[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-strands-agents--samples":3,"tool-strands-agents--samples":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",154349,2,"2026-04-13T23:32:16",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":76,"owner_twitter":76,"owner_website":76,"owner_url":77,"languages":78,"stars":117,"forks":118,"last_commit_at":119,"license":120,"difficulty_score":32,"env_os":121,"env_gpu":122,"env_ram":122,"env_deps":123,"category_tags":128,"github_topics":129,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":148,"updated_at":149,"faqs":150,"releases":151},7405,"strands-agents\u002Fsamples","samples","Agent samples built using the Strands Agents SDK.","samples 是 Strands Agents 官方提供的开源示例集合，旨在帮助开发者快速上手基于 Strands Agents SDK 的 AI 智能体开发。它通过一系列简洁的代码案例，展示了如何利用“模型驱动”的方法，仅用几行代码即可构建出具备交互能力的 AI 智能体。\n\n对于希望探索 AI 智能体技术但苦于缺乏入门指引的开发者而言，samples 解决了从理论到实践的“最后一公里”问题。仓库中包含了 Python 和 TypeScript 两种主流语言的完整教程，覆盖了环境配置、依赖安装到编写第一个智能体的全流程。用户可以直接运行这些示例，直观地理解如何调用 SDK、设置系统提示词以及处理智能体的响应，从而大幅降低学习曲线。\n\n这套工具主要面向软件工程师、技术研究人员以及对 AI 应用开发感兴趣的学习者。无论是想快速验证想法的原型开发者，还是希望深入理解 Strands 架构的技术人员，都能从中获益。其独特的技术亮点在于高度封装的 SDK 设计，将复杂的智能体编排逻辑简化为直观的函数调用，同时提供了丰富的配套工具链接（如 MCP Server、Agent Builder 等），","samples 是 Strands Agents 官方提供的开源示例集合，旨在帮助开发者快速上手基于 Strands Agents SDK 的 AI 智能体开发。它通过一系列简洁的代码案例，展示了如何利用“模型驱动”的方法，仅用几行代码即可构建出具备交互能力的 AI 智能体。\n\n对于希望探索 AI 智能体技术但苦于缺乏入门指引的开发者而言，samples 解决了从理论到实践的“最后一公里”问题。仓库中包含了 Python 和 TypeScript 两种主流语言的完整教程，覆盖了环境配置、依赖安装到编写第一个智能体的全流程。用户可以直接运行这些示例，直观地理解如何调用 SDK、设置系统提示词以及处理智能体的响应，从而大幅降低学习曲线。\n\n这套工具主要面向软件工程师、技术研究人员以及对 AI 应用开发感兴趣的学习者。无论是想快速验证想法的原型开发者，还是希望深入理解 Strands 架构的技术人员，都能从中获益。其独特的技术亮点在于高度封装的 SDK 设计，将复杂的智能体编排逻辑简化为直观的函数调用，同时提供了丰富的配套工具链接（如 MCP Server、Agent Builder 等），方便用户在此基础上进行扩展。\n\n需要注意的是，samples 中的代码主要用于演示和教育目的，并非为生产环境直接设计。在将其应用于实际项目前，建议开发者结合具体场景进行必要的安全加固与测试。","\u003Cdiv align=\"center\">\n  \u003Cdiv>\n    \u003Ca href=\"https:\u002F\u002Fstrandsagents.com\">\n      \u003Cimg src=\"https:\u002F\u002Fstrandsagents.com\u002Flatest\u002Fassets\u002Flogo-github.svg\" alt=\"Strands Agents\" width=\"55px\" height=\"105px\">\n    \u003C\u002Fa>\n  \u003C\u002Fdiv>\n\n  \u003Ch1>\n    Strands Agents Samples\n  \u003C\u002Fh1>\n\n  \u003Ch2>\n    A model-driven approach to building AI agents in just a few lines of code.\n  \u003C\u002Fh2>\n\n  \u003Cdiv align=\"center\">\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fsamples\u002Fgraphs\u002Fcommit-activity\">\u003Cimg alt=\"GitHub commit activity\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fcommit-activity\u002Fm\u002Fstrands-agents\u002Fsamples\"\u002F>\u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fsamples\u002Fissues\">\u003Cimg alt=\"GitHub open issues\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues\u002Fstrands-agents\u002Fsamples\"\u002F>\u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fsamples\u002Fpulls\">\u003Cimg