完整详解100 LLM 应用示例库——Agent、RAG 与 Agent Skills 入门教程【免费下载链接】awesome-llm-apps100 AI Agents, Agent Skills and RAG Apps - Free and Open Source.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-llm-apps想要直接抄作业的 LLM 应用示例库awesome-llm-apps 值得一看。它把 100 多个端到端跑通的 AI Agent、RAG检索增强生成让大模型先查资料再回答的技术流水线、语音 Agent 和编码 Agent 技能打包开源Apache 2.0 协议支持 GPT、Claude、Gemini、Llama 等主流模型fork 下来就能改着发货。它解决了什么问题你刚接触 Agent 开发想看一份从 0 到 1 能跑通的完整代码而不是只有架构图的 PPT 项目。老板让你两周出个语音客服、文档问答 Demo你需要能直接改参数上线的参考实现。你的 RAG 系统回答总是跑偏想知道问题到底出在切分、嵌入、路由还是记忆上而不是盲目换个更大的模型。这类库的价值在于每个应用都真实跑通过你抄的是一份被验证过的最短路径。核心能力拆解从单文件 Agent 起步入门 Agent 目录下的应用几乎都只有一个入口文件装个 requirements 就能跑。以 AI Travel Agent 为例输入目的地和天数它先用搜索接口做研究Researcher再生成逐日行程Planner最后导出 .ics 日历文件直接导入 Google 日历。它同时提供云端版和本地版两个入口适合想低成本体验研究 规划两步 Agent 模式的人。20 个 RAG 教程从最简链到自诊断RAG 是检索增强生成说白了就是让模型先查资料再回答。rag_tutorials 目录下从最简 RAG 链、混合搜索、数据库路由、知识图谱 RAG 到多模态 RAG 都各有一份可运行实现。特别推荐 RAG Failure Diagnostics Clinic把你的真实故障描述贴进去它会对照内置的 12 类故障模式切分边界错误、嵌入失配、索引过期、配置漂移等给出归类和最小结构性修复建议等于把RAG 为什么答错的排查过程本身做成了一个教学工具。Agent Skills给编码 Agent 装新器官agent_skills 目录下的技能是给 Claude Code、Codex、Cursor 这类编码 Agent 直接安装用的一条命令装好用大白话下指令。Project Graveyard 会翻出你所有弃坑项目并分析死因Scope Creep Detector 检查 diff 是否超出了声明意图Commit Archaeologist 从引入提交和后续改动还原一段代码为什么存在。每个技能都过安全检查和评测 CI即装即用。快速跑起来30 秒启动第一个 Agentgit clone https://gitcode.com/GitHub_Trending/aw/awesome-llm-apps cd awesome-llm-apps/starter_ai_agents/ai_travel_agent pip install -r requirements.txt OPENAI_API_KEY你的密钥 streamlit run travel_agent.py想完全本地跑装好 Ollama 后把入口换成 local_travel_agent.py 即可。仓库里每个子项目相互独立、自带 README根目录的 README.md 就是全部应用清单不知道跑哪个就去那里翻。关键配置说明环境变量一次配齐多数 Agent 只需一个模型 API 密钥OpenAI 的 OPENAI_API_KEY 或 Gemini 的 GOOGLE_API_KEY用环境变量注入即可部分需要联网检索的应用另配 SerpAPI 密钥。密钥只写在本机环境变量或 .env 文件里不要提交进版本库。各 Agent 所需密钥不同以对应目录 README 为准仓库整体以最新 README 为准。上手建议先抄后改避开这几个坑从 starter_ai_agents 的单文件应用抄起跑通一个再往多 Agent、MCP模型上下文协议让 Agent 接入外部工具的标准方式和生成式 UI 方向走这些源码普遍只有百行左右直接读比看教程快。模型不必追旗舰简单示例用便宜快速的模型就够预算留给多 Agent 和深度研究这类链路长的场景。仓库采用 Apache 2.0 协议商用、二次分发都没问题。写在最后awesome-llm-apps 把Agent 怎么搭、RAG 怎么调、语音和多模态怎么接这些常见问题变成了可运行的答案每个应用自带说明、每周还在加新模板。仓库克隆地址见上文命令应用总目录和快速启动入口都在根目录的 README.md 里照着抄再改比从零写快得多。【免费下载链接】awesome-llm-apps100 AI Agents, Agent Skills and RAG Apps - Free and Open Source.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-llm-apps创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 完整详解：100+ LLM 应用示例库——Agent、RAG 与 Agent Skills 入门教程
