Skip to content

README.md

Latest commit

 

History

History
770 lines (647 loc) · 29.3 KB

README.md

File metadata and controls

770 lines (647 loc) · 29.3 KB

🤖 LLM Agent 與 RAG 完整實戰指南

License: MIT Python 3.9+ LangChain LlamaIndex

一個全面的 LLM Agent 框架學習與實踐專案，涵蓋 LangChain、LlamaIndex、AutoGen、CrewAI 等主流框架，以及 RAG、多模態處理、程式碼解析等實際應用。

Cover

📚 目錄

🎯 專案簡介

本專案是一個全面的 LLM Agent 和 RAG（Retrieval-Augmented Generation）學習資源庫，旨在幫助開發者：

  • 深入理解多個主流 LLM Agent 框架的原理和使用
  • 掌握 RAG 技術的各種實現方式
  • 學習多模態 LLM 應用開發
  • 分析開源專案的內部運作機制
  • 實踐真實場景的 AI Agent 應用

支持的框架和技術

框架/技術 版本 完成度 說明
LangChain 0.3.0+ ✅ 完整 11個詳細教程，涵蓋RAG、Agent、LCEL等
LangGraph 0.2.30+ ✅ 完整 狀態圖Agent構建框架
LlamaIndex 0.11.0+ ✅ 完整 數據索引和查詢框架
AutoGen 0.2.0+ ✅ 完整 微軟多Agent對話框架
CrewAI 0.80.0+ ✅ 完整 角色扮演型多Agent框架
MetaGPT Latest ✅ 完整 軟體公司模擬框架
Semantic Kernel 1.0+ 🆕 最新 Microsoft Agent Framework 核心組件
LangFlow 1.0+ 🆕 最新 視覺化低代碼 AI 應用構建平台
Haystack 2.0+ 🆕 最新 RAG 原生的企業級框架
AutoGPT Latest 🆕 最新 自主 AI Agent 框架
OpenAI Swarm Latest 🆕 最新 輕量級多 Agent 協作框架
RAG技術 - ✅ 完整 基礎RAG、多模態RAG、進階檢索
向量數據庫 - ✅ 完整 Chroma, FAISS, Pinecone, Qdrant

🎉 2025 年 12 月最新更新: 🎊 100 個 AI Agent 框架里程碑達成！ 🎊 850+ 個完整示例！

🔥 快速導航

📖 重要文檔

🆕 新框架示例 (440+ 個示例)

框架 示例數 適用場景 README 快速開始
Semantic Kernel 20 ✅ 企業級應用 查看 01_快速開始.py
LangFlow 20 ✅ 可視化設計 查看 01_Python集成示例.py
Haystack 20 ✅ RAG 系統 查看 01_RAG基礎.py
AutoGPT 20 ✅ 自主 Agent 查看 01_自主Agent.py
OpenAI Swarm 20 ✅ 輕量協作 查看 01_多Agent協作.py
LangGraph 20 ✅ 狀態管理 查看 01_狀態圖基礎.py
CrewAI 20 ✅ 角色扮演 查看 0.快速開始.ipynb