alt=\"GitHub open pull requests\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues-pr\u002Fstrands-agents\u002Fsamples\"\u002F>\u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fsamples\u002Fblob\u002Fmain\u002FLICENSE\">\u003Cimg alt=\"License\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fstrands-agents\u002Fsamples\"\u002F>\u003C\u002Fa>\n  \u003C\u002Fdiv>\n  \n  \u003Cp>\n    \u003Ca href=\"https:\u002F\u002Fstrandsagents.com\u002F\">Documentation\u003C\u002Fa>\n    ◆ \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fsamples\">Samples\u003C\u002Fa>\n    ◆ \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fsdk-python\">Python SDK\u003C\u002Fa>\n    ◆ \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fsdk-typescript\">TypeScript SDK\u003C\u002Fa> \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FNEW-brightgreen\" alt=\"New\"\u002F>\n    ◆ \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Ftools\">Tools\u003C\u002Fa>\n    ◆ \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fagent-builder\">Agent Builder\u003C\u002Fa>\n    ◆ \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fmcp-server\">MCP Server\u003C\u002Fa>\n  \u003C\u002Fp>\n\u003C\u002Fdiv>\n\nWelcome to the Strands Agents Samples repository!\n\nExplore easy-to-use examples to get started with \u003Ca href=\"https:\u002F\u002Fstrandsagents.com\">Strands Agents\u003C\u002Fa>.\n\nThe examples in this repository are for **demonstration and educational purposes** only. They demonstrate concepts and techniques but are **not intended for direct use in production**. Always apply proper **security** and **testing** procedures before using in production environments.\n\n## Quick Start\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"40%\" valign=\"top\">\n\n### \u003Cimg src=\"https:\u002F\u002Fcdn.jsdelivr.net\u002Fgh\u002Fdevicons\u002Fdevicon\u002Ficons\u002Fpython\u002Fpython-original.svg\" width=\"24\" height=\"24\" alt=\"Python\"\u002F> Python\n\n**Prerequisites:**\n- Python 3.10 or higher\n- pip package manager\n  - Verify with: `pip --version` or `pip3 --version`\n  - Usually comes bundled with Python 3.4+ installers from python.org\n  - If pip is missing, install using one of these methods:\n    ```bash\n    # Method 1 - Use Python's built-in module\n    python -m ensurepip --upgrade\n\n    # Method 2 - Download and run the official installer\n    curl https:\u002F\u002Fbootstrap.pypa.io\u002Fget-pip.py -o get-pip.py\n    python get-pip.py\n    ```\n\n**Step 1: Create Virtual Environment**\n```bash\n# Create virtual environment\npython -m venv venv\n\n# Activate virtual environment\n# On macOS\u002FLinux:\nsource venv\u002Fbin\u002Factivate\n# On Windows:\nvenv\\Scripts\\activate\n```\n\n**Step 2: Install**\n```bash\npip install strands-agents strands-agents-tools\n```\n\n**Your First Agent:**\n```python\nfrom strands import Agent\n\nagent = Agent()\nresponse = agent(\"Hello! Tell me a joke.