awesome-llm-apps：100+ 個能直接跑的 AI Agent 範例

想學做 AI Agent，最快的方式通常不是看理論，而是打開一個「已經能跑」的專案，改成自己的。awesome-llm-apps 就是這樣一個寶庫：GitHub 上收錄 100+ 個 AI Agent、Agent Skills 和 RAG 應用，全部免費開源，可以直接 clone、修改、部署。

作者是 Shubham Saboo，目前是 Google Cloud 的資深 AI 產品經理，負責 ADK、Agent Builder、Vertex AI 的開發者推廣。這個 repo 截至 2026 年 10 月初已有約 14 萬顆星，是 GitHub 上最受歡迎的 AI Agent 範例合集之一，授權是 Apache-2.0。

裡面有什麼？

README 把範例分成幾大類，挑幾個有代表性的：

Starter AI Agents：入門用的單一 Agent，例如旅遊規劃、資料分析、會議準備
Advanced AI Agents：比較完整的應用，例如深度研究、投資分析、健康與健身教練
Multi-agent Teams：多個 Agent 分工合作，例如新創盡職調查團隊
Voice AI Agents：語音互動的 Agent
MCP AI Agents：接 Model Context Protocol 的 Agent
RAG：各種檢索增強生成的做法
Agent Skills、Fine-tuning、框架教學 等

每個範例都是一個獨立資料夾，有程式碼、requirements.txt 和啟動方式。

支援哪些模型？

範例涵蓋 Claude、OpenAI、Gemini、xAI、Qwen、Llama 等，很多也能換成本地開源模型。換模型通常只要改一兩行設定，很適合拿來比較不同模型做同一件事的差異。

跑起第一個 Agent

以 README 裡的流程為例：

git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git
cd awesome-llm-apps/<你想跑的範例資料夾>
pip install -r requirements.txt
streamlit run <範例的主程式>.py

多數範例用 Streamlit 做介面，跑起來會在瀏覽器開一個小網頁；記得先準備好對應模型的 API 金鑰。

怎麼拿來學最有效？

先挑跟你工作有關的：做行銷就看內容類，做研究就看深度研究 Agent
先跑起來，再讀程式：看它怎麼切工具、怎麼寫 system prompt、怎麼串 Agent
改一個地方：換模型、換資料源、加一個工具，觀察結果怎麼變
組成自己的工作流：把幾個範例的做法拼起來，變成你自己的 Agent

要注意的地方

範例是 學習與原型用，直接上線前要自己補錯誤處理、權限和成本控管
部分範例會呼叫付費 API，跑之前先看清楚會用到哪些服務

為什麼值得收藏？

很多 AI 教學停在「概念」或「單一 prompt」，但真正做產品時，卡住的往往是「這個 Agent 要怎麼拆工具」「多個 Agent 怎麼交接」「檢索資料要怎麼接進來」。awesome-llm-apps 的價值在於：每一種做法都有一份能跑的程式碼可以對照。你可以把它當成一本「AI 應用的範例食譜」，遇到新需求時先來翻有沒有類似的範例，再改成自己的版本，通常比從零開始快很多。

資料來源

GitHub：https://github.com/Shubhamsaboo/awesome-llm-apps

想看更多 AI 工具整理，追蹤 IG @aihub.tw。