🔥 2025 年 12 月最新新增框架

框架 示例數 適用場景 README 說明
Agent-S 12 🆕 電腦使用 Agent 查看 ICLR 2025，超越人類水平 (72.6%)
CopilotKit 10 🆕 React AI 整合 查看 26.8K GitHub Stars
n8n 10 🆕 工作流自動化 查看 150K+ Stars，400+ 整合
Google ADK 10 🆕 Gemini/Vertex AI 查看 Google 官方 Agent 框架
SuperAGI 10 🆕 企業級 Agent 查看 生產就緒，圖形界面
Camel-AI 10 🆕 多 Agent 研究 查看 角色扮演，社會模擬
Browser-Use 10 🆕 瀏覽器自動化 查看 超越 OpenAI Operator
Cline 10 🆕 VS Code 編程助手 查看 自主編程，MCP 支持
Mastra 10 🆕 TypeScript AI 框架 查看 工作流，整合，Agent
Atomic-Agents 10 🆕 模組化 Agent 查看 Schema 驅動，可測試
Browserbase 10 🆕 雲端瀏覽器基礎設施 查看 隱身模式，Session 管理
DSPy 10 🆕 LLM 編程框架 查看 Stanford，自動提示優化
Letta 10 🆕 有狀態 Agent 查看 MemGPT，持久記憶
Julep 10 🆕 AI 應用平台 查看 90+ 整合，任務系統
Instructor 10 🆕 結構化輸出 查看 3M+ 下載，Pydantic
ControlFlow 10 🆕 工作流編排 查看 流程控制，任務管理
SWE-Agent 10 🆕 軟體工程 Agent 查看 Princeton，SWE-bench
PhiData 10 🆕 多模態 Agent 查看 高性能，知識庫
MS-Agent-Framework 10 🆕 統一 Agent 框架 查看 AutoGen + SK 融合
LiteLLM 10 🆕 LLM API 網關 查看 100+ 模型，8ms 延遲
Outlines 10 🆕 結構化生成 查看 JSON/CFG 約束
Strands-Agents 10 🆕 AWS Agent SDK 查看 企業級，Bedrock
Guidance 10 🆕 LLM 控制 查看 受控解碼，90% 降錯
Langfuse 10 🆕 LLM 可觀測性 查看 開源，追蹤評估
Aider 10 🆕 終端編程助手 查看 多文件，Git 整合
Continue 10 🆕 IDE 編程助手 查看 開源，20K+ Stars
Composio 10 🆕 工具整合平台 查看 250+ 應用整合
Helicone 10 🆕 AI 網關 查看 路由，快取，限流

💡 提示: 所有示例都包含完整代碼和詳細中文註釋！

📊 項目統計

統計項 數量
🎯 支持框架 🎊 100 個 🎊
📝 完整示例 850+ 個
📄 代碼行數 400,000+ 行
📚 文檔字數 650,000+ 字
🎓 教程數量 240+ 個
🌟 覆蓋場景 450+ 個