\")\nprint(response)\n```\n\n[Explore Python tutorials →](.\u002Fpython\u002F01-learn\u002F)\n\n\u003C\u002Ftd>\n\u003Ctd width=\"60%\" valign=\"top\">\n\n### \u003Cimg src=\"https:\u002F\u002Fcdn.jsdelivr.net\u002Fgh\u002Fdevicons\u002Fdevicon\u002Ficons\u002Ftypescript\u002Ftypescript-original.svg\" width=\"24\" height=\"24\" alt=\"TypeScript\"\u002F> TypeScript\n\n**Prerequisites:**\n- Node.js 18 or higher\n- npm or yarn package manager\n\n**Install:**\n```bash\nnpm install @strands-agents\u002Fsdk\n```\n\n**Your First Agent:**\n```typescript\nimport { Agent } from \"@strands-agents\u002Fsdk\";\n\nasync function main() {\n    const agent = new Agent({\n        systemPrompt: \"You are a helpful assistant.\"\n    });\n\n    const response = await agent.invoke(\"Hello! Tell me a joke.\");\n    console.log(response.toString());\n}\n\nmain();\n```\n\n[Explore TypeScript tutorials →](.\u002Ftypescript\u002F01-learn\u002F)\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n### Model Provider Setup\n\nFollow the instructions [here](https:\u002F\u002Fstrandsagents.com\u002Flatest\u002Fuser-guide\u002Fquickstart\u002F#model-providers) to configure your model provider and model access.\n\n## Explore the Repository\n\n### \u003Cimg src=\"https:\u002F\u002Fcdn.jsdelivr.net\u002Fgh\u002Fdevicons\u002Fdevicon\u002Ficons\u002Fpython\u002Fpython-original.svg\" width=\"20\" height=\"20\"\u002F> Python Samples\n\n- **[01-learn](.\u002Fpython\u002F01-learn\u002F)** - SDK tutorials covering fundamentals, multi-agent systems, and streaming\n- **[02-deploy](.\u002Fpython\u002F02-deploy\u002F)** - Deployment patterns for Lambda, Fargate, and AgentCore\n- **[03-integrate](.\u002Fpython\u002F03-integrate\u002F)** - Integrations with AWS services, databases, and third-party tools\n- **[04-industry-use-cases](.\u002Fpython\u002F04-industry-use-cases\u002F)** - Industry applications (finance, healthcare, retail, productivity, etc.)\n- **[05-technical-use-cases](.\u002Fpython\u002F05-technical-use-cases\u002F)** - Architectural patterns including Agentic RAG\n- **[06-evaluate](.\u002Fpython\u002F06-evaluate\u002F)** - Evaluation tutorials and testing patterns\n- **[07-ux-demos](.\u002Fpython\u002F07-ux-demos\u002F)** - Full-stack applications with user interfaces\n- **[08-edge](.\u002Fpython\u002F08-edge\u002F)** - Edge device integrations including physical AI and robotics\n\n### \u003Cimg src=\"https:\u002F\u002Fcdn.jsdelivr.net\u002Fgh\u002Fdevicons\u002Fdevicon\u002Ficons\u002Ftypescript\u002Ftypescript-original.svg\" width=\"20\" height=\"20\"\u002F> TypeScript Samples\n\n- **[01-learn](.