Awesome LLM Apps 部署与使用教程

Awesome LLM Apps 是一个收录了超过 100 个开源 AI 智能体、智能体技能和 RAG 应用的宝藏仓库。这些应用覆盖了从简单的单文件智能体到复杂的多智能体团队，并且全部免费、开源。本教程将指导您如何快速部署和使用这些模板。

📋 目录

项目是什么
快速上手：两种核心使用方式
核心应用分类与选择指南
部署示例：运行一个智能体
部署示例：安装一个智能体技能
进阶：使用多智能体团队
更新与贡献
常见问题排查

项目是什么

这是一个精心策划的开源仓库，由社区维护，包含了大量可直接运行的 AI 应用模板。其目标是让开发者能快速启动自己的 AI 项目，或为自己的 AI 编程助手添加新技能。

核心理念：

即插即用：每个应用都设计为可独立运行，通常只需要一个 API 密钥。
覆盖全面：从简单的聊天机器人到复杂的多智能体协作系统，涵盖 RAG、语音、多模态等多个领域。
免费开源：所有代码均以 Apache-2.0 许可发布，可自由使用、修改和商用。

快速上手：两种核心使用方式

您可以根据需求，从以下两种方式中选择一种开始。

方式一：为您的 AI 编程助手安装技能 (Agent Skills)

如果您使用 Claude Code、Cursor、Codex 等 AI 编程工具，可以通过 npx 命令一键安装技能，赋予 AI 新的能力。

通用安装命令：

1	npx skills add https://github.com/Shubhamsaboo/awesome-llm-apps/tree/main/agent_skills/project-graveyard

这个命令会安装 Project Graveyard 技能。安装后，您可以直接对 AI 说：“为什么我总完不成我的 side project?”，AI 就会使用该技能进行分析。

浏览所有可用技能：
您可以在仓库的 agent_skills/ 目录下查看所有可用技能，例如：

scope-creep-detector：检测代码变更是否超出范围
commit-archaeologist：分析代码历史
dependency-doctor：检查依赖问题

方式二：克隆并运行一个完整的 AI 应用

这种方式适合想运行一个完整独立应用（如带界面的智能体）的用户。

标准三步启动法：

# 1. 克隆整个仓库
git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git
cd awesome-llm-apps

# 2. 进入你想要运行的应用目录（以 AI 旅行助手为例）
cd starter_ai_agents/ai_travel_agent

# 3. 安装依赖并运行
pip install -r requirements.txt
streamlit run travel_agent.py

大部分应用都提供了 requirements.txt 和明确的启动命令。

核心应用分类与选择指南

仓库中的应用按功能进行了分类，您可以根据自己的需求快速定位。

分类	描述	典型应用举例
🧩 Agent Skills	为 AI 编程助手添加新能力的技能包，通过 `npx skills add` 安装。	Project Graveyard, Scope Creep Detector
🌱 Starter AI Agents	入门首选。单文件实现，简单直接，适合学习和快速原型验证。	AI Travel Agent, AI Data Analysis Agent, AI Meme Generator
🚀 Advanced AI Agents	具有工具调用、记忆和多步推理能力的生产级智能体。	AI Home Renovation Agent, AI VC Due Diligence Agent Team
🛰️ Always-on Agents	按计划或事件触发的后台智能体，可主动推送信息。	Always-on Hacker News Briefing Agent
🤝 Multi-agent Teams	多个智能体协作完成复杂任务，展示编排能力。	AI Legal Agent Team, AI Recruitment Agent Team
🗣️ Voice AI Agents	支持语音输入和输出的智能体，使用实时语音 API。	Customer Support Voice Agent, Insurance Claim Live Agent
🖼️ Generative UI	智能体不仅能生成文本，还能生成交互式 UI 组件。	AI Financial Coach Agent, AI Shadcn Component Generator
🎮 Autonomous Game Agents	能自主玩游戏的智能体，用于演示决策能力。	AI Chess Agent, AI Tic-Tac-Toe Agent
♾️ MCP AI Agents	通过模型上下文协议 (MCP) 连接外部工具的智能体。	Browser MCP Agent, GitHub MCP Agent
📀 RAG (检索增强生成)	从文档、网页等数据源进行检索并生成答案的应用。	Agentic RAG with Reasoning, Chat with PDF
💾 Apps with Memory	能跨会话记住用户信息和偏好的应用。	AI Travel Agent with Memory, Local ChatGPT Clone with Memory
💬 Chat with X	将特定数据源（如邮件、视频）转化为聊天界面。	Chat with Gmail, Chat with YouTube Videos

