🌟 500+ 人工智能代理项目/用例

一个精心整理的人工智能代理跨行业用例合集，展示了实际应用场景，并链接到可用于实施的开源项目。探索人工智能代理如何变革医疗、金融、教育等行业！🤖✨

---

📋 目录

• 简介
• 行业用例
• 用例表格
• 框架分类用例
  • CrewAI 用例
  • AutoGen 用例
  • Agno 用例
  • Langgraph 用例
• 贡献
• 许可证

---

🧠 简介

人工智能（AI）代理正在彻底改变各行业的运作方式。从个性化学习到金融交易机器人，AI代理带来了效率、创新和可扩展性。本仓库提供：

• 按行业分类的列表，展示AI代理正在产生影响的领域。
• 详细的用例，附有用于实现的开源项目链接。

无论您是开发者、研究人员还是商业爱好者，这个仓库都是您获取AI代理灵感和学习知识的一站式资源。

---

🏭 行业用例思维导图

---

🧩 用例表格

用例	行业	描述	GitHub 代码库
HIA（健康洞察代理）	医疗保健	分析医疗报告并提供健康洞察。
AI 健康助手	医疗保健	利用患者数据诊断和监测疾病。
自动化交易机器人	金融	通过实时市场分析自动进行股票交易。
虚拟 AI 辅导老师	教育	提供针对用户的个性化教育。
7x24 小时 AI 聊天机器人	客户服务	全天候处理客户咨询。
产品推荐代理	零售	根据用户偏好和历史记录推荐产品。
自动驾驶配送代理	交通运输	优化路线并自主递送包裹。
工厂流程监控代理	制造业	监控生产线并确保质量控制。
房产定价代理	房地产	分析市场趋势以确定房产价格。
智能农业助手	农业	提供作物健康状况的洞察及产量预测。
能源需求预测代理	能源	预测能源使用情况以优化电网管理。
内容个性化代理	娱乐	根据偏好推荐个性化媒体。
法律文件审查助手	法律	自动化审查文件并突出显示关键条款。
招聘推荐代理	人力资源	为职位空缺推荐最合适的候选人。
虚拟旅行助手	酒店餐饮	根据偏好规划旅行行程。
AI 游戏伴侣代理	游戏	通过实时协助提升玩家体验。
实时威胁检测代理	网络安全	识别潜在威胁并缓解攻击。
电商个人购物代理	电子商务	帮助客户找到他们喜欢的产品。
物流优化代理	供应链	规划高效配送路线并管理库存。
Vibe Hacking 代理	网络安全	基于多智能体的自主红队测试服务。
MediSuite-Ai-Agent	健康保险	一款医疗人工智能代理，用于自动化医院/保险理赔流程。
Lina-埃及-医疗聊天机器人	健康保险	一款医疗人工智能代理，用于自动化医院/保险理赔流程。

