大語(yǔ)言模型（LLM）正以前所未有的速度改變著我們的生活和工作方式?！癮wesome-llm-apps” 這個(gè)精心策劃的倉(cāng)庫(kù)，為開(kāi)發(fā)者和研究者們提供了豐富多樣的大語(yǔ)言模型應(yīng)用示例。

1. 倉(cāng)庫(kù)概述

“awesome-llm-apps” 是一個(gè)匯聚了眾多使用檢索增強(qiáng)生成（RAG）和人工智能代理構(gòu)建的大語(yǔ)言模型應(yīng)用程序的倉(cāng)庫(kù)。它涵蓋了多種基于不同大語(yǔ)言模型構(gòu)建的應(yīng)用，包括 OpenAI、Anthropic、Google 的模型，以及 DeepSeek、Qwen、Llama 等開(kāi)源模型，并且用戶可以在本地計(jì)算機(jī)上運(yùn)行這些應(yīng)用。

2. 特色亮點(diǎn)

2.1 應(yīng)用廣泛

該倉(cāng)庫(kù)展示了大語(yǔ)言模型在各個(gè)領(lǐng)域的實(shí)際應(yīng)用，從代碼倉(cāng)庫(kù)、電子郵件收件箱到金融、醫(yī)療、教育等多個(gè)領(lǐng)域，為開(kāi)發(fā)者提供了豐富的靈感和實(shí)踐案例。

2.2 技術(shù)融合

結(jié)合了多種先進(jìn)的技術(shù)，如檢索增強(qiáng)生成（RAG）和人工智能代理技術(shù)，以及不同的大語(yǔ)言模型，讓開(kāi)發(fā)者可以學(xué)習(xí)和實(shí)踐如何將這些技術(shù)融合在一起，構(gòu)建出更加智能、高效的應(yīng)用程序。

2.3 學(xué)習(xí)資源豐富

項(xiàng)目文檔完善，每個(gè)應(yīng)用都有詳細(xì)的介紹和代碼示例，適合初學(xué)者學(xué)習(xí)和實(shí)踐，同時(shí)也為有經(jīng)驗(yàn)的開(kāi)發(fā)者提供了一個(gè)交流和分享的平臺(tái)，有助于推動(dòng)大語(yǔ)言模型應(yīng)用生態(tài)系統(tǒng)的發(fā)展。

3. 項(xiàng)目分類及詳細(xì)介紹

3.1 AI 代理（AI Agents）

AI 代理是該倉(cāng)庫(kù)中的一大亮點(diǎn)，包含了各種領(lǐng)域的智能代理，以下是一些典型的示例：

• AI 客戶支持代理：幫助處理客戶咨詢，參考文件 ??awesome-llm-apps/ai_agent_tutorials/ai_customer_support_agent/customer_support_agent.py??? 中的 ??handle_query?? 函數(shù)，該函數(shù)會(huì)搜索相關(guān)記憶，構(gòu)建上下文，并使用 OpenAI 生成回復(fù)，為企業(yè)提供高效的客戶服務(wù)解決方案。
• AI 招聘代理團(tuán)隊(duì)：用于招聘流程，包含角色要求定義、簡(jiǎn)歷分析、郵件發(fā)送、面試安排等功能。相關(guān)代碼在 ??awesome-llm-apps/ai_agent_tutorials/ai_recruitment_agent_team/ai_recruitment_agent_team.py?? 中，通過(guò)智能代理的協(xié)作，提高招聘效率和質(zhì)量。
• AI 金融代理團(tuán)隊(duì)：具備搜索網(wǎng)絡(luò)信息和獲取金融數(shù)據(jù)的能力。代碼 ??awesome-llm-apps/ai_agent_tutorials/ai_finance_agent_team/finance_agent_team.py??? 定義了不同的代理和代理團(tuán)隊(duì)，如 ??web_agent??? 負(fù)責(zé)搜索網(wǎng)絡(luò)信息，??finance_agent?? 負(fù)責(zé)獲取金融數(shù)據(jù)，通過(guò)團(tuán)隊(duì)協(xié)作，為金融領(lǐng)域提供專業(yè)的數(shù)據(jù)分析和決策支持。