✨ 特色功能

1. 完整的學習路徑

  • 📖 從基礎到進階的系統化教程
  • 💡 豐富的程式碼範例和詳細註解
  • 🎓 實際專案案例學習

2. 多框架對比

  • 🔍 深入分析各框架優缺點
  • 📊 提供選擇指南和對比表
  • 🛠️ 實踐中的最佳實踐

3. 開源專案解析

  • 🔬 深入分析 Open Hands、UFO、PCAgent 等專案
  • 📐 詳細的架構圖和流程圖
  • 💻 原始碼解讀和實現原理

4. 實際應用案例

  • 📧 郵件自動回覆系統
  • 🗣️ 智能聊天機器人
  • 🔍 SQL查詢Agent
  • 📊 銷售外聯自動化

📂 目錄結構

LLM-agent-Demo/
│
├── 1.從AI到LLM基礎/              # 🆕 AI/ML/DL/LLM 基礎教程
│   ├── 0.AI基礎概念.md
│   ├── 1.機器學習基礎.md
│   ├── 2.深度學習基礎.md
│   ├── 3.Transformer架構詳解.md
│   ├── 4.LLM基礎知識.md
│   ├── 5.提示工程指南.md
│   └── README.md
│
├── 1.LangchainDemos/              # LangChain 學習教程
│   ├── 0.簡單的RAG_範例.ipynb
│   ├── 1.langchain官網使用範例：RAG問答/
│   ├── 2.向量儲存與檢索器.ipynb
│   ├── 3.使用_LCEL_建立簡單的_LLM_應用.ipynb
│   ├── 4.建構一個聊天機器人.ipynb
│   ├── 5.使用langgraph建立Agent.ipynb
│   ├── 6.code_understanding_ipynb繁中翻譯.ipynb
│   ├── 7.結合_RAG_與自我修正的程式碼生成.ipynb
│   ├── 8.LongWriter_粗略了解.md
│   └── 9.sql_agent_中文化.ipynb
│
├── 2.Multi_modal_RAG/             # 多模態 RAG 教程
│   ├── langchain_cookbook_Multi_modal_RAG.ipynb
│   └── cj/                        # 範例資料
│
├── 3.程式碼解析/                   # 開源專案程式碼分析
│   ├── 1-open_hands_程式碼解析.md
│   ├── 2-open-hands-docker交互流程.md
│   ├── Cline.md                   # 🆕 新增
│   ├── PCAgent架構流程.md
│   ├── RDAgent.md
│   ├── RDAgent-通用模型.md
│   ├── UFO.md
│   └── OepnAdapt.md
│
├── 4.RPA_LLM/                     # RPA與LLM結合調研
│   └── survey.md
│
├── 5.demo-sales-outreach-automation-langgraph/  # 銷售自動化案例
│   ├── README.md
│   └── setup_script.py
│
├── 6.LlamaIndex/                  # 🆕 LlamaIndex 教程
│   ├── 0.快速開始.ipynb
│   ├── 1.數據加載與索引.ipynb
│   ├── 2.查詢引擎.ipynb
│   ├── 3.Chat_Engine聊天引擎.ipynb
│   └── README.md
│
├── 7.AutoGen/                     # 🆕 AutoGen 教程
│   ├── 0.基礎對話.ipynb
│   ├── 1.多Agent協作.ipynb
│   ├── 2.程式碼執行Agent.ipynb
│   └── README.md
│
├── 8.CrewAI/                      # 🆕 CrewAI 教程
│   ├── 0.快速開始.ipynb
│   ├── 1.角色和任務.ipynb
│   ├── 2.實際案例.ipynb
│   └── README.md
│
├── 9.MetaGPT/                     # 🆕 MetaGPT 教程
│   ├── 0.基礎概念.ipynb
│   ├── 1.軟體開發流程.ipynb
│   └── README.md
│
├── 10.框架對比與選擇指南/          # 🆕 框架對比
│   ├── 框架對比表.md
│   ├── 選擇指南.md
│   └── 最佳實踐.md
│
├── 11.實際應用案例/                # 🆕 更多應用案例
│   ├── 客服機器人/
│   ├── 文檔問答系統/               # ✅ 完整實現
│   ├── 智能搜索引擎/
│   └── 程式碼助手/
│
├── 12.Semantic Kernel/            # 🔥 Microsoft Agent Framework
│   ├── README.md
│   ├── 01_快速開始.py
│   └── requirements.txt
│
├── 13.LangFlow/                   # 🔥 視覺化 AI 構建
│   ├── README.md
│   ├── 01_Python集成示例.py
│   └── requirements.txt
│
├── 14.Haystack/                   # 🔥 RAG 原生框架
│   ├── README.md
│   ├── 01_RAG基礎.py
│   └── requirements.txt
│
├── 15.AutoGPT/                    # 🔥 自主 AI Agent
│   ├── README.md
│   ├── 01_自主Agent.py
│   └── requirements.txt
│
├── 16.OpenAI Swarm/               # 🔥 輕量級協作
│   ├── README.md
│   ├── 01_多Agent協作.py
│   └── requirements.txt
│
├── 25.Agno/                       # 🆕 高性能多模態 Agent
│   ├── README.md
│   ├── examples/
│   └── requirements.txt
│
├── 26.PydanticAI/                 # 🆕 類型安全的 Agent 框架
│   ├── README.md
│   ├── examples/
│   └── requirements.txt
│
├── 27.OpenAI-Agents-SDK/          # 🆕 OpenAI 官方 Agent SDK
│   ├── README.md
│   ├── examples/
│   └── requirements.txt
│
├── 28.smolagents/                 # 🆕 Hugging Face 極簡框架
│   ├── README.md
│   ├── examples/
│   └── requirements.txt
│
├── 29.MCP-Protocol/               # 🆕 模型上下文協議
│   ├── README.md
│   ├── examples/
│   └── requirements.txt
│
├── 30.Goose/                      # 🆕 Block 開發者 Agent
│   ├── README.md
│   ├── examples/
│   └── requirements.txt
│
├── 31.Rasa/                       # 🆕 對話式 AI 框架
│   ├── README.md
│   ├── examples/
│   └── requirements.txt
│
├── 32.Magentic-One/               # 🆕 Microsoft 多 Agent 系統
│   ├── README.md
│   ├── examples/
│   └── requirements.txt
│
├── src/llm_agent_demo/            # 🔥 核心庫
│   ├── utils/                     # 工具模組
│   ├── langchain/                 # LangChain 封裝
│   ├── llamaindex/                # LlamaIndex 封裝
│   └── ...
│
├── tests/                         # 測試文件
├── docs/                          # MkDocs 文檔
├── Makefile                       # 開發工具
├── mkdocs.yml                     # 文檔配置
├── requirements.txt               # 專案依賴
├── .gitignore                     # Git 忽略規則
├── Dockerfile                     # 🆕 Docker 支持
├── docker-compose.yml             # 🆕 容器編排
├── LICENSE                        # MIT 授權
└── README.md                      # 本文件