框架层面的用例

---

框架名称：CrewAI

用例	行业	描述	GitHub
📧 邮件自动回复流程	🗣️ 沟通	根据预设条件自动化邮件回复，提升沟通效率。
📝 会议助理流程	🛠️ 生产力	协助组织和管理会议，包括日程安排和议程准备。
🔄 自我评估循环流程	👥 人力资源	促进组织内部的自我评估流程，助力绩效考核。
📈 潜在客户评分流程	💼 销售	评估并为潜在客户打分，以优先安排销售策略中的跟进工作。
📊 市场营销策略生成器	📢 营销	通过分析市场趋势和受众数据制定市场营销策略。
📝 招聘信息发布生成器	🧑‍💼 招聘	通过分析职位需求创建招聘公告，辅助招聘流程。
🔄 招聘工作流	🧑‍💼 招聘	通过自动化招聘过程中的各项任务，简化招聘流程。
🔍 简历与职位匹配	🧑‍💼 招聘	将候选人简历与合适的职位进行匹配，提高招聘效率。
📸 Instagram帖子生成器	📱 社交媒体	自动化生成并安排Instagram帖子，简化社交媒体管理。
🌐 落地页生成器	💻 网站开发	自动化创建网站落地页，简化网页开发任务。
🎮 游戏开发团队	🎮 游戏开发	通过自动化游戏制作的某些环节，协助游戏开发。
💹 股票分析工具	💰 金融	提供股票市场数据分析工具，辅助财务决策。
🗺️ 旅行计划工具	✈️ 旅行	通过整理行程和管理旅行细节，协助规划旅行。
🎁 惊喜旅行计划工具	✈️ 旅行	根据用户偏好选择目的地和活动，规划惊喜之旅。
📚 使用流程撰写书籍	✍️ 创意写作	通过提供结构化的流程和写作辅助，帮助作者完成书籍创作。
🎬 剧本编写工具	✍️ 创意写作	提供剧本模板和指导，协助编写电影或电视剧本。
✅ Markdown格式校验工具	📄 文档	校验Markdown文件，确保格式正确并符合标准。
🧠 Meta Quest知识库	📚 知识管理	管理和整理与Meta Quest相关知识，便于信息检索。
🤖 NVIDIA模型集成	🤖 AI集成	将NVIDIA的AI模型集成到工作流中，提升计算能力。
🗂️ 会议准备工作	🛠️ 生产力	通过整理材料和制定议程，协助会议准备工作。
🛠️ 初始项目模板	🛠️ 开发	提供新项目的初始模板，简化项目搭建流程。
🔗 CrewAI + LangGraph集成	🤖 AI集成	展示CrewAI与LangGraph的集成，实现更高效的工作流自动化。

框架名称：Autogen

代码生成、执行与调试

使用场景	行业	描述	笔记本
🤖 自动化任务解决：代码生成、执行与调试	💻 软件开发	展示通过生成、执行和调试代码实现自动化任务解决。
🧑‍💻 基于检索增强的代理自动代码生成与问答	💻 软件开发	利用检索增强方法生成代码并回答问题。
🧠 基于Qdrant的检索增强，自动代码生成与问答	💻 软件开发	采用Qdrant提升检索增强型代理性能。

多智能体协作（超过3个智能体）

使用场景	行业	描述	笔记本
🤝 团队聊天实现自动化任务解决（3名成员，1名管理者）	🤝 协作	展示通过多智能体协作完成团队任务解决。
📊 团队聊天实现自动化数据可视化（3名成员，1名管理者）	📊 数据分析	利用多智能体协作创建数据可视化。
🧩 团队聊天实现复杂任务自动化解决（6名成员，1名管理者）	🤝 协作	通过更大规模的智能体协作解决复杂任务。
🧑‍💻 编码与规划智能体协同实现自动化任务解决	🛠️ 规划与开发	结合编码和规划智能体高效解决问题。
📐 基于图中预定义转换路径的自动化任务解决	🤝 协作	利用图中的预设转换路径解决任务。
🧠 通过SocietyOfMindAgent将团队聊天模拟为内心独白	🧠 认知科学	利用团队聊天模拟内心独白进行问题解决。
🔧 具有自定义发言者选择功能的团队聊天	🤝 协作	实现团队聊天中的自定义发言者选择功能。

顺序式多智能体聊天

使用场景	行业	描述	笔记本
🔄 由单个智能体发起的一系列聊天中依次解决多个任务	🔄 工作流自动化	通过单一发起智能体实现顺序式任务自动化解决。
⏳ 由单个智能体发起的一系列聊天中异步解决多个任务	🔄 工作流自动化	处理由一个智能体发起的系列聊天中的异步任务解决。
🤝 由不同智能体分别发起的一系列聊天中依次解决多个任务	🔄 工作流自动化	通过不同智能体依次发起聊天来完成顺序式任务解决。

嵌套聊天

用例	行业	描述	笔记本
🧠 使用嵌套对话解决复杂任务	🧠 问题解决	利用嵌套对话解决分层且复杂的问题。
🔄 使用一系列嵌套对话解决复杂任务	🧠 问题解决	展示如何通过嵌套对话进行顺序式任务解决。
🏭 嵌套对话下的 OptiGuide 解决供应链优化问题	🏭 供应链优化	展示如何利用嵌套对话、编码智能体和安全保护智能体来解决供应链优化问题。
♟️ 使用嵌套对话与工具的会话式国际象棋	🎮 游戏	探索使用嵌套对话结合集成工具进行会话式国际象棋对弈。

