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。

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。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 139430
维护状态 活跃
是否开源
定价模式 free

项目数据

分类搜索知识
开发团队Shubhamsaboo
所属国家
定价模式free
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
是否开源
开源协议Apache-2.0
主要语言Python
技术栈/模型agents,llms,python,rag
GitHub 星标★ 139430
30天Star增速
HF 下载量
上线时间2024-04-29 00:00:00
最近更新2026-09-22 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数15

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. 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. 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. 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. 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. 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

如何确认成功

执行 streamlit run 后终端出现 Streamlit 运行提示且无报错,打开其提示的本地地址即可看到应用页面。

常见问题

Q:需要 API Key 吗?

A:README 未列出具体环境变量名。合集支持 Claude、Gemini、GPT、DeepSeek、Llama、Qwen 等模型,各子项目的 Key 配置方式请以该子项目自身说明为准。

Q:只能运行 ai_travel_agent 吗?

A:不是。仓库收录 100+ 个 AI Agents、Agent Skills 和 RAG 应用,进入任意子项目目录后按同样流程安装依赖并运行其入口文件即可。

Q:npx skills add 命令是做什么的?

A:它把指定目录下的 agent skill 直接安装到你的编码 Agent 中,无需手动克隆仓库,适合只需单个技能的场景。

Q:运行多个示例时依赖会冲突吗?

A:每个子项目有独立的 requirements.txt,建议在不同目录分别安装,必要时使用虚拟环境隔离。

注意事项

  • 仓库以 Apache-2.0 协议开源,README 声明可自由克隆、分发和商用。
  • README 提到每周新增模板,可关注 Unwind AI 获取更新。
  • 本教程命令均来自 README,其他子项目的入口文件和运行方式请查看各自目录说明。

核心亮点

  • 收录100+真实可运行的LLM应用,覆盖Agent、RAG等主流范式,参考价值直接
  • 按技术栈和主题组织,Python项目占比高,适合快速检索同类实现
  • 开源免费且每个条目附原始仓库链接,可无缝跳转源码进行二次开发

不足之处

  • 作为列表型仓库自身不提供代码,实际可用性取决于各收录项目的维护状态
  • 收录项目的文档完善度和更新频率参差不齐,需要使用者自行甄别和验证

适用场景

  • 刚开始做RAG应用,想找几个高质量开源项目作为脚手架参考
  • 团队选型时对比不同Agent编排框架的代码结构和设计思路
  • 想学习Python实现LLM应用的最佳实践,通过阅读多个范例快速入门

替代项目

awesome-llm、awesome-ai-agents

项目介绍

awesome-llm-apps 是智能体领域的开源项目,由 Shubhamsaboo 开发,2024 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(139,430)位列前 1%,在智能体分类的 2,499 个项目里位列前 1%。

近 44 天,它的 GitHub 星标从 131,718 增加到 139,430,净增 7,712。

项目目前处于活跃维护状态,最近一次代码更新于 2026-09-22。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。从国内网络环境看,当前已无法正常访问。

它主要面向的使用场景是:刚开始做RAG应用,想找几个高质量开源项目作为脚手架参考。同类可对比的替代方案包括 awesome-llm、awesome-ai-agents。

上一篇:canonry

下一篇:langgraph

同类项目推荐

xinchao-dynamic-mind 开源

给 AI 装上疲惫和欲望,让交互更真实

独立、可自托管的 AI 动态心智状态引擎:驱动力、念头池、疲惫、睡眠与意图。

★ 195 2026-08-09
deepseek-harness 开源

把 AI 能力拆成乐高积木,拼出你的专属智能体。

DeepSeek Harness: Everything is a Plugin.

★ 233327 2026-08-15
EvoAgentX 开源

让 AI 智能体自己迭代变强,越用越聪明

EvoAgentX: Building a Self-Evolving Ecosystem of AI Agents

★ 3351 2026-09-12
AutoGPT 开源

开箱即用的 AI 员工,交代任务就自己干完

AutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mis···

★ 187492 2026-08-09