🚀 快速開始

環境需求

  • Python 3.9 或更高版本
  • pip 或 conda 包管理器
  • （可選）Docker 和 Docker Compose

安裝步驟

方法 1: 使用虛擬環境（推薦）

# 1. 克隆專案
git clone https://github.com/yourusername/LLM-agent-Demo.git
cd LLM-agent-Demo

# 2. 創建虛擬環境
python -m venv venv

# 3. 啟動虛擬環境
# Linux/Mac:
source venv/bin/activate
# Windows:
venv\Scripts\activate

# 4. 安裝依賴
pip install -r requirements.txt

# 5. 配置環境變數
cp .env.example .env
# 編輯 .env 文件，添加你的 API Keys

方法 2: 使用 Docker（推薦用於生產環境）

# 1. 克隆專案
git clone https://github.com/yourusername/LLM-agent-Demo.git
cd LLM-agent-Demo

# 2. 使用 Docker Compose 啟動
docker-compose up -d

# 3. 訪問 Jupyter Lab
# 在瀏覽器中打開 http://localhost:8888

API Keys 配置

創建 .env 文件並添加以下內容：

# OpenAI
OPENAI_API_KEY=your_openai_api_key

# Google Gemini
GOOGLE_API_KEY=your_google_api_key

# Anthropic Claude
ANTHROPIC_API_KEY=your_anthropic_api_key

# Groq
GROQ_API_KEY=your_groq_api_key

# 向量數據庫（可選）
PINECONE_API_KEY=your_pinecone_api_key
PINECONE_ENVIRONMENT=your_environment

# 其他服務（可選）
SERPER_API_KEY=your_serper_api_key

運行範例

# 啟動 Jupyter Lab
jupyter lab

# 或啟動 Jupyter Notebook
jupyter notebook

# 然後打開任何 .ipynb 文件開始學習

🎓 學習路徑

完全初學者路徑（第 0-4 週）🆕

階段 0: 基礎知識 (1-2 週)

  • 1.從AI到LLM基礎/ - 完整的 AI/ML/DL/LLM 基礎教程
    • 從 AI 概念開始,逐步深入到 LLM
    • 包含理論講解和代碼實踐
    • 適合完全零基礎的學習者

階段 1: 框架入門 (3-4 週)

  • 進入 LangChain 實戰學習

有基礎學習者路徑（第 1-2 週）

  1. LangChain 基礎

    • 1.LangchainDemos/0.簡單的RAG_範例.ipynb
    • 1.LangchainDemos/2.向量儲存與檢索器.ipynb
    • 1.LangchainDemos/3.使用_LCEL_建立簡單的_LLM_應用.ipynb