部署示例：运行一个智能体

我们以 AI 数据分析智能体 (AI Data Analysis Agent) 为例，展示如何运行一个带界面的应用。

1. 进入应用目录

1	cd awesome-llm-apps/starter_ai_agents/ai_data_analysis_agent

2. 查看并配置环境变量
应用通常需要一个 .env 文件来存放 API 密钥。

# 复制示例环境变量文件
cp .env.example .env
# 编辑 .env 文件，填入您的 OpenAI API 密钥
# OPENAI_API_KEY=your_key_here

3. 安装依赖并启动

1 2	pip install -r requirements.txt streamlit run data_analysis_agent.py

4. 使用：浏览器会自动打开，您可以在界面上传 CSV 或 Excel 文件，然后用自然语言提问，如“销售额最高的产品类别是什么？”。

部署示例：安装一个智能体技能

假设您使用 Claude Code，并想安装 Scope Creep Detector 技能。

1. 在 Claude Code 中安装
在 Claude Code 会话中运行：

1 2	/plugin marketplace add Shubhamsaboo/awesome-llm-apps /plugin install scope-creep-detector@awesome-llm-apps

2. 使用技能
安装后，您可以在 Claude Code 中直接说：

“检查我最近的这次提交，看看有没有范围蔓延。”

AI 便会激活该技能，分析您的代码变更。

进阶：使用多智能体团队

多智能体团队应用展示了如何编排多个智能体协作。以 AI 招聘智能体团队 (AI Recruitment Agent Team) 为例：

1. 进入目录

1	cd awesome-llm-apps/multi_agent_teams/ai_recruitment_agent_team

2. 查看架构
该团队通常包含负责简历筛选、面试安排、候选人沟通等不同角色的智能体。您可以通过阅读 README.md 或代码了解其协作逻辑。

3. 配置和运行
与运行单个智能体类似，配置好环境变量后，使用 streamlit run 或 python main.py 启动。您会看到一个更复杂的交互界面，模拟完整的招聘流程。

更新与贡献

更新：由于是仓库模板，更新方式为 git pull 拉取最新代码。对于已安装的技能，重新运行 npx skills add 命令即可。
贡献：项目欢迎贡献。您可以提交新的应用模板、修复 Bug 或改进文档。请参考仓库的 CONTRIBUTING.md 文件（如果存在）。

常见问题排查

问题：运行 pip install -r requirements.txt 时遇到依赖冲突。

解决：建议为每个应用创建独立的 Python 虚拟环境 (venv) 或使用 conda 环境，避免全局依赖冲突。

问题：启动应用时提示缺少 API 密钥。

解决：仔细检查应用目录下是否有 .env.example 文件，将其复制为 .env 并填入正确的密钥。确保密钥有足够的权限和配额。

问题：npx skills add 命令无效。

解决：确保已安装 Node.js (v16+) 和 npm。npx 是 Node.js 自带的命令。

通过以上步骤，您已经可以开始探索 Awesome LLM Apps 中丰富的 AI 应用了。从您感兴趣的分类开始，运行一个智能体或安装一个技能，亲身体验 AI 应用开发的乐趣和效率。如需更深入的信息，请直接查看仓库中对应应用的 README.md 文件。