3.2 檢索增強(qiáng)生成（RAG）

RAG 技術(shù)在該倉(cāng)庫(kù)中也得到了廣泛應(yīng)用，涵蓋了多種相關(guān)應(yīng)用：

• RAG 數(shù)據(jù)庫(kù)路由代理：實(shí)現(xiàn)了文檔上傳、數(shù)據(jù)庫(kù)查詢和問(wèn)題路由等功能。??awesome-llm-apps/rag_tutorials/rag_database_routing/rag_database_routing.py?? 包含了初始化模型、處理文檔、創(chuàng)建路由代理、查詢數(shù)據(jù)庫(kù)等多個(gè)函數(shù)，通過(guò)智能路由，提高數(shù)據(jù)檢索和生成的效率。
• DeepSeek 本地 RAG 推理代理：創(chuàng)建和初始化向量存儲(chǔ)以存儲(chǔ)文檔。??awesome-llm-apps/rag_tutorials/deepseek_local_rag_agent/deepseek_rag_agent.py??? 中的 ??create_vector_store?? 函數(shù)可完成相關(guān)操作，通過(guò)本地推理，提高數(shù)據(jù)處理的安全性和效率。

3.3 MCP AI 代理

例如 ??MCP GitHub 代理??，可對(duì) GitHub 相關(guān)內(nèi)容進(jìn)行處理，如代碼搜索、倉(cāng)庫(kù)管理等，為開(kāi)發(fā)者提供更加便捷的 GitHub 操作體驗(yàn)。

3.4 帶有記憶功能的 LLM 應(yīng)用

包含如 ??AI Arxiv 代理（帶記憶）???、???帶個(gè)性化記憶的 LLM 應(yīng)用??? 等，這些應(yīng)用能夠利用記憶功能提供更智能的交互，根據(jù)用戶的歷史交互記錄，提供更加個(gè)性化的服務(wù)和建議。

3.5 與 X 聊天應(yīng)用

允許用戶與不同類型的數(shù)據(jù)源進(jìn)行聊天，提供了多樣化的交互方式：

• 與 GitHub 倉(cāng)庫(kù)聊天：用戶可以輸入 GitHub 倉(cāng)庫(kù)名稱并詢問(wèn)相關(guān)內(nèi)容。??awesome-llm-apps/chat_with_X_tutorials/chat_with_github/chat_github_llama3.py??? 中的 ??get_loader??? 和 ??load_repo?? 函數(shù)用于加載和添加倉(cāng)庫(kù)到知識(shí)庫(kù)，通過(guò)與 GitHub 倉(cāng)庫(kù)的交互，幫助開(kāi)發(fā)者更好地理解和使用代碼。
• 與 Gmail 聊天、與 PDF 聊天等，為用戶提供了更加便捷的信息獲取方式，讓用戶可以通過(guò)自然語(yǔ)言與不同類型的數(shù)據(jù)源進(jìn)行交互。

3.6 LLM 微調(diào)

例如 ??Llama3.2 微調(diào)??，提供了關(guān)于大語(yǔ)言模型微調(diào)的相關(guān)示例，幫助開(kāi)發(fā)者學(xué)習(xí)如何對(duì)預(yù)訓(xùn)練模型進(jìn)行微調(diào)，以適應(yīng)特定的任務(wù)和領(lǐng)域。

3.7 高級(jí)工具和框架

包含 ??Gemini 多模態(tài)聊天機(jī)器人???、???混合代理??? 等，展示了更高級(jí)的技術(shù)應(yīng)用，如多模態(tài)交互、智能代理協(xié)作等，為未來(lái)的人工智能應(yīng)用發(fā)展提供了方向。

4. 總結(jié)

“awesome-llm-apps” 倉(cāng)庫(kù)為開(kāi)發(fā)者和研究者提供了一個(gè)全面、深入的大語(yǔ)言模型應(yīng)用學(xué)習(xí)和實(shí)踐平臺(tái)。通過(guò)豐富的應(yīng)用示例和詳細(xì)的文檔，我們可以學(xué)習(xí)到如何將不同的大語(yǔ)言模型和技術(shù)融合在一起，構(gòu)建出更加智能、高效的應(yīng)用程序。無(wú)論是初學(xué)者還是有經(jīng)驗(yàn)的開(kāi)發(fā)者，都能從這個(gè)倉(cāng)庫(kù)中獲得寶貴的經(jīng)驗(yàn)和靈感，為推動(dòng)大語(yǔ)言模型應(yīng)用的發(fā)展貢獻(xiàn)自己的力量。

本文轉(zhuǎn)載自???鴻煊的學(xué)習(xí)筆記??，作者： 鴻煊