awesome-llm-apps：可运行的 LLM、RAG 与 AI Agent 示例合集
一分钟看懂
awesome-llm-apps 是一个以代码示例为主的 AI 应用合集，覆盖单 Agent、多 Agent、RAG、MCP、语音、多模态、生成式 UI 和 Agent Skills。与只罗列链接的 Awesome List 不同，它按目录提供可以阅读和运行的具体项目，方便开发者从一个接近目标场景的实现开始学习。
你可以用它做什么
- 查找研究助手、客服、金融分析、旅行规划等 Agent 示例。
- 学习文档问答、知识库和多种 RAG 方案。
- 对比不同模型、向量数据库与 Agent 框架的接入方式。
- 参考多 Agent 协作、长期运行和 MCP 工具调用。
- 复制一个最小项目，再替换为自己的数据与界面。
主要能力
仓库按基础与高级 AI Agent、LLM 应用、MCP Agent、生成式 UI、常驻 Agent 和 Skills 等类别组织。不同示例使用的技术栈并不统一，可能涉及 OpenAI、Anthropic、Gemini、开源模型，以及 LangChain、LlamaIndex、CrewAI、Agno 等框架。每个子项目通常带独立说明、依赖和环境变量要求。
适合哪些人
- 想从完整小项目入门 LLM 应用的开发者。
- 需要快速验证某种 Agent 或 RAG 产品想法的团队。
- 希望比较不同框架代码结构的学习者。
它更像案例实验室，不是一个统一维护、统一架构的生产框架。
怎么开始使用
不要一次克隆后尝试运行所有项目。先在目录中选择一个最接近目标的示例，阅读该目录 README，创建隔离环境并只配置必要 API Key。跑通原始版本后，再依次替换模型、数据源和前端。将学到的思路迁入正式项目时，应重新整理依赖、测试和配置。
使用前需要知道
示例数量多、更新时间不同，部分依赖或模型名称可能已经变化。能演示不等于能上线：认证、权限、费用控制、提示注入、数据隐私、日志和评测通常仍需补齐。不要把真实密钥写入代码或提交 Git。
第三方模型与框架各有许可证、价格和数据政策，应以其官方资料为准。Agent 能调用外部工具时，要限制写操作与高风险权限，并对生成内容进行验证。