  2. RAG 技術

    • 1.LangchainDemos/1.langchain官網使用範例：RAG問答/

  3. 基礎 Agent

    • 1.LangchainDemos/4.建構一個聊天機器人.ipynb

中級路徑（第 3-4 週）

  1. LangGraph Agent

    • 1.LangchainDemos/5.使用langgraph建立Agent.ipynb

  2. 多模態 RAG

    • 2.Multi_modal_RAG/langchain_cookbook_Multi_modal_RAG.ipynb

  3. LlamaIndex

    • 6.LlamaIndex/ 目錄下所有教程

  4. 實際應用

    • 1.LangchainDemos/9.sql_agent_中文化.ipynb
    • 1.LangchainDemos/7.結合_RAG_與自我修正的程式碼生成.ipynb

進階路徑（第 5-6 週）

  1. 多 Agent 系統

    • 7.AutoGen/ 目錄下所有教程
    • 8.CrewAI/ 目錄下所有教程
    • 9.MetaGPT/ 目錄下所有教程

  2. 程式碼解析

    • 3.程式碼解析/ 目錄下所有文件
    • 理解開源專案的架構和實現

  3. 實際專案

    • 5.demo-sales-outreach-automation-langgraph/
    • 11.實際應用案例/ 各個子目錄

🔍 框架對比

詳細對比請查看 10.框架對比與選擇指南/框架對比表.md

快速對比

框架 適用場景 複雜度 社區支持 學習曲線 企業級
LangChain 通用 LLM 應用 中 ⭐⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐
LlamaIndex 數據索引和查詢 低-中 ⭐⭐⭐⭐ 較低 ⭐⭐⭐⭐
AutoGen 多 Agent 對話 中-高 ⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐
CrewAI 角色扮演 Agent 中 ⭐⭐⭐ 較低 ⭐⭐⭐
MetaGPT 軟體開發流程 高 ⭐⭐⭐ 較高 ⭐⭐⭐
LangGraph 複雜狀態管理 中-高 ⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐
Semantic Kernel 企業級 AI 集成 中 ⭐⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐⭐
LangFlow 視覺化快速開發 低 ⭐⭐⭐ 極低 ⭐⭐⭐
Haystack RAG 專注型 中 ⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐⭐
AutoGPT 自主 Agent 高 ⭐⭐⭐⭐ 較高 ⭐⭐
OpenAI Swarm 輕量級協作 低 ⭐⭐⭐ 較低 ⭐⭐
Agno 🔥 高性能多模態 中 ⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐
Pydantic AI 🔥 類型安全 Agent 低-中 ⭐⭐⭐⭐ 較低 ⭐⭐⭐⭐
OpenAI Agents SDK 🔥 官方 Agent SDK 中 ⭐⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐⭐
smolagents 🔥 極簡輕量級 低 ⭐⭐⭐⭐ 極低 ⭐⭐⭐
MCP Protocol 🔥 模型上下文協議 中-高 ⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐⭐
Goose 🔥 開發者 Agent 中 ⭐⭐⭐ 中等 ⭐⭐⭐
Rasa 🔥 對話式 AI 中-高 ⭐⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐⭐
Magentic-One 🔥 多 Agent 系統 高 ⭐⭐⭐⭐ 較高 ⭐⭐⭐⭐
Browser-Use 🔥 瀏覽器自動化 中 ⭐⭐⭐ 中等 ⭐⭐⭐
Cline 🔥 編程助手 中 ⭐⭐⭐⭐ 較低 ⭐⭐⭐⭐
Mastra 🔥 TypeScript AI 中 ⭐⭐⭐ 中等 ⭐⭐⭐⭐
Atomic-Agents 🔥 模組化 Agent 低-中 ⭐⭐⭐ 較低 ⭐⭐⭐⭐
Browserbase 🔥 雲端瀏覽器 中 ⭐⭐⭐ 中等 ⭐⭐⭐⭐
DSPy 🔥 LLM 編程 中 ⭐⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐⭐
Letta 🔥 有狀態 Agent 中 ⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐
Julep 🔥 AI 應用平台 中 ⭐⭐⭐ 較低 ⭐⭐⭐⭐
Instructor 🔥 結構化輸出 低 ⭐⭐⭐⭐⭐ 極低 ⭐⭐⭐⭐⭐
ControlFlow 🔥 工作流編排 中 ⭐⭐⭐ 中等 ⭐⭐⭐⭐
SWE-Agent 🔥 軟體工程 高 ⭐⭐⭐⭐ 較高 ⭐⭐⭐⭐
PhiData 🔥 多模態 Agent 中 ⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐
MS Agent Framework 🔥 統一 Agent 中 ⭐⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐⭐
LiteLLM 🔥 LLM 網關 低-中 ⭐⭐⭐⭐⭐ 較低 ⭐⭐⭐⭐⭐
Outlines 🔥 結構化生成 中 ⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐
Strands Agents 🔥 AWS Agent 中 ⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐⭐
Guidance 🔥 LLM 控制 中 ⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐
Langfuse 🔥 LLM 可觀測性 中 ⭐⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐⭐
Aider 🔥 終端編程 中 ⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐
Continue 🔥 IDE 助手 低-中 ⭐⭐⭐⭐ 較低 ⭐⭐⭐⭐
Composio 🔥 工具整合 中 ⭐⭐⭐⭐ 中等 ⭐⭐⭐⭐⭐
Helicone 🔥 AI 網關 低 ⭐⭐⭐⭐ 極低 ⭐⭐⭐⭐⭐