应用

用例	行业	描述	笔记本
🔄 基于新数据的自动化持续学习	📊 机器学习	持续从新的数据输入中学习，实现自适应人工智能。
🏭 OptiGuide - 用于供应链优化的编码、工具使用、安全保障及问答	🏭 供应链优化	突出展示一种结合编码、工具使用和安全保障的供应链优化解决方案。
🤖 AutoAnny - 使用 AutoGen 构建的 Discord 机器人	💬 通信工具	展示如何使用 AutoGen 开发一个增强交互功能的 Discord 机器人。

工具

用例	行业	描述	笔记本
🌐 网络搜索：解决需要网络信息的任务	🔍 信息检索	搜索网络以收集完成任务所需的信息。
🔧 将提供的工具作为函数使用	🛠️ 工具集成	展示如何在 AutoGen 中将预先提供的工具作为可调用函数使用。
🔗 通过同步和异步函数调用使用工具	🛠️ 工具集成	展示在 AutoGen 工作流中同步和异步使用工具的方法。
🧩 使用 Langchain 提供的工具作为函数解决问题	🔍 语言处理	利用 Langchain 工具在 AutoGen 中解决问题。
📚 RAG：带有检索增强生成的群聊	🤝 协作	启用带有检索增强生成（RAG）的群聊，以支持信息共享。
⚙️ 函数内嵌：在对话过程中更新或移除函数	🔧 开发工具	允许 AutoGen 代理在对话过程中动态修改其函数。
🔊 带有 Whisper 的代理聊天	🎙️ 音频处理	展示使用 Whisper 进行转录和翻译的 AI 代理能力。
📏 通过引导实现受限响应	💡 自然语言处理	展示如何使用引导来限制代理生成的响应。
🌍 使用代理浏览网页	🌐 信息检索	解释如何配置代理以浏览和从网上获取信息。
📊 SQL：使用 Spider 基准将自然语言文本转换为 SQL 查询	💾 数据库管理	使用 Spider 基准将自然语言输入转换为 SQL 查询。
🕸️ 使用 Apify 进行网页抓取	🌐 数据采集	展示使用 AutoGen 和 Apify 进行网页抓取的技术。
🕷️ 网页爬取：使用 Spider API 爬取整个域名	🌐 数据采集	解释如何使用 Spider API 爬取整个域名。
💻 使用专门设计的函数逐步编写软件应用任务	💻 软件开发	使用设计好的函数逐步构建一个软件应用程序。

人类发展

用例	行业	描述	笔记本
💬 类似 ChatGPT 的简单对话示例	🧠 对话式 AI	展示一个类似 ChatGPT 风格的简单对话示例。
🤖 自动代码生成、执行、调试及人工反馈	💻 软件开发	展示代码生成、执行、调试，并将人工反馈融入工作流。
👥 使用 GPT-4 和多名人类用户进行自动化任务解决	🤝 协作	实现由多名人类用户与 GPT-4 协同完成任务解决。
🔄 带有异步人类输入的智能体聊天	🧠 对话式 AI	支持在智能体对话过程中进行异步的人类输入。

智能体的教学与学习

用例	行业	描述	笔记本
📘 通过自动化聊天教授智能体新技能并实现复用	🎓 教育与培训	演示如何向智能体教授新技能，并使其能够在自动化聊天中被复用。
🧠 向智能体教授新事实、用户偏好及非编码技能	🎓 教育与培训	展示如何向智能体传授新事实、用户偏好以及非编码技能。
🤖 通过 GPTAssistantAgent 教授 OpenAI 助手	💻 AI 助手开发	说明如何利用 GPTAssistantAgent 提升 OpenAI 助手的能力。
🔄 智能体优化器：以智能体方式训练智能体	🛠️ 优化	解释如何使用智能体优化器，以智能体化的方式高效训练智能体。

