- 🔍 技术人的大模型应用初学指南
简介：大淘宝技术团队撰写的实践指南，帮助开发者快速掌握大模型应用落地的核心方法论。 - 🤖 AI Agent：7大认知框架全解析与代码实现
简介：系统拆解AI Agent核心框架设计，结合可复现代码演示工程实现路径。 - 📊 【译文】A Visual Guide to LLM Agents
简介：可视化解读LLM Agents技术架构，通过图形化演示降低理解门槛。
-
🎓 微软-AI Agents for Beginners - A Course
简介：微软官方开源入门课程，包含12课时实践项目及行业应用案例解析。 -
📚 Generative AI for Beginners
简介：微软官方21课时入门课程，覆盖提示工程到应用开发全流程。 -
🔍 Awesome Generative AI Guide
简介：全面的生成式AI资源中心，整合研究论文、面试题库、免费课程与开发笔记。
-
🛠️ Trae-Agent
简介：字节跳动开源的智能开发工具核心组件，集成于AI原生IDE Trae（The Real AI Engineer），支持自然语言驱动的编程任务自动化，显著提升开发效率。提供多模型支持、工具链集成与操作日志追溯能力，助力开发者构建智能协作工作流。 -
🤖 OpenManus
简介：MetaGPT团队开源多智能体协作框架，支持快速复刻Manus核心功能，提供模块化协作机制与完整工具链支持（含强化学习版本）。
简介：系统性整理基础智能体（Foundation Agents）研究路径的论文精选集，聚焦核心概念定义与技术演进脉络，提供领域研究全景导航。
2. 🎓 Awesome-Agent-Papers
简介：智能体领域前沿论文聚合仓库，覆盖大语言模型智能体、多智能体协作、人-智能体交互三大方向，持续追踪学术界突破性成果。
- AI Agent评测基准大揭秘：智能体的「体检标准」
简介：深度解析主流Agent评估体系，揭示工业界与学术界对智能体能力的差异化验证逻辑。
-
🌐 GAIA Leaderboard
简介：Meta与HuggingFace共建的多模态评测平台，聚焦复杂任务拆解与工具链协作能力验证，覆盖跨模态推理与工具调用场景 -
📚 PaperBench 技术解析
简介：OpenAI开源的科学复现评测框架, 2025年4月3日发布，通过8,316项子任务量化Agent复现论文的完整能力。 -
🧠 AgentBench
简介：清华大学主导的多环境实战基准，覆盖操作系统、数据库、知识图谱等8类真实场景，量化Agent动态决策能力。 -
📊 XBench
红杉中国推出的双轨测评体系：
- AGI Tracking：测试技术上限
- Profession-Aligned：量化商业场景效用价值（如招聘/营销）。
-
🤖 OpenAI Agents SDK
简介：轻量级开发套件，支持快速构建生产级Agentic AI应用（Swarm项目升级版）。 -
🧩 LangGraph
简介：LangChain生态的有状态多代理系统，基于图结构构建循环工作流。 -
🌐 Google Agent SDK
简介：谷歌多模态智能体开发套件，集成Vertex AI与Gemini模型。 -
⚙️ Microsoft AutoGen
简介：微软多代理对话框架，支持复杂工作流编排与自定义角色协作。 -
🤖 Claude Code SDK (Python)
简介：Anthropic官方提供的Claude代码生成SDK（Python版），用于生成和编辑代码。 -
☁️ AWS Agent SDK
简介：亚马逊云服务的智能体开发工具集（含Nova Act等组件）。 -
🐉 Qwen Agent
简介：基于通义千问的LLM应用框架，支持指令遵循、工具调用与记忆管理。 -
👥 CrewAI
简介：面向角色扮演型Agent的编排框架，支持任务委派与团队协作。 -
📈 TradingAgents
简介：开源金融交易 Agent 框架，支持量化策略开发与回测系统集成。
10 🚀 阿里巴巴-Spring AI Alibaba
简介：阿里巴巴开源的 Spring AI 扩展库，集成通义千问等国产大模型，提供企业级 AI 应用开发框架与工具链。
🦌 1. DeerFlow
字节跳动推出的深度研究框架，集成多智能体协作与端到端研究自动化。
- 核心特点：
- 多智能体分工：基于 LangGraph 实现模块化架构（协调器、规划器、研究员、报告员），支持动态任务迭代与重规划（Re-planning）。
- 工具深度集成：支持 Tavily/DuckDuckGo 搜索、Python 代码执行、学术资源（Arxiv）抓取，扩展性强。
- 人机协同创作：提供类 Notion 的交互式编辑界面，支持自然语言修改研究计划，并生成报告、PPT、播客脚本等多模态内容。
- MCP 无缝扩展：可接入私有域知识库或第三方服务（如高德地图），实现定制化研究场景。
🌐 2. Suna