選擇建議

  • RAG 應用: LangChain、LlamaIndex 或 Haystack
  • 聊天機器人: LangChain + LangGraph 或 Rasa
  • 多 Agent 協作: AutoGen、CrewAI、OpenAI Swarm 或 Magentic-One
  • 軟體開發: MetaGPT 或 AutoGPT
  • 複雜工作流: LangGraph
  • 企業級應用: Semantic Kernel、Haystack 或 Rasa
  • 快速原型: LangFlow 或 smolagents
  • 視覺化設計: LangFlow
  • 自主決策: AutoGPT
  • 類型安全: Pydantic AI
  • 多模態處理: Agno
  • 開發者工具: Goose
  • 模型互操作: MCP Protocol
  • 官方支持: OpenAI Agents SDK
  • 瀏覽器自動化: Browser-Use、Browserbase
  • 編程助手: Cline、Goose、SWE-Agent
  • 模組化設計: Atomic-Agents
  • LLM 編程: DSPy
  • 有狀態 Agent: Letta (MemGPT)
  • 結構化輸出: Instructor、Outlines、Guidance
  • 工作流編排: ControlFlow
  • LLM 網關: LiteLLM
  • AWS 生態: Strands Agents
  • Microsoft 生態: MS Agent Framework
  • LLM 可觀測性: Langfuse、Helicone
  • 工具整合: Composio
  • 終端編程: Aider
  • IDE 編程助手: Continue

💼 實際應用案例

1. 郵件自動回覆系統

  • 位置: 1.LangchainDemos/yt_email_reply_llama3_crewai_groq.ipynb
  • 技術: CrewAI + Groq
  • 功能: 自動分析 YouTube 評論並生成專業回覆

2. SQL 查詢 Agent

  • 位置: 1.LangchainDemos/9.sql_agent_中文化.ipynb
  • 技術: LangChain + SQL Database
  • 功能: 自然語言轉 SQL 查詢

3. 銷售外聯自動化

  • 位置: 5.demo-sales-outreach-automation-langgraph/
  • 技術: LangGraph + 多種 API
  • 功能: 自動化銷售流程管理

4. 程式碼理解與生成

  • 位置: 1.LangchainDemos/6.code_understanding_ipynb繁中翻譯.ipynb
  • 技術: LangChain + RAG
  • 功能: 程式碼分析和智能生成