\u002Ftypescript\u002F01-learn\u002F)** - SDK tutorials for the TypeScript SDK\n- **[02-deploy](.\u002Ftypescript\u002F02-deploy\u002F)** - Deployment patterns for AgentCore\n\n## Contributing ❤️\n\nWe welcome contributions! See our [Contributing Guide](CONTRIBUTING.md) for details on:\n- Reporting bugs & features\n- Development setup\n- Contributing via Pull Requests\n- Code of Conduct\n- Reporting of security issues\n\n## License\n\nThis project is licensed under the Apache License 2.0 - see the [LICENSE](LICENSE) file for details.\n\n## Security\n\nSee [CONTRIBUTING](CONTRIBUTING.md#security-issue-notifications) for more information.\n","\u003Cdiv align=\"center\">\n  \u003Cdiv>\n    \u003Ca href=\"https:\u002F\u002Fstrandsagents.com\">\n      \u003Cimg src=\"https:\u002F\u002Fstrandsagents.com\u002Flatest\u002Fassets\u002Flogo-github.svg\" alt=\"Strands Agents\" width=\"55px\" height=\"105px\">\n    \u003C\u002Fa>\n  \u003C\u002Fdiv>\n\n  \u003Ch1>\n    Strands Agents 示例\n  \u003C\u002Fh1>\n\n  \u003Ch2>\n    一种基于模型的方法，只需几行代码即可构建 AI 代理。\n  \u003C\u002Fh2>\n\n  \u003Cdiv align=\"center\">\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fsamples\u002Fgraphs\u002Fcommit-activity\">\u003Cimg alt=\"GitHub 提交活动\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fcommit-activity\u002Fm\u002Fstrands-agents\u002Fsamples\"\u002F>\u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fsamples\u002Fissues\">\u003Cimg alt=\"GitHub 开放问题\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues\u002Fstrands-agents\u002Fsamples\"\u002F>\u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fsamples\u002Fpulls\">\u003Cimg alt=\"GitHub 开放拉取请求\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues-pr\u002Fstrands-agents\u002Fsamples\"\u002F>\u003C\u002Fa>\n    \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fsamples\u002Fblob\u002Fmain\u002FLICENSE\">\u003Cimg alt=\"许可证\" src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fstrands-agents\u002Fsamples\"\u002F>\u003C\u002Fa>\n  \u003C\u002Fdiv>\n  \n  \u003Cp>\n    \u003Ca href=\"https:\u002F\u002Fstrandsagents.com\u002F\">文档\u003C\u002Fa>\n    ◆ \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fsamples\">示例\u003C\u002Fa>\n    ◆ \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fsdk-python\">Python SDK\u003C\u002Fa>\n    ◆ \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fsdk-typescript\">TypeScript SDK\u003C\u002Fa> \u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FNEW-brightgreen\" alt=\"新\"\u002F>\n    ◆ \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Ftools\">工具\u003C\u002Fa>\n    ◆ \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fagent-builder\">Agent Builder\u003C\u002Fa>\n    ◆ \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fstrands-agents\u002Fmcp-server\">MCP 服务器\u003C\u002Fa>\n  \u003C\u002Fp>\n\u003C\u002Fdiv>\n\n欢迎来到 Strands Agents 示例仓库！