TaskingAI
AI 原生应用开发平台,5381 stars。AI 原生应用开发的开源平台,支持快速构建和部署 AI 驱动的应用
🎯适用场景:LLM 应用快速开发
📥 收录于 2026/5/7
📊 仓库数据
✅ 优点
- •原生 Agent 编排与工具调用
- •5.4K+ stars
- •开源免费
⚠️ 限制
- •需要 Python 运行环境
- •容器部署有一定学习成本
- •API 变更需跟进版本升级
🔗 相关工具
magic
github.com/dtyq/magic
开源 AI 研究环境,5.2K+ stars。AI 研究人员的开源研究环境,无缝微调、评估和部署 AI 模型
🎯LLM 应用快速开发
Aci
github.com/aipotheosis-labs/aci
开源工具调用平台,8.2K+ stars。开源工具调用平台,将 600+ 工具接入 AI Agent,支持各种工具的统一调用
🎯多模型 API 统一接入与路由
LangChain
github.com/langchain-ai/langchain
最流行的 LLM 应用开发框架,137K+ stars。提供链式编排、RAG 检索增强生成、Agent 构建等核心能力,覆盖 Python 和 JavaScript 双语言生态,是构建 LLM 应用的基础设施
🎯LLM 应用快速开发
Hugging Face Agents Course
github.com/huggingface/agents-course
Hugging Face Agent 课程,29K+ stars。Hugging Face 官方出品的 AI Agent 学习课程,系统学习如何构建和使用基于 Hugging Face 生态的 AI Agent
🎯AI Agent 系统化学习、Hugging Face 官方 Agent 教程
Semantic Kernel
github.com/microsoft/semantic-kernel
微软 LLM 应用开发框架,快速将大模型能力集成到应用中,支持插件和 Agent 模式
🎯机器人控制、仿真与边缘部署
RAG Techniques
github.com/nirdiamant/rag_techniques
RAG 技术大全,27K+ stars。展示各种高级检索增强生成(RAG)系统技术的教程合集,涵盖从基础 RAG 到高级优化策略的完整技术栈
🎯RAG 技术学习参考、检索增强方案选型与实现