包含 OpenAI 助手的多智能体聊天

用例	行业	描述	笔记本
🌟 使用 AutoGen 与 OpenAI 助手进行“Hello-World”聊天	🤖 对话式 AI	使用 AutoGen 与 OpenAI 助手进行基本对话的示例。
🔧 使用函数调用与 OpenAI 助手聊天	🔧 开发工具	展示如何在聊天中使用 OpenAI 助手的函数调用功能。
🧠 使用代码解释器与 OpenAI 助手聊天	💻 软件开发	演示如何将 OpenAI 助手用作聊天中的代码解释器。
🔍 带有检索增强的 OpenAI 助手聊天	📚 信息检索	实现带有检索增强的 OpenAI 助手对话。
🤝 OpenAI 助手参与群聊	🤝 协作	展示 OpenAI 助手如何与其他智能体在群聊中协作。
🛠️ 基于 GPTAssistantAgent 的多智能体工具使用	🔧 开发工具	解释如何使用 GPTAssistantAgent 进行多智能体工具操作。

非 OpenAI 模型

用例	行业	描述	笔记本
♟️ 使用非 OpenAI 模型进行对话式国际象棋	🎮 游戏	探索使用非 OpenAI 模型实现的对话式国际象棋。

多模态智能体

用例	行业	描述	笔记本
🎨 多模态智能体与 DALL·E 和 GPT-4V 对话	🖼️ 多媒体 AI	结合 DALL·E 和 GPT-4V 实现多模态智能体的交流。
🖌️ 多模态智能体与 LLaVA 对话	📷 图像处理	使用 LLaVA 实现多模态智能体的图像处理对话。
🖼️ 多模态智能体与 GPT-4V 对话	🖼️ 多媒体 AI	利用 GPT-4V 实现多模态智能体的视觉和对话交互。

长上下文处理

用例	行业	描述	笔记本
📜 长上下文处理作为一种能力	🧠 AI 能力	展示在 AI 工作流中有效处理长上下文的技术。

评估与测评

用例	行业	描述	笔记本
📊 AgentEval：用于评估大语言模型驱动应用实用性的多智能体系统	📈 性能评估	介绍AgentEval，用于评估和衡量基于大语言模型的应用程序性能。

自动构建智能体

用例	行业	描述	笔记本
🏗️ 使用AgentBuilder自动构建多智能体系统	🤖 AI开发	解释如何使用AgentBuilder工具自动构建多智能体系统。
📚 从智能体库中自动构建多智能体系统	🤖 AI开发	展示如何利用预定义的智能体库来构建多智能体系统。

可观测性

用例	行业	描述	笔记本
📊 使用AgentOps跟踪LLM调用、工具使用、行动及错误	📈 监控与分析	演示如何使用AgentOps监控LLM交互、工具使用情况以及错误信息。

增强推理能力

用例	行业	描述	笔记本
🔗 API统一	🔧 API管理	解释如何将API的使用与文档和代码示例统一起来。
⚙️ 帮助有效管理API配置的实用函数	🔧 API管理	演示用于更有效地管理API配置的实用函数。
💰 成本计算	📈 成本管理	介绍用于追踪Token使用量并估算LLM交互成本的方法。
⚡ 针对代码生成进行优化	📊 优化	重点介绍通过LLM提升代码生成效率的成本效益优化技巧。
📐 针对数学问题进行优化	📊 优化	解释针对解决数学问题优化LLM性能的技术。