\n\n探索易于使用的示例，开始使用 \u003Ca href=\"https:\u002F\u002Fstrandsagents.com\">Strands Agents\u003C\u002Fa>。\n\n本仓库中的示例仅用于**演示和教育目的**。它们展示了概念和技术，但**不适用于直接在生产环境中使用**。在生产环境中使用之前，请务必遵循适当的**安全**和**测试**流程。\n\n## 快速入门\n\n\u003Ctable>\n\u003Ctr>\n\u003Ctd width=\"40%\" valign=\"top\">\n\n### \u003Cimg src=\"https:\u002F\u002Fcdn.jsdelivr.net\u002Fgh\u002Fdevicons\u002Fdevicon\u002Ficons\u002Fpython\u002Fpython-original.svg\" width=\"24\" height=\"24\" alt=\"Python\"\u002F> Python\n\n**先决条件：**\n- Python 3.10 或更高版本\n- pip 包管理器\n  - 可通过运行 `pip --version` 或 `pip3 --version` 进行验证\n  - 通常随 python.org 提供的 Python 3.4+ 安装程序一起打包\n  - 如果缺少 pip，可使用以下方法安装：\n    ```bash\n    # 方法 1 - 使用 Python 内置模块\n    python -m ensurepip --upgrade\n\n    # 方法 2 - 下载并运行官方安装程序\n    curl https:\u002F\u002Fbootstrap.pypa.io\u002Fget-pip.py -o get-pip.py\n    python get-pip.py\n    ```\n\n**步骤 1：创建虚拟环境**\n```bash\n# 创建虚拟环境\npython -m venv venv\n\n# 激活虚拟环境\n# 在 macOS\u002FLinux 上：\nsource venv\u002Fbin\u002Factivate\n# 在 Windows 上：\nvenv\\Scripts\\activate\n```\n\n**步骤 2：安装**\n```bash\npip install strands-agents strands-agents-tools\n```\n\n**你的第一个代理：**\n```python\nfrom strands import Agent\n\nagent = Agent()\nresponse = agent(\"你好！给我讲个笑话。\")\nprint(response)\n```\n\n[探索 Python 教程 →](.\u002Fpython\u002F01-learn\u002F)\n\n\u003C\u002Ftd>\n\u003Ctd width=\"60%\" valign=\"top\">\n\n### \u003Cimg src=\"https:\u002F\u002Fcdn.jsdelivr.net\u002Fgh\u002Fdevicons\u002Fdevicon\u002Ficons\u002Ftypescript\u002Ftypescript-original.svg\" width=\"24\" height=\"24\" alt=\"TypeScript\"\u002F> TypeScript\n\n**先决条件：**\n- Node.js 18 或更高版本\n- npm 或 yarn 包管理器\n\n**安装：**\n```bash\nnpm install @strands-agents\u002Fsdk\n```\n\n**你的第一个代理：**\n```typescript\nimport { Agent } from \"@strands-agents\u002Fsdk\";\n\nasync function main() {\n    const agent = new Agent({\n        systemPrompt: \"你是一个乐于助人的助手。\"\n    });\n\n    const response = await agent.invoke(\"你好！给我讲个笑话。\");\n    console.log(response.toString());\n}\n\nmain();\n```\n\n[探索 TypeScript 教程 →](.\u002Ftypescript\u002F01-learn\u002F)\n\n\u003C\u002Ftd>\n\u003C\u002Ftr>\n\u003C\u002Ftable>\n\n### 模型提供商设置\n\n请按照[此处](https:\u002F\u002Fstrandsagents.com\u002Flatest\u002Fuser-guide\u002Fquickstart\u002F#model-providers)的说明配置您的模型提供商和模型访问权限。\n\n## 探索仓库\n\n### \u003Cimg src=\"https:\u002F\u002Fcdn.jsdelivr.net\u002Fgh\u002Fdevicons\u002Fdevicon\u002Ficons\u002Fpython\u002Fpython-original.svg\" width=\"20\" height=\"20\"\u002F> Python 示例\n\n- **[01-learn](.\u002Fpython\u002F01-learn\u002F)** - SDK 教程，涵盖基础知识、多智能体系统和流式处理\n- **[02-deploy](.\u002Fpython\u002F02-deploy\u002F)** - Lambda、Fargate 和 AgentCore 的部署模式\n- **[03-integrate](.\u002Fpython\u002F03-integrate\u002F)** - 与 AWS 服务、数据库和其他第三方工具的集成\n- **[04-industry-use-cases](.\u002Fpython\u002F04-industry-use-cases\u002F)** - 行业应用（金融、医疗、零售、生产力等）\n- **[05-technical-use-cases](.