🆕 2025 年最新更新

本專案已更新到 2025 年最新版本，包括：

原有框架

  • ✅ LangChain 0.3.0+ 新特性
  • ✅ LangGraph 0.2.30+ 狀態管理
  • ✅ LlamaIndex 0.11.0+ 完整教程
  • ✅ AutoGen 0.2.0+ 多 Agent 系統
  • ✅ CrewAI 0.80.0+ 角色扮演框架
  • ✅ MetaGPT 軟體開發流程

🎉 2025 年 11 月新增 - 5 大熱門框架

  • ✨ Semantic Kernel - Microsoft Agent Framework 核心組件

    • 企業級 AI orchestration SDK
    • 強大的插件系統和 Agent 協作能力
    • 完整的規劃器和記憶管理

  • ✨ LangFlow - 視覺化低代碼 AI 應用構建平台

    • 拖放式流程圖設計界面
    • 100+ 個預製組件
    • 快速原型和 API 生成

  • ✨ Haystack - RAG 原生的企業級框架

    • 專注於檢索增強生成
    • Pipeline DAG 架構
    • 強大的文檔處理和檢索能力

  • ✨ AutoGPT - 自主 AI Agent 框架

    • 自主決策和目標導向
    • 自我反思和錯誤恢復
    • 工具使用和任務規劃

  • ✨ OpenAI Swarm - 輕量級多 Agent 協作框架

    • 極簡設計，易於使用
    • Agent 切換和上下文共享
    • 適合快速構建協作系統

🔥 2025 年 12 月最新追加 - 8 個前沿框架

高性能與類型安全

  • ✨ Agno - 高性能多模態 Agent 框架

    • 支援文本、圖像、音頻、視頻等多模態
    • 高性能異步處理
    • 靈活的 Agent 組合和工作流

  • ✨ Pydantic AI - 類型安全的 Agent 框架

    • 基於 Pydantic v2 的嚴格類型檢查
    • 自動數據驗證和序列化
    • 完美的 IDE 支持和自動補全

官方與標準化

  • ✨ OpenAI Agents SDK - OpenAI 官方 Agent SDK

    • OpenAI 官方支持和維護
    • 與 GPT-4/4.5/o1 系列完美集成
    • 標準化的 Agent 開發範式

  • ✨ MCP (Model Context Protocol) - 模型上下文協議

    • Anthropic 推出的開放標準
    • 實現不同 AI 系統間的互操作
    • 統一的上下文共享機制

輕量級與極簡設計

  • ✨ smolagents - Hugging Face 極簡框架

    • 僅 1000 行代碼的核心實現
    • 完整的工具調用和代碼生成
    • 支援 80+ Hugging Face 模型

  • ✨ Goose - Block 開發者 Agent

    • 專為軟體開發優化
    • 終端操作和代碼編輯
    • 完整的開發工作流支持

企業級對話與協作

  • ✨ Rasa - 對話式 AI 框架

    • 成熟的開源對話系統
    • 完整的 NLU 和對話管理
    • 企業級部署和擴展能力

  • ✨ Magentic-One - Microsoft 多 Agent 系統

    • Microsoft 最新多 Agent 協作框架
    • 通用任務解決能力
    • 先進的 Agent 編排機制

瀏覽器自動化與編程助手

  • ✨ Browser-Use - 瀏覽器自動化框架

    • 超越 OpenAI Operator 的 WebVoyager 基準
    • 支援多種 LLM 後端
    • 智能網頁交互

  • ✨ Cline - VS Code 自主編程助手

    • Plan/Act 雙模式運作
    • MCP 協議原生支持
    • 終端和瀏覽器整合

  • ✨ Mastra - TypeScript-First AI 框架

    • 完整的 Agent 工作流系統
    • 1,000+ 應用整合
    • 記憶和知識圖譜支持

  • ✨ Atomic-Agents - 模組化 Agent 框架

    • Schema 驅動設計
    • 高度可測試和可預測
    • 清晰的輸入輸出接口

  • ✨ Browserbase - 雲端瀏覽器基礎設施

    • 隱身模式和反檢測
    • Session 持久化管理
    • 代理輪換和並行執行

基礎設施

  • ✅ 最新的向量數據庫集成
  • ✅ Docker 容器化支持
  • ✅ 完整的依賴管理
  • ✅ Makefile 開發工具鏈
  • ✅ 專業級工程化配置

