文章正文
这套源码属于 AI 应用示例合集类项目，不是单一程序，而是一个收录了 100+ 个可运行 AI 智能体与 RAG 应用模板的大仓库。
它把各类 AI 应用按难度和场景分门别类：入门级单文件代理、进阶多代理、RAG 教程、MCP 代理、语音代理、常驻代理等，每个都在独立子目录里。
从结构看，每个示例都是完整小项目：比如 starter_ai_agents/ai_travel_agent 下就有 travel_agent.py、requirements.txt 和说明文档，配好 API Key 就能直接跑。
它同时提供 agent_skills（给编码代理装能力的技能包，含 SKILL.md 与脚本）和 mcp_ai_agents（基于 MCP 的代理），覆盖面很广。
如果你想系统学习怎么从零搭一个 AI 应用，或想要可直接改的模板，这份合集是很好的参考素材。
源码简介
这套源码属于 AI 应用模板合集类项目，围绕「可实际运行的 AI 智能体与 RAG 应用示例」展开。它以分类目录组织 100+ 个独立小项目（入门代理、进阶多代理、RAG、MCP、语音、常驻代理等），每个都带 Python 代码与依赖文件。适合想系统学习 AI 应用搭建、寻找可改模板的开发者做本地部署测试与二次开发参考。
适用场景
- 系统学习 AI 智能体与 RAG 应用从零搭建
- 寻找可直接修改上手的 AI 应用模板
- 研究 agent skills 与 MCP 代理的工程写法
技术栈与运行环境
- 语言：Python（多数示例为单文件 Streamlit / 脚本）
- 框架：Streamlit、各类 LLM SDK（Claude、OpenAI、Gemini、DeepSeek 等）
- 技能包：agent_skills 含 SKILL.md、scripts、references，供 Claude Code / Codex / Cursor 等安装
- 协议接入：mcp_ai_agents 基于 MCP 服务器（如浏览器、GitHub、Notion）
- 运行环境：Python 3.x，各示例自带 requirements.txt，需自备模型 API Key
- 授权：Apache-2.0
功能亮点
- 分类模板库：starter_ai_agents（单文件入门代理）、advanced_ai_agents（带工具/记忆的多步推理）、rag_tutorials（RAG 教程）等多目录组织。
- 真实可运行：每个示例为独立项目，含 .py 主程序、requirements.txt 与 README，如 ai_travel_agent 提供 travel_agent.py 与本地版。
- Agent Skills：agent_skills/ 下每个技能含 SKILL.md、scripts、references，可一键安装到编码代理。
- MCP 代理：mcp_ai_agents/ 提供浏览器、GitHub、Notion、多 MCP 路由等基于 MCP 的代理示例。
- 语音与常驻代理：voice_ai_agents/（语音客服、保险理赔等）、always_on_agents/（定时简报等常驻任务）。
- 覆盖面广：涉及博客转播客、数据分析、医疗影像、金融分析、网页抓取、游戏对弈等多种场景。
安装与部署提示
- 环境：安装 Python 3.x，建议用虚拟环境隔离各示例依赖。
- 获取源码：克隆仓库后进入具体示例目录，例如 starter_ai_agents/ai_travel_agent。
- 安装依赖：在该目录执行 `pip install -r requirements.txt`。
- 配置密钥：按示例 README 设置对应模型 API Key（环境变量或配置文件）。
- 运行：Streamlit 类示例用 `streamlit run xxx.py` 启动；技能包用 `npx skills add` 指向对应子目录安装。
截图与演示说明
安全风险提示
特别提示：本源码未检测安全风险文件，下载后请务必进行安全审计，删除恶意代码后再部署使用！
补充提示：部分示例会调用外部 API、浏览器自动化或 MCP 服务器并可能涉及你的数据，运行前请阅读各示例 README，确认所用密钥范围与权限，避免在未隔离环境泄露敏感信息。
下载说明
源码仅供学习研究、测试部署和二次开发参考，商用前请自行确认授权、版权和安全风险。
GitHub开源地址：https://github.com/Shubhamsaboo/awesome-llm-apps