框架名称: Agno

用例

用例	行业	描述	笔记本
🤖 支持代理	💻 软件开发 / AI / 框架支持	Agno 支持代理通过提供实时解答、解释和代码示例，帮助开发者使用 Agno 框架。
🎥 YouTube 代理	📺 媒体与内容	一个智能代理，利用 AI 工具生成详细的视频摘要、时间戳、主题和内容拆解，从而分析 YouTube 视频。
📊 金融代理	💼 金融	一个先进的 AI 驱动的市场分析师，提供实时股市洞察、分析师建议、财务深度解析以及特定行业的趋势。支持对 AAPL、TSLA、NVDA 等公司的详细分析请求。
📚 学习伙伴	🎓 教育	通过查找资源、解答问题和制定学习计划来帮助用户学习。
🛍️ 购物伙伴代理	🏬 电子商务	一个产品推荐代理，根据用户的偏好，从亚马逊、Flipkart 等可信平台中帮助用户找到匹配的产品。
🎓 研究学者代理	🧠 教育 / 研究	一个 AI 驱动的学术助手，能够进行高级学术搜索、分析最新出版物、跨学科综合研究成果，并撰写结构合理、引用规范的学术报告。
🧠 研究代理	🗞️ 媒体与新闻	一个结合网络搜索和专业新闻写作的研究代理。它能够进行深度调查并产出类似《纽约时报》风格的报道。
🍳 食谱生成器	🍽️ 食品与烹饪	一个 AI 驱动的食谱推荐代理，根据食材、偏好和时间限制提供个性化食谱。
🗞️ 金融代理	💼 金融	一个强大的金融分析师代理，结合实时股票数据、分析师见解、公司基本面和市场新闻。非常适合分析苹果、特斯拉、英伟达等公司以及半导体或汽车等行业。
🧠 金融推理代理	📈 金融	使用基于 Claude-3.5 Sonnet 的代理，借助推理工具和 Yahoo Finance 数据分析 NVDA 等股票。
🤖 Readme 生成器代理	💻 软件开发	该代理利用仓库元数据为 GitHub 仓库生成高质量的 README 文件。
🎬 电影推荐代理	🎥 娱乐	一个智能代理，利用 Exa 和 GPT-4o 分析类型、主题和最新评分，提供个性化的电影推荐。
🔍 媒体趋势分析代理	📰 媒体与新闻	利用 AI 驱动的代理和网页抓取技术，分析数字平台上的新兴趋势、模式和意见领袖。
⚖️ 法律文件分析代理	🏛️ 法律科技	一个 AI 代理，通过 PDF 链接分析法律文件，并基于知识库和向量嵌入以及 GPT-4o 提供法律见解。
🤔 DeepKnowledge	🧠 研究	该代理在其知识库中进行迭代搜索，将复杂问题分解为子问题，并综合出全面的答案。它使用 Agno 文档进行演示，专为深度推理和探索而设计。
📚 图书推荐代理	🧠 出版与媒体	一个智能代理，利用文学数据、读者偏好、评论和新书发布信息，提供个性化的图书建议。
🏠 MCP Airbnb 代理	🛎️ 酒店业	使用 MCP 和 Llama 4 创建一个 AI 代理，以工作空间和交通便利性等过滤条件搜索 Airbnb 房源。
🤖 Assist 代理	🧠 AI 框架	一个使用 GPT-4o 的 AI 代理，结合混合搜索和嵌入式知识回答关于 Agno 框架的问题。