\u002Fpython\u002F05-technical-use-cases\u002F)** - 架构模式，包括 Agentic RAG\n- **[06-evaluate](.\u002Fpython\u002F06-evaluate\u002F)** - 评估教程和测试模式\n- **[07-ux-demos](.\u002Fpython\u002F07-ux-demos\u002F)** - 带有用户界面的全栈应用\n- **[08-edge](.\u002Fpython\u002F08-edge\u002F)** - 边缘设备集成，包括实体 AI 和机器人技术\n\n### \u003Cimg src=\"https:\u002F\u002Fcdn.jsdelivr.net\u002Fgh\u002Fdevicons\u002Fdevicon\u002Ficons\u002Ftypescript\u002Ftypescript-original.svg\" width=\"20\" height=\"20\"\u002F> TypeScript 示例\n\n- **[01-learn](.\u002Ftypescript\u002F01-learn\u002F)** - TypeScript SDK 的教程\n- **[02-deploy](.\u002Ftypescript\u002F02-deploy\u002F)** - AgentCore 的部署模式\n\n## 贡献 ❤️\n\n我们欢迎贡献！请参阅我们的 [贡献指南](CONTRIBUTING.md)，了解有关以下内容的详细信息：\n- 报告错误和功能需求\n- 开发环境搭建\n- 通过拉取请求贡献\n- 行为准则\n- 安全问题报告\n\n## 许可证\n\n该项目采用 Apache License 2.0 许可证——详情请参阅 [LICENSE](LICENSE) 文件。\n\n## 安全性\n\n更多信息请参阅 [CONTRIBUTING](CONTRIBUTING.md#security-issue-notifications)。","# Strands Agents Samples 快速上手指南\n\n欢迎使用 Strands Agents Samples 仓库。本项目提供了一系列基于模型驱动构建 AI Agent 的示例代码，支持 **Python** 和 **TypeScript** 两种语言。\n\n> **注意**：本仓库中的示例仅用于**演示和教育目的**，不建议直接用于生产环境。在生产使用前，请务必实施适当的安全措施和测试流程。\n\n---\n\n## 1. 环境准备\n\n请根据您的开发语言选择对应的环境要求：\n\n### Python 版本\n- **系统要求**：Python 3.10 或更高版本\n- **包管理器**：`pip`\n  - 验证安装：`pip --version` 或 `pip3 --version`\n  - 若未安装，可通过以下命令安装：\n    ```bash\n    # 方法 1：使用 Python 内置模块\n    python -m ensurepip --upgrade\n\n    # 方法 2：下载官方安装脚本\n    curl https:\u002F\u002Fbootstrap.pypa.io\u002Fget-pip.py -o get-pip.py\n    python get-pip.py\n    ```\n\n### TypeScript 版本\n- **系统要求**：Node.js 18 或更高版本\n- **包管理器**：`npm` 或 `yarn`\n\n---\n\n## 2. 安装步骤\n\n### Python 安装\n\n**第一步：创建并激活虚拟环境**\n```bash\n# 创建虚拟环境\npython -m venv venv\n\n# 激活虚拟环境\n# macOS\u002FLinux:\nsource venv\u002Fbin\u002Factivate\n# Windows:\nvenv\\Scripts\\activate\n```\n\n**第二步：安装依赖库**\n```bash\npip install strands-agents strands-agents-tools\n```\n\n### TypeScript 安装\n\n在项目目录下运行以下命令安装 SDK：\n```bash\nnpm install @strands-agents\u002Fsdk\n```\n\n---\n\n## 3. 基本使用\n\n在运行代码前，请参考 [官方文档](https:\u002F\u002Fstrandsagents.com\u002Flatest\u002Fuser-guide\u002Fquickstart\u002F#model-providers) 配置您的模型提供商（Model Provider）及访问凭证。\n\n### Python 示例\n\n创建一个简单的 Agent 并与其对话：\n\n```python\nfrom strands import Agent\n\nagent = Agent()\nresponse = agent(\"Hello! Tell me a joke.\")\nprint(response)\n```\n\n👉 更多教程请查看：[Python 教程目录](.\u002Fpython\u002F01-learn\u002F)\n\n### TypeScript 示例\n\n创建一个带有系统提示词的 Agent 并调用：\n\n```typescript\nimport { Agent } from \"@strands-agents\u002Fsdk\";\n\nasync function main() {\n    const agent = new Agent({\n        systemPrompt: \"You are a helpful assistant.\"\n    });\n\n    const response = await agent.invoke(\"Hello! Tell me a joke.\");\n    console.log(response.toString());\n}\n\nmain();\n```\n\n👉 更多教程请查看：[TypeScript 教程目录](.