Kortix AI 推出的通用型智能体，专注于跨平台任务自动化执行。
- 核心特点：
- 浏览器自动化引擎：基于 Playwright 实现网页导航、数据抓取及表单操作（如 LinkedIn 简历采集、竞品价格监控）。
- 安全沙箱环境：通过 Docker 容器隔离任务执行，支持敏感数据（API 密钥）动态注入，保障宿主系统安全。
- 多工具链协同：整合 Python 解释器、命令行工具和 API 服务，支持复杂指令解析（例：“分析医疗市场规模并生成 PDF 报告”）。
- 企业级部署：提供云端 SaaS 服务（免费版至企业版）及自托管方案，适配商业分析、销售自动化等场景。
📊 3. Gemini CLI
Google官方推出的Gemini命令行工具，支持多模态交互与本地文件处理。
- 核心特点：
- 多模态交互：支持文本/图像混合输入，可解析图片内容并生成描述
- 本地文件处理：支持上传PDF、图像等本地文件进行内容分析（
--file参数） - 流式响应：实时显示API响应过程，支持对话式交互模式
- 多语言支持：内置国际化配置，支持非英语内容生成
- 开发者工具：提供API调用统计、响应时间测量等调试功能
🤖 4. OpenAI Codex
- OpenAI 出品，专精于理解自然语言并生成对应代码。*
- 核心特点：
- 自然语言转代码：可将人类语言描述直接转化为多种编程语言的函数或脚本。
- 多语言支持：精通 Python、JavaScript、Go 等主流语言，适配广泛开发场景。
- GitHub Copilot 核心：作为底层引擎驱动智能编程助手，实现代码补全与生成功能。
🖥️ .5 UI-TARS-desktop
字节跳动开源的桌面端UI自动化测试框架，支持跨平台界面元素识别与操作。
- 核心特点：
- 视觉定位引擎：基于CV算法实现精准控件识别，适应动态界面变化。
- 无侵入式测试：无需修改应用源码即可执行自动化操作与断言验证。
- 多语言脚本支持：兼容Python/Java等主流测试脚本，提供录制回放功能。
👥 6. MetaGPT
多智能体协作框架，通过角色分工与SOP流程实现复杂任务分解执行。
- 核心特点：
- 角色扮演机制：智能体可担任产品经理/工程师等专业角色，模拟真实工作流程。
- 标准化操作协议：内置SOP引擎将复杂任务拆解为可执行原子操作链。
- 全流程自动化：支持从需求分析到代码生成、测试评审的完整开发生命周期。
- 多模态输出：同步生成需求文档/流程图/接口定义等标准化交付物。
1. 🤖 AgentGPT
简介：浏览器端部署目标驱动智能体，支持零代码编排（自然语言设定目标→自动分解任务）、Next.js可视化面板、开源扩展（OpenAI/Anthropic模型集成）。
2. 🦉 Camel-Owl
简介：全自动多Agent协作框架（关联camel-ai/camel），实现复杂任务分解/多角色分工（如Planner-Executor协作）、优化Manus架构、深度工具链集成（含API调用错误处理）。
3. ⚡ AutoGPT
简介：端到端任务自动化引擎（代码生成/数据分析），内置思维链（CoT）多步推理引擎（子任务依赖管理）、自我修正机制（动态错误检测与重试策略）。
4. 🛠️ OpenHands
简介：企业级开发自动化平台，支持动态任务执行（代码修改/Web浏览）、角色自适应机制（智能调整Agent行为）。
5. 🧑💻 gpt-engineer
简介：CLI工具实现自然语言→完整代码库生成，采用端到端代码生成架构，支持模块化扩展。
6. 🔬 微软 RD-Agent
简介：LLM驱动的研发闭环系统，整合自动化实验迭代（实验设计→代码实现）、加速技术方案落地。
7. 🌐 AutoGLM
简介：基于LLM的自主研究代理，支持结构化报告生成。
8. 📊 Llama Index
简介：私有数据智能代理构建工具（如企业知识库问答）。
9. 🚀 NVIDIA AgentIQ
简介：企业级多智能体系统协作优化框架。
10. 🧩 Giselle
简介：节点式AI构建平台，支持多LLM/数据源连接，提供可视化编排界面。
awesome-ai-agents
https://github.com/e2b-dev/awesome-ai-agents
awesome-llm-apps
A curated collection of awesome LLM apps built with RAG and AI agents. This repository features LLM apps that use models from OpenAI, Anthropic, Google, and open-source models like DeepSeek, Qwen or Llama that you can run locally on your computer.
https://github.com/Shubhamsaboo/awesome-llm-apps