框架名称: Langgraph

用例

用例	行业	描述	笔记本
🤖 聊天机器人仿真评估	💻 💬 人工智能 / 质量保证	模拟用户交互以评估聊天机器人的性能，确保其在真实场景中的健壮性和可靠性。
🧠 通过提示信息收集	🧠 人工智能 / 研发	本教程演示如何设计一个利用提示技术有效收集信息的LangGraph工作流。它展示了如何构建提示结构并管理信息流动，从而打造智能代理。
🧠 使用LangGraph的代码助手	💻 软件开发	本教程演示如何使用LangGraph构建一个稳健的代码助手。它引导你创建一个基于图的代理，能够处理代码生成、错误检查和迭代优化，从而提供强大且准确的编码辅助。
🧑‍💼 客户支持代理	🧑‍💼 客户支持代理	本教程演示如何使用LangGraph构建客户支持代理。它指导你创建一个基于图的代理，能够处理客户咨询，提供自动化支持并提升用户体验。
🔁 带重试的数据提取	🧠 人工智能 / 数据提取	本教程演示如何在LangGraph工作流中实现重试机制，确保数据提取过程能够应对临时性错误，从而提高可靠性。
🧠 多智能体工作流	🧠 人工智能 / 工作流编排	本教程演示如何使用LangGraph的代理主管构建多智能体系统。它引导你创建一个负责协调多个专业智能体的主管代理，管理任务分配和通信流程。
🧠 分层智能体团队	🧠 人工智能 / 工作流编排	本教程演示如何使用LangGraph构建分层智能体系统。它指导你创建一个顶层主管代理，将任务委派给专门的子代理，从而实现复杂的流程，并明确任务分工与沟通。
🤝 多智能体协作	🧠 人工智能 / 工作流编排	本教程演示如何使用LangGraph实现多智能体协作。它引导你创建多个专业智能体协同完成复杂任务，展示智能体协作在AI工作流中的强大能力。
🧠 计划执行型代理	🧠 人工智能 / 工作流编排	本教程演示如何使用LangGraph构建“计划执行”型代理。它引导你创建一个先生成多步计划，再按顺序执行每一步，并根据需要 revisitar 和修改计划的代理。这种方法受到Plan-and-Solve论文和Baby-AGI项目启发，旨在增强AI工作流中的长期规划和任务执行能力。
🧠 SQL代理	🧠 人工智能 / 数据库交互	本教程演示如何构建一个能够回答SQL数据库相关问题的代理。该代理会获取可用表，判断与问题的相关性，检索模式，生成查询，检查错误，执行查询并形成响应。
🧠 反思型代理	🧠 人工智能 / 工作流编排	本教程演示如何使用LangGraph构建反思型代理。它引导你创建一个能够批判和修订自身输出的代理，从而提升生成内容的质量和可靠性。
🧠 反思型代理	🧠 人工智能 / 工作流编排	本教程演示如何使用LangGraph构建反思型代理。它引导你创建一个能够反思自身行动及结果的代理，从而实现迭代改进，并在复杂的工作流中做出更准确的决策。
LangGraph代理式RAG
🧠 自适应RAG	🧠 人工智能 / 信息检索	本教程演示如何使用LangGraph构建自适应RAG系统。它引导你创建一个可根据查询复杂度动态调整的检索流程，从而提升信息检索的效率和准确性。
🧠 自适应RAG（本地）	🧠 人工智能 / 信息检索	本教程专注于使用本地模型实现自适应RAG，允许在离线环境下进行检索和生成，这对于网络受限或存在隐私顾虑的环境至关重要。
🤖 代理式RAG	🤖 人工智能 / 智能代理	学习构建代理式RAG系统，其中代理会在生成响应前确定最佳的检索策略，从而提高答案的相关性和准确性。
🤖 代理式RAG（本地）	🤖 人工智能 / 智能代理	本教程将代理式RAG扩展到本地环境，允许使用本地模型和数据源进行检索和生成任务。
🧠 纠正式RAG（CRAG）	🧠 人工智能 / 信息检索	实现纠正式RAG系统，在文档传递给生成器之前对其进行评估和精炼，以确保更高品质的输出。
🧠 纠正式RAG（本地）	🧠 人工智能 / 信息检索	本教程专注于使用本地资源构建纠正式RAG系统，允许在离线状态下进行文档评估和精炼。
🧠 自我RAG	🧠 人工智能 / 信息检索	学习实施自我RAG，系统会反思自身的响应，并在必要时检索更多信息，从而提升生成内容的准确性和相关性。
🧠 自我RAG（本地）	🧠 人工智能 / 信息检索	本教程演示如何使用本地模型和数据源实施自我RAG，从而实现离线反思和检索过程。