\u002Ftypescript\u002F01-learn\u002F)\n\n---\n\n## 4. 探索更多示例\n\n本仓库包含丰富的应用场景示例：\n\n### Python 示例分类\n- **01-learn**: SDK 基础、多 Agent 系统与流式输出教程\n- **02-deploy**: Lambda、Fargate 及 AgentCore 部署模式\n- **03-integrate**: AWS 服务、数据库及第三方工具集成\n- **04-industry-use-cases**: 金融、医疗、零售等行业应用\n- **05-technical-use-cases**: 架构模式（如 Agentic RAG）\n- **06-evaluate**: 评估教程与测试模式\n- **07-ux-demos**: 带用户界面的全栈应用\n- **08-edge**: 边缘设备集成（物理 AI 与机器人）\n\n### TypeScript 示例分类\n- **01-learn**: TypeScript SDK 基础教程\n- **02-deploy**: AgentCore 部署模式","某初创公司的后端工程师需要在两天内为客服系统构建一个能自动查询订单状态并回答用户咨询的 AI 助手，但团队对 Agent 架构尚不熟悉。\n\n### 没有 samples 时\n- **起步困难**：面对陌生的 Strands Agents SDK，开发者需从零阅读晦涩的官方文档，花费数小时摸索如何初始化第一个 Agent。\n- **集成迷茫**：不清楚如何将外部工具（如数据库查询接口）安全地挂载到 Agent 上，容易写出存在安全隐患的代码。\n- **多语言障碍**：团队内部分成员熟悉 Python，部分熟悉 TypeScript，缺乏统一的标准范例导致技术选型争论不休，拖慢进度。\n- **试错成本高**：由于缺乏可运行的参考代码，每次调整系统提示词或参数都需要反复调试，极易陷入“配置地狱”。\n\n### 使用 samples 后\n- **快速上手**：直接复用 samples 中\"Hello World\"级别的极简代码片段，5 分钟内即可跑通第一个能讲笑话的 Agent，建立信心。\n- **模式清晰**：参考 samples 中关于工具调用的具体案例，迅速掌握了将订单查询函数封装并注入 Agent 的标准写法，确保逻辑安全。\n- **语言自由**：利用 samples 提供的 Python 和 TypeScript 双版本教程，前后端开发人员可根据各自专长并行开发，无缝协作。\n- **迭代高效**：基于 samples 中的教育性示例进行微调，将通用对话快速改造为垂直领域的客服场景，大幅缩短研发周期。\n\nsamples 通过提供开箱即用的多语言实战范例，将 AI Agent 的开发门槛从“架构设计”降低为“代码修改”，让开发者能专注于业务逻辑而非框架细节。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fstrands-agents_samples_d4a2edee.png","strands-agents","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fstrands-agents_c03901da.png","",null,"https:\u002F\u002Fgithub.com\u002Fstrands-agents",[79,83,87,91,94,98,102,106,110,113],{"name":80,"color":81,"percentage":82},"Python","#3572A5",62.2,{"name":84,"color":85,"percentage":86},"Jupyter Notebook","#DA5B0B",28.3,{"name":88,"color":89,"percentage":90},"JavaScript","#f1e05a",3.8,{"name":92,"color":93,"percentage":32},"TypeScript","#3178c6",{"name":95,"color":96,"percentage":97},"CSS","#663399",1.7,{"name":99,"color":100,"percentage":101},"HTML","#e34c26",1.2,{"name":103,"color":104,"percentage":105},"Shell","#89e051",0.6,{"name":107,"color":108,"percentage":109},"HCL","#844FBA",0.1,{"name":111,"color":112,"percentage":109},"Dockerfile","#384d54",{"name":114,"color":115,"percentage":116},"Batchfile","#C1F12E",0,720,385,"2026-04-13T19:59:28","Apache-2.0","Linux, macOS, Windows","未说明",{"notes":124,"python":125,"dependencies":126},"该工具同时支持 Python 和 TypeScript (Node.js 18+)。示例代码仅用于演示和教育目的，不建议直接用于生产环境，使用前需进行安全加固和测试。需额外配置模型提供商（Model Provider）方可运行。","3.10+",[73,127],"strands-agents-tools",[35,15,14,13],[130,131,132,133,134,135,136,137,138,139,140,141,142,143,144,145,146,147,73],"agentic","agentic-ai","agents","ai","anthropic","autonomous-agents","genai","litellm","llm","machine-learning","mcp","multi-agent-systems","ollama","opentelemetry","python","bedrock","llama","openai","2026-03-27T02:49:30.150509","2026-04-14T15:23:57.420167",[],[]]