完整详解100 LLM 应用示例库——Agent、RAG 与 Agent Skills 入门教程【免费下载链接】awesome-llm-apps100 AI Agents, Agent Skills and RAG Apps - Free and Open Source.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-llm-apps想要直接抄作业的 LLM 应用示例库awesome-llm-apps 值得一看。它把 100 多个端到端跑通的 AI Agent、RAG检索增强生成让大模型先查资料再回答的技术流水线、语音 Agent 和编码 Agent 技能打包开源Apache 2.0 协议支持 GPT、Claude、Gemini、Llama 等主流模型fork 下来就能改着发货。它解决了什么问题你刚接触 Agent 开发想看一份从 0 到 1 能跑通的完整代码而不是只有架构图的 PPT 项目。老板让你两周出个语音客服、文档问答 Demo你需要能直接改参数上线的参考实现。你的 RAG 系统回答总是跑偏想知道问题到底出在切分、嵌入、路由还是记忆上而不是盲目换个更大的模型。这类库的价值在于每个应用都真实跑通过你抄的是一份被验证过的最短路径。核心能力拆解从单文件 Agent 起步入门 Agent 目录下的应用几乎都只有一个入口文件装个 requirements 就能跑。以 AI Travel Agent 为例输入目的地和天数它先用搜索接口做研究Researcher再生成逐日行程Planner最后导出 .ics 日历文件直接导入 Google 日历。它同时提供云端版和本地版两个入口适合想低成本体验研究 规划两步 Agent 模式的人。20 个 RAG 教程从最简链到自诊断RAG 是检索增强生成说白了就是让模型先查资料再回答。rag_tutorials 目录下从最简 RAG 链、混合搜索、数据库路由、知识图谱 RAG 到多模态 RAG 都各有一份可运行实现。特别推荐 RAG Failure Diagnostics Clinic把你的真实故障描述贴进去它会对照内置的 12 类故障模式切分边界错误、嵌入失配、索引过期、配置漂移等给出归类和最小结构性修复建议等于把RAG 为什么答错的排查过程本身做成了一个教学工具。Agent Skills给编码 Agent 装新器官agent_skills 目录下的技能是给 Claude Code、Codex、Cursor 这类编码 Agent 直接安装用的一条命令装好用大白话下指令。Project Graveyard 会翻出你所有弃坑项目并分析死因Scope Creep Detector 检查 diff 是否超出了声明意图Commit Archaeologist 从引入提交和后续改动还原一段代码为什么存在。每个技能都过安全检查和评测 CI即装即用。快速跑起来30 秒启动第一个 Agentgit clone https://gitcode.com/GitHub_Trending/aw/awesome-llm-apps cd awesome-llm-apps/starter_ai_agents/ai_travel_agent pip install -r requirements.txt OPENAI_API_KEY你的密钥 streamlit run travel_agent.py想完全本地跑装好 Ollama 后把入口换成 local_travel_agent.py 即可。仓库里每个子项目相互独立、自带 README根目录的 README.md 就是全部应用清单不知道跑哪个就去那里翻。关键配置说明环境变量一次配齐多数 Agent 只需一个模型 API 密钥OpenAI 的 OPENAI_API_KEY 或 Gemini 的 GOOGLE_API_KEY用环境变量注入即可部分需要联网检索的应用另配 SerpAPI 密钥。密钥只写在本机环境变量或 .env 文件里不要提交进版本库。各 Agent 所需密钥不同以对应目录 README 为准仓库整体以最新 README 为准。上手建议先抄后改避开这几个坑从 starter_ai_agents 的单文件应用抄起跑通一个再往多 Agent、MCP模型上下文协议让 Agent 接入外部工具的标准方式和生成式 UI 方向走这些源码普遍只有百行左右直接读比看教程快。模型不必追旗舰简单示例用便宜快速的模型就够预算留给多 Agent 和深度研究这类链路长的场景。仓库采用 Apache 2.0 协议商用、二次分发都没问题。写在最后awesome-llm-apps 把Agent 怎么搭、RAG 怎么调、语音和多模态怎么接这些常见问题变成了可运行的答案每个应用自带说明、每周还在加新模板。仓库克隆地址见上文命令应用总目录和快速启动入口都在根目录的 README.md 里照着抄再改比从零写快得多。【免费下载链接】awesome-llm-apps100 AI Agents, Agent Skills and RAG Apps - Free and Open Source.项目地址: https://gitcode.com/GitHub_Trending/aw/awesome-llm-apps创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考