> [!NOTE] > 本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。 > [English](./README.en.md) · [原始项目](https://github.com/patchy631/ai-engineering-hub) · [上游 README](https://github.com/patchy631/ai-engineering-hub/blob/HEAD/README.md) > 原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。

--- # AI Engineering Hub 🚀 欢迎来到 **AI Engineering Hub** —— 你学习与构建 AI 应用的全面资源库！ ## 🌟 为什么选择本仓库？ AI Engineering（AI 工程）正在快速发展，要站在前沿既需要深入理解，也需要动手实践。在这里，你将找到： - **93+ 个生产就绪项目**，覆盖各个技能水平 - 关于 **LLM、RAG、Agent** 等的深度教程 - 真实世界的 **AI agent** 应用案例 - 可在你的项目中实现、改编和扩展的示例 无论你是初学者、实践者还是研究者，本仓库都为各个技能水平提供资源，助你在 AI 工程中实验并取得成功。 --- ## 📋 目录 - [快速入门](#-getting-started) - [Newsletter](#-stay-updated-with-our-newsletter) - [按难度划分的项目](#-projects-by-difficulty) - [初级项目 (22)](#-beginner-projects) - [中级项目 (48)](#-intermediate-projects) - [高级项目 (23)](#-advanced-projects) - [参与贡献](#-contribute-to-the-ai-engineering-hub) - [许可证](#-license) --- ## 🎯 快速入门 刚接触 AI Engineering？从这里开始： 1. **完全零基础**：查看 [AI Engineering Roadmap](./ai-engineering-roadmap)，获取完整学习路径 2. **学习基础**：从 [初级项目](#-beginner-projects) 入手，例如 OCR 应用和简单的 RAG 实现 3. **提升技能**：进阶到 [中级项目](#-intermediate-projects)，涉及 agent 与复杂工作流 4. **掌握高级概念**：挑战 [高级项目](#-advanced-projects)，包括微调与生产级系统 --- ## 📬 订阅我们的 Newsletter，保持更新！ **免费获取 Data Science 电子书** 📖 —— 订阅我们的 newsletter 即可获得，内含 150+ 门 Data Science 核心课程！随时掌握最新教程、见解与独家资源。[立即订阅！](https://join.dailydoseofds.com) [](https://join.dailydoseofds.com) --- ## 🎓 按难度划分的项目 ### 🟢 初级项目 非常适合 AI 工程入门。这些项目聚焦单一组件与直观实现。 #### OCR & Vision - [**LaTeX OCR with Llama**](./LaTeX-OCR-with-Llama) - 使用 Llama 3.2 vision 将 LaTeX 公式图片转换为代码 - [**Llama OCR**](./llama-ocr) - 基于 Llama 3.2 与 Streamlit 的 100% 本地 OCR 应用 - [**Gemma-3 OCR**](./gemma3-ocr) - 使用 Gemma-3 进行本地 OCR 与结构化文本提取 - [**Qwen 2.5 OCR**](./qwen-2.5VL-ocr) - 使用 Qwen 2.5 VL 模型进行文本提取 #### Chat Interfaces & UI - [**Local ChatGPT with DeepSeek**](./local-chatgpt%20with%20DeepSeek) - 基于 DeepSeek-R1 与 Chainlit 的迷你 ChatGPT - [**Local ChatGPT with Llama**](./local-chatgpt) - 使用 Llama 3.2 vision 的 ChatGPT 克隆版 - [**Local ChatGPT with Gemma 3**](./local-chatgpt%20with%20Gemma%203) - 基于 Gemma 3 的本地聊天界面 - [**DeepSeek Thinking UI**](./deepseek-thinking-ui) - 使用 DeepSeek-R1 展示可见推理过程的 ChatGPT - [**Qwen3 Thinking UI**](./qwen3-thinking-ui) - 基于 Qwen3:4B 与 Streamlit 的 Thinking UI - [**GPT-OSS Thinking UI**](./gpt-oss-thinking-ui) - 带推理可视化的 GPT-OSS - [**Streaming AI Chatbot**](./streaming-ai-chatbot) - 基于 Motia 框架的实时 AI 流式对话 #### Basic RAG - [**Simple RAG Workflow**](./simple-rag-workflow) - 使用 LlamaIndex 与 Ollama 的基础 RAG - [**Document Chat RAG**](./document-chat-rag) - 使用 Llama 3.3 与文档对话 - [**Fastest RAG Stack**](./fastest-rag-stack) - 基于 SambaNova、LlamaIndex 与 Qdrant 的快速 RAG - [**GitHub RAG**](./github-rag) - 在本地与 GitHub 仓库对话 - [**ModernBERT RAG**](./modernbert-rag) - 使用 ModernBert embeddings 的 RAG - [**Llama 4 RAG**](./llama-4-rag) - 由 Meta 的 Llama 4 驱动的 RAG #### Multimodal & Media - [**Image Generation with Janus-Pro**](./imagegen-janus-pro) - 使用 DeepSeek Janus-pro 7B 进行本地图像生成 - [**Video RAG with Gemini**](./video-rag-gemini) - 使用 Gemini AI 与视频对话 #### Other Tools - [**Website to API with FireCrawl**](./Website-to-API-with-FireCrawl) - 将网站转换为 API - [**AI News Generator**](./ai_news_generator) - 使用 CrewAI 与 Cohere 生成新闻 - [**Siamese Network**](./siamese-network) - 在 MNIST 上进行数字相似度检测 --- ### 🟡 中级项目 多组件系统、agentic 工作流与高级特性，适合有经验的实践者。 #### AI Agents & Workflows - [**YouTube Trend Analysis**](./Youtube-trend-analysis) - 使用 CrewAI 与 BrightData 分析 YouTube 趋势 - [**AutoGen Stock Analyst**](./autogen-stock-analyst) - 基于 Microsoft AutoGen 的高级分析师 - [**Agentic RAG**](./agentic_rag) - 支持文档搜索与网页回退的 RAG - [**Agentic RAG with DeepSeek**](./agentic_rag_deepseek) - 基于 GroundX 的企业级 agentic RAG - [**Book Writer Flow**](./book-writer-flow) - 使用 CrewAI 自动撰写书籍 - [**Content Planner Flow**](./content_planner_flow) - 基于 CrewAI Flow 的内容工作流 - [**Brand Monitoring**](./brand-monitoring) - 自动化品牌监测系统 - [**Hotel Booking Crew**](./hotel-booking-crew) - 基于 DeepSeek-R1 的多 agent 酒店预订 - [**Deploy Agentic RAG**](./deploy-agentic-rag) - 使用 LitServe 部署私有 Agentic RAG API - [**Zep Memory Assistant**](./zep-memory-assistant) - 具备类人记忆的 AI Agent - [**Agent with MCP Memory**](./agent-with-mcp-memory) - 集成 Graphiti 记忆与 Opik 的 Agent - [**ACP Code**](./acp-code) - Agent Communication Protocol 演示 - [**Motia Content Creation**](./motia-content-creation) - 社交媒体自动化工作流 #### Voice & Audio - [**Real-time Voice Bot**](./real-time-voicebot) - 基于 AssemblyAI 的对话式旅行向导 - [**RAG Voice Agent**](./rag-voice-agent) - 基于 Cartesia 的实时 RAG Voice Agent - [**Chat with Audios**](./chat-with-audios) - 面向音频文件的 RAG - [**Audio Analysis Toolkit**](./audio-analysis-toolkit) - 使用 AssemblyAI 进行音频分析 - [**Multilingual Meeting Notes**](./multilingual-meeting-notes-generator) - 支持语言检测的自动会议纪要 #### Advanced RAG - [**RAG with Dockling**](./rag-with-dockling) - 使用 IBM 的 Docling 对 Excel 进行 RAG - [**Trustworthy RAG**](./trustworthy-rag) - 使用 TLM 对复杂文档进行 RAG - [**Fastest RAG with Milvus and Groq**](./fastest-rag-milvus-groq) - 亚 15ms 检索延迟 - [**Chat with Code**](./chat-with-code) - 使用 Qwen3-Coder 与代码对话 - [**RAG SQL Router**](./rag-sql-router) - 集成 RAG 与 SQL 路由的 Agent #### Multimodal - [**DeepSeek Multimodal RAG**](./deepseek-multimodal-RAG) - 基于 DeepSeek-Janus-Pro 的多模态 RAG - [**ColiVara Website RAG**](./Colivara-deepseek-website-RAG) - 面向网站的多模态 RAG - [**Multimodal RAG with AssemblyAI**](./multimodal-rag-assemblyai) - 音频 + 向量数据库 + CrewAI #### MCP (Model Context Protocol) - [**Cursor Linkup MCP**](./cursor_linkup_mcp) - 支持深度网页搜索的自定义 MCP - [**EyeLevel MCP RAG**](./eyelevel-mcp-rag) - 面向复杂文档的 MCP RAG - [**LlamaIndex MCP**](./llamaindex-mcp) - 基于 LlamaIndex 的本地 MCP 客户端 - [**MCP Agentic RAG**](./mcp-agentic-rag) - 面向 Cursor 的 MCP 驱动 Agentic RAG - [**MCP Agentic RAG Firecrawl**](./mcp-agentic-rag-firecrawl) - 集成 Firecrawl 的 Agentic RAG - [**MCP Video RAG**](./mcp-video-rag) - 通过 MCP 使用 Ragie 进行 Video RAG - [**MCP Voice Agent**](./mcp-voice-agent) - 集成 Firecrawl 与 Supabase 的 Voice agent - [**SDV MCP**](./sdv-mcp) - Synthetic Data Vault 编排 - [**KitOps