wehub-resource-sync
230 lines
12 KiB
Markdown
230 lines
12 KiB
Markdown
<!-- WEHUB_ZH_README -->
|
||
> [!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。
|
||
|
||
<p align="center">
|
||
<a href="https://trendshift.io/repositories/12800">
|
||
<img src="assets/TRENDING-BADGE.png" alt="Trending Badge" style="width: 250px; height: 55px;" width="250" height="55"/>
|
||
</a>
|
||
</p>
|
||
|
||
<p align="center">
|
||
<img src="assets/ai-eng-hub.gif" alt="AI Engineering Hub Banner">
|
||
</p>
|
||
|
||
---
|
||
|
||
# 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!** 🎉
|