awesome-llm-apps 是一个精心整理的 LLM 应用合集，收录了众多基于 RAG（检索增强生成）和 AI Agent 的应用示例。项目中不仅涵盖了使用 OpenAI、Anthropic、Gemini 等主流模型的应用，还囊括了 DeepSeek、Qwen、Llama 等开源模型的案例，帮助开发者了解并实践最新的 LLM 技术。

这个仓库不仅收录了 LLM 应用的整体分类，还包含了许多实践性的小项目，每个项目都是一个独立的 demo，帮助开发者快速理解和实践 LLM 技术。下面对几大类中的实践项目做个补充说明：

1. AI Agent

• 客服、投资、法律、招聘等智能助手

  比如 AI 客服助手、AI 投资助手、法律智能团队、招聘智能团队等，这些项目展示了如何利用 LLM 构建面向具体业务场景的智能代理。

• 健康、旅行、电影制作等专用助手

  包括健康与健身规划、旅行规划、电影制作助手等，帮助你了解如何将 LLM 应用到多领域场景。

• 多模态与多代理协作

  如多 Agent AI 研究员、支持多模态的编码助手团队等，演示了如何通过组合多模型和多 Agent，构建复杂的智能协同系统。

2. RAG（检索增强生成）

• 自主检索生成应用

  例如 Autonomous RAG 和 Agentic RAG，这些项目展示了如何结合外部知识库，实现生成内容的实时检索与增强。

• 本地化检索应用

  如 Deepseek Local RAG Reasoning Agent、Llama3.1 Local RAG 和 Local RAG Agent，都是针对如何在本地环境中部署和优化 RAG 模型的实践案例。

• 混合搜索与数据库路由

  项目中还包括 RAG App with Hybrid Search 和 RAG Agent with Database Routing，帮助开发者探索如何结合结构化数据库与语义搜索技术。

3. 带记忆功能的 LLM App

• 记忆增强应用

  例如 AI Arxiv Agent with Memory、LLM App with Personalized Memory 以及 Local ChatGPT with Memory，通过引入“记忆”模块，使模型能在长对话中保持上下文连续性，提升交互体验。

• 旅行助手记忆版

  AI Travel Agent with Memory 则展示了如何在特定应用中嵌入个性化记忆，实现更智能的用户交互。

4. Chat with X

• 多场景对话交互

  这一类项目包括 “Chat with GitHub Repo”、“Chat with Gmail”、“Chat with PDF”、“Chat with Research Papers”、“Chat with Substack Newsletter” 和 “Chat with YouTube Videos”。

  每个项目都提供了一个简单的前端界面，让用户能够对接特定数据源（如代码仓库、邮件、PDF 文件等），实现类似 ChatGPT 的对话体验，展示了 LLM 在知识问答和数据交互方面的灵活应用。

5. LLM 微调

• 小型微调示例

  仓库中的 “Llama3.2 Finetuning” 项目详细演示了如何在现有大模型基础上进行微调，让开发者能体验到从数据预处理、模型训练到部署的一整套流程。

6. 高级工具和框架

• 前沿实验与工具集合

  如 Gemini Multimodal Chatbot、Mixture of Agents、MultiLLM Chat Playground、LLM Router App、Local ChatGPT Clone、Web Scraping AI Agent、Web Search AI Assistant 和 Cursor AI Experiments。

  这些项目提供了更多实验性质的工具和框架，帮助你探索如何扩展 LLM 的能力，比如多模态交互、自动化数据采集、实时搜索等。

总体来说，awesome-llm-apps 仓库中的这些小项目覆盖了 LLM 从基础应用到高级技术的各个方面，既适合作为入门实践，也为资深开发者提供了丰富的技术参考和灵感。通过动手试验这些项目，你不仅可以掌握 LLM 的实际应用场景，还能学习如何将 AI Agent、RAG、记忆模块等前沿技术整合进自己的产品中。

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

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

五、AI产品经理大模型教程

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​