MCP**](./kitops-mcp) - 使用 KitOps 进行 ML 模型管理 - [**Stagehand × MCP-Use**](./stagehand%20x%20mcp-use) - 基于 Stagehand MCP 的 Web 自动化 #### 模型对比与评估 - [**评估与可观测性（Evaluation and Observability）**](./eval-and-observability) - 使用 CometML Opik 进行端到端 RAG 评估 - [**Llama 4 vs DeepSeek-R1**](./llama-4_vs_deepseek-r1) - 使用 RAG 对比模型 - [**Qwen3 vs DeepSeek-R1**](./qwen3_vs_deepseek-r1) - 使用 Opik 进行模型对比 - [**O3 vs Claude Code**](./o3-vs-claude-code) - 对比 Claude 3.7 与 o3 - [**Sonnet4 vs O4**](./sonnet4-vs-o4) - 代码生成对比 - [**Sonnet4 vs Qwen3-Coder**](./sonnet4-vs-qwen3-coder) - Coder 模型对比 - [**代码模型对比（Code Model Comparison）**](./code-model-comparison) - 前沿模型代码对比 - [**GPT-OSS vs Qwen3**](./gpt-oss-vs-qwen3) - 推理能力对比 --- ### 🔴 高级项目 复杂系统、微调、生产部署与前沿实现。 #### 微调与模型开发 - [**DeepSeek 微调（Fine-tuning）**](./DeepSeek-finetuning) - 使用 Unsloth 与 Ollama 微调 DeepSeek - [**构建推理模型（Build Reasoning Model）**](./Build-reasoning-model) - 构建类 DeepSeek-R1 的推理模型 - [**Attention Is All You Need 实现**](./attention-is-all-you-need-impl) - 从零实现 Transformer 架构 #### 高级智能体系统 - [**NVIDIA Demo**](./nvidia-demo) - 使用 CrewAI Flows 与 NVIDIA NIM 的文档撰写工具 - [**文档撰写流程（Documentation Writer Flow）**](./documentation-writer-flow) - 智能体式文档工作流 - [**多智能体深度研究员（Multi-Agent Deep Researcher）**](./Multi-Agent-deep-researcher-mcp-windows-linux) - 基于 MCP 的深度研究员 - [**多平台深度研究员（Multiplatform Deep Researcher）**](./multiplatform_deep_researcher) - 使用 BrightData 进行多平台研究 - [**网页浏览智能体（Web Browsing Agent）**](./web-browsing-agent) - 使用 CrewAI 与 Stagehand 的浏览器自动化 - [**法务助理智能体团队（Paralegal Agent Crew）**](./paralegal-agent-crew) - 结合 RAG 的智能法务助理 - [**FireCrawl Agent**](./firecrawl-agent) - 带网页搜索回退的纠正式 RAG（Corrective RAG） - [**上下文工程工作流（Context Engineering Workflow）**](./context-engineering-workflow) - 使用 TensorLake 与 Zep 的研究助手 - [**Parlant 对话智能体（Parlant Conversational Agent）**](./parlant-conversational-agent) - 合规驱动的对话智能体 - [**股票投资组合分析智能体（Stock Portfolio Analysis Agent）**](./stock-portfolio-analysis-agent) - 带 React 前端的投资组合分析 - [**Guidelines vs 传统 Prompt**](./guidelines-vs-traditional-prompt) - 结构化指南对比 #### 高级 MCP 与基础设施 - [**MindsDB MCP**](./mindsdb-mcp) - 面向所有数据源的统一 MCP - [**Financial Analyst DeepSeek**](./financial-analyst-deepseek) - MCP 金融分析工作流 - [**Graphiti MCP**](./graphiti-mcp) - 使用 Zep 的 Graphiti 实现持久化记忆 - [**Pixeltable MCP**](./pixeltable-mcp) - 统一多模态数据编排 - [**Ultimate AI Assistant**](./ultimate-ai-assitant-using-mcp) - 多 MCP 服务器接口 #### 生产系统 - [**GroundX 文档流水线（Document Pipeline）**](./groundX-doc-pipeline) - 世界级文档处理 - [**NotebookLM Clone**](./notebook-lm-clone) - 完整 NotebookLM，含 RAG、引用与播客 #### 学习资源 - [**AI 工程路线图（AI Engineering Roadmap）**](./ai-engineering-roadmap) - 从 Python 到生产级 AI 的完整指南 --- ## 📢 为 AI Engineering Hub 做贡献！ 我们欢迎贡献者！无论你是想添加新教程、改进现有代码，还是报告问题，你的贡献都能让这个社区蓬勃发展。参与方式如下： 1. **Fork** 本仓库 2. 为你的贡献创建新分支 3. 提交 **Pull Request** 并说明改进内容 更多详情请参阅我们的[贡献指南](CONTRIBUTING.md)。 --- ## 📜 许可证 本仓库采用 MIT License 许可 — 详见 [LICENSE](LICENSE) 文件。 --- ## 💬 联系 欢迎讨论、提出建议等，可随时[创建 issue](https://github.com/patchy631/ai-engineering/issues))或直接联系我们！ **Happy Coding!** 🎉