型应用开发的工程师和研究人员，解决“不知道从哪找参考实现”和“示例质量参差不齐”的痛点。合集内项目大多使用 Python 编写，覆盖 agents、rag 等主流技术方向，每个条目都附有原始仓库链接，方便直接查看源码、阅读文档并二次开发。它相当于一个经过人工筛选的导航站，帮你跳过搜索结果里的噪音，直接触达高星、活跃且实用的开源项目。无论是想学习 Agent 的编排逻辑，还是想借鉴 RAG 的检索增强流程，都能在这里找到对应案例。该仓库本身并非一个运行框架，而是一个索引，价值在于信息的组织与筛选。由于星标数很高（超过 13 万），社区认可度较高，内容也会随着贡献者的更新而持续丰富。

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 ★ 144108

技术标签

agents llms python rag

使用教程

难度：入门约 10 分钟部署方式：本地安装 5 步

环境要求

git（用于克隆仓库）
Python 环境（需可用 pip 安装依赖）
Node.js 环境（提供 npx，用于安装 agent skill）
可访问 GitHub 的网络环境

安装与启动步骤

1给编码 Agent 装技能

README 提供的 10 秒快速上手方式：把 project-graveyard 技能加到你的编码 Agent 中，无需克隆整个仓库。
```
npx skills add https://github.com/Shubhamsaboo/awesome-llm-apps/tree/main/agent_skills/project-graveyard
```
2克隆项目仓库

把合集仓库下载到本地，之后可浏览全部 100+ 示例并按需运行任意一个。
```
git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git
```
3进入示例目录

以 README 中的 ai_travel_agent 为例，切换到该子项目目录准备安装依赖。
```
cd awesome-llm-apps/starter_ai_agents/ai_travel_agent
```
4安装依赖

安装该示例所需的 Python 依赖；每个子项目都有自己的 requirements.txt，需分别安装。
```
pip install -r requirements.txt
```
5启动示例应用

用 Streamlit 运行 travel_agent.py，终端出现运行提示即表示已启动。
```
streamlit run travel_agent.py
```