---

🤝 贡献

欢迎贡献！🎉 以下是你可以提供帮助的方式：

1. 复刻仓库。
2. 添加一个新的用例或改进现有的用例。
3. 提交包含你更改的拉取请求。

请遵循我们的贡献指南，以获取更多详细信息。

---

星标历史

---

📜 许可证

本仓库采用 MIT 许可证。更多信息请参阅 LICENSE 文件。

---

🚀 让我们一起构建！

如果你觉得这个仓库有用，欢迎与你的朋友分享并给它点个赞 ⭐。让我们携手合作，打造最全面的 AI 代理用例资源吧！

500+ AI Agent 项目快速上手指南

本项目是一个精选的 AI Agent 用例集合，涵盖医疗、金融、教育等多个行业，并提供了基于 CrewAI、AutoGen、LangGraph 等主流框架的开源实现代码。本指南将帮助你快速定位所需场景并运行示例。

环境准备

在开始之前，请确保你的开发环境满足以下要求：

• 操作系统: Linux, macOS, 或 Windows (推荐 WSL2)
• Python: 版本 3.10 或更高
• Git: 用于克隆仓库
• API Keys: 根据具体项目需求，可能需要准备 OpenAI API Key、Anthropic API Key 或其他大模型服务商的密钥。

前置依赖安装建议： 建议使用 venv 或 conda 创建独立的虚拟环境，以避免依赖冲突。

python -m venv ai-agents-env
source ai-agents-env/bin/activate  # Windows 用户请使用: ai-agents-env\Scripts\activate

💡 国内加速提示：在安装 Python 依赖时，推荐使用清华或阿里镜像源以提升下载速度。

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

由于本项目是多个独立案例的集合，而非单一安装包，因此需要针对你感兴趣的具体案例进行克隆和安装。

1. 克隆仓库

首先克隆主仓库以浏览目录结构：

git clone https://github.com/ashishpatel26/500-AI-Agents-Projects.git
cd 500-AI-Agents-Projects

2. 选择并安装具体案例

根据下方的“用例速查表”找到你感兴趣的项目链接，克隆对应的子仓库。

示例：以 CrewAI 的“邮件自动回复”为例

# 克隆具体的案例仓库
git clone https://github.com/crewAIInc/crewAI-examples.git
cd crewAI-examples/flows/email_auto_responder_flow

# 安装该案例所需的依赖
pip install -r requirements.txt
# 如果该案例使用 poetry
# pip install poetry && poetry install

基本使用

每个项目的具体运行方式略有不同，但通常遵循以下通用流程：配置环境变量 -> 运行脚本。

通用运行示例

假设你正在运行一个基于 CrewAI 的简单 Agent 任务（如上述邮件回复案例）：

1. 配置 API Key 在项目根目录下创建 .env 文件，或在终端中导出变量：

   export OPENAI_API_KEY="sk-your-api-key-here"
   

2. 运行主程序 查看项目中的 main.py 或 run.py 并执行：

   python main.py
   

行业用例速查与代码入口

你可以直接访问以下热门领域的开源项目代码进行尝试：

应用场景	行业	描述	代码仓库指令
HIA (健康洞察)	医疗健康	分析医疗报告并提供健康建议	git clone https://github.com/harshhh28/hia.git
自动交易机器人	金融	实时市场分析并自动执行股票交易	git clone https://github.com/MingyuJ666/Stockagent.git
虚拟 AI 导师	教育	提供个性化的学习辅导	git clone https://github.com/hqanhh/EduGPT.git
产品推荐助手	零售	基于用户历史推荐商品	git clone https://github.com/microsoft/RecAI
法律文档审查	法律	自动审查文档并高亮关键条款	git clone https://github.com/firica/legalai

按框架查找用例

如果你偏好特定的开发框架，可以参考以下分类直接寻找示例：

• CrewAI: 适合多角色协作任务（如：招聘工作流、营销策略生成）。
  • 入口：crewAI-examples 仓库中的 crews 或 flows 目录。
• AutoGen: 适合复杂的对话和多代理交互场景。
• LangGraph: 适合需要精细控制状态和循环的工作流（如：24/7 客服聊天机器人）。
  • 示例：customer_support_agent_langgraph.ipynb

运行 Jupyter Notebook 示例（如 LangGraph 案例）：

pip install jupyter
jupyter notebook customer_support_agent_langgraph.ipynb

注意：具体运行命令请以各子项目仓库中的 README.md 说明为准。