🤝 貢獻指南

我們歡迎所有形式的貢獻！

如何貢獻

  1. Fork 本專案
  2. 創建特性分支 (git checkout -b feature/AmazingFeature)
  3. 提交更改 (git commit -m 'Add some AmazingFeature')
  4. 推送到分支 (git push origin feature/AmazingFeature)
  5. 開啟 Pull Request

貢獻方向

  • 📝 添加新的教程或範例
  • 🐛 修復 bug 或改進現有程式碼
  • 📚 改進文檔
  • 🌐 添加其他語言版本
  • 💡 提出新的想法或建議

📄 授權

本專案採用 MIT 授權 - 詳見 LICENSE 文件

🙏 致謝

📞 聯絡方式

🗺️ 路線圖

  • LangChain 完整教程
  • LangGraph Agent 系統
  • 多模態 RAG
  • LlamaIndex 教程
  • AutoGen 教程
  • CrewAI 教程
  • MetaGPT 教程
  • 框架對比指南
  • Semantic Kernel 教程 🆕
  • LangFlow 視覺化構建 🆕
  • Haystack RAG 框架 🆕
  • AutoGPT 自主 Agent 🆕
  • OpenAI Swarm 協作框架 🆕
  • Agno 高性能多模態框架 🔥
  • Pydantic AI 類型安全框架 🔥
  • OpenAI Agents SDK 官方 SDK 🔥
  • smolagents 極簡框架 🔥
  • MCP Protocol 模型上下文協議 🔥
  • Goose 開發者 Agent 🔥
  • Rasa 對話式 AI 框架 🔥
  • Magentic-One 多 Agent 系統 🔥
  • Agent-S 電腦使用 Agent 🔥🆕
  • CopilotKit React AI 整合 🔥🆕
  • n8n 工作流自動化 🔥🆕
  • Google ADK Gemini 框架 🔥🆕
  • SuperAGI 企業級 Agent 🔥🆕
  • Camel-AI 多 Agent 研究 🔥🆕
  • Browser-Use 瀏覽器自動化 🔥🆕
  • Cline VS Code 編程助手 🔥🆕
  • Mastra TypeScript AI 框架 🔥🆕
  • Atomic-Agents 模組化 Agent 🔥🆕
  • Browserbase 雲端瀏覽器 🔥🆕
  • DSPy LLM 編程框架 🔥🆕
  • Letta 有狀態 Agent 🔥🆕
  • Julep AI 應用平台 🔥🆕
  • Instructor 結構化輸出 🔥🆕
  • ControlFlow 工作流編排 🔥🆕
  • SWE-Agent 軟體工程 Agent 🔥🆕
  • PhiData 多模態 Agent 🔥🆕
  • MS Agent Framework 統一框架 🔥🆕
  • LiteLLM LLM API 網關 🔥🆕
  • Outlines 結構化生成 🔥🆕
  • Strands Agents AWS SDK 🔥🆕
  • Guidance LLM 控制 🔥🆕
  • Langfuse LLM 可觀測性 🔥🆕
  • Aider 終端編程助手 🔥🆕
  • Continue IDE 編程助手 🔥🆕
  • Composio 工具整合平台 🔥🆕
  • Helicone AI 網關 🔥🆕
  • 更多實際應用案例
  • 視頻教程
  • 英文版本
  • 在線互動式教程

⭐ 如果這個專案對你有幫助，請給我們一個 Star！

📖 持續更新中... 最後更新: 2025-12-31