推荐一个AI Agent开发项目

非常适合准备入门Agent开发或者是毕业生拿来做毕设的同学!!!

包含的技术栈:LangChain + LangGraph + RAG + Agent + MCP + Memory + Python + FastAPI

Agent下又有ReAct-Agent、CodeAct-Agent、Plan-and-Execute-Agent 的三种范式的示例

链接为:https://github.com/Shy2593666979/AgentChat

目前项目的Star数量≈100,已经收获来自理想汽车员工、西安电子科技大学同学等等等等的一致好评,遇到问题,尽管的提issue,作者还可直接远程操控电脑帮忙解决,不收费,只求一个Star⭐

我们相信开源的价值!

#agent#
全部评论
加了ai的毕设好评
2 回复 分享
发布于 01-01 22:13 浙江
包含 ReAct/CodeAct 等范式,毕设用这个绝了
2 回复 分享
发布于 2025-12-19 16:58 安徽
你做的吗?这么强!
1 回复 分享
发布于 01-16 14:38 广东
看评论是真大佬啊
1 回复 分享
发布于 01-08 19:32 安徽
这个 Agent 项目技术栈太全了,入门刚好合适
1 回复 分享
发布于 2025-12-19 16:58 广东
mark一下
点赞 回复 分享
发布于 01-19 15:27 山东
这还说啥了必须star支持
点赞 回复 分享
发布于 01-05 21:14 辽宁
果真可以吗,做完可以投一个实习吗
点赞 回复 分享
发布于 2025-12-27 14:40 江苏
这个作者厉害
点赞 回复 分享
发布于 2025-12-20 17:39 陕西
快更新
点赞 回复 分享
发布于 2025-12-18 12:48 广东

相关推荐

01-12 11:11
已编辑
快手_MLOps(实习员工)
从2024年开始,Agent 开发这个概念就慢慢的火爆了起来,2025更是被称为 Agent 开发元年,经常会在牛客上刷到很多在后端找工作碰壁的同学发帖,要不要学一些 AI 相关的东西,怎么转大模型应用开发。其实这样的观念本身就带有一定的偏差。我之前在红薯做过一段时间的 agent,也是某7k+ star 的 Agent 开发框架 committer,所以我认为我在这上面还是有一点点自己的心得的。误区一:把 Agent 开发和后端拆开来看据我观察,很多同学所谓的转 AI 应用开发,就是用 Spring AI 或者 langchain 去实现了一个 demo(当然现在可能更高级一点GraphRAG,整个可拖拽的工作流之类的)然后没有任何后端的内容,然后放到了简历上,这个行为其实和在简历上写了一个自实现 RPC 框架和自实现网关没有任何区别。AI Agent 是模型工程化应用层最重要的环节,也比我们平常想想的要复杂的多,我们大部分接触的都是业务开发这个场景,比如电商中的智能客服,或者内部的提效工具。这种其实说的不好听一点就是调用 API,本身和其他的业务场景没有一点点区别,所以对于这样的业务开发岗位,不存在从后端转到大模型应用开发,而是说本身就是后端+新场景。本身最重要的就是 数据+prompt+稳定性,那就不存在任何转方向的说法。所以,如果想做这个业务的同学,只要好好看看mcp,planning这样的新概念,然后快点去找一份相关的实习,因为这个最重要的不是你怎么做这个 Agent,而是怎么让这个 Agent 更稳定,可观测,prompt调优等等。也更看重你的服务端开发的相关经验误区二:Agent 开发是不是工资会更高呢,或者更有技术含量,毕竟大家现在都在卷AI?这个就是一个更大的误区了,刚才上面说的这些,一般就是各个业务部门自己在搞,本身不涉及什么技术。所以本质上和后端同学的薪资基本没有区别。比较有技术含量的呢?就是各个大厂的基础架构和中台部门,提供 AI 开发的基础设施,比如阿里百炼,字节火山方舟,快手万擎,这样的模型算法开发平台,Agent开发平台,智能体沙箱,Agent runtime 这些以前鸡架部门做的工作。为业务方提供集成的 Agent 能力,这个会更有技术含量,可能也会有一定的溢价,以及更高的就是做SFT/RL/AI infra 的岗位了,这样的才是 Agent 的薪资天花板所以再回看 AI 落地的相关的岗位的话,其实还是业务和鸡架二选一,或者有的大佬去做infra和强化学习之类的。比起盲目的去追求这个火热的方向,我觉得更重要的是踏踏实实的去学一下这些技术,如果想做 Agent 的话,Agent相关的技术也是日新月异,学一下怎么将 AI 和业务结合,稳定的落地,或者底层的相关技术,我觉得是更重要的。ps:最近好多牛友问我做开源对找工作到底有没有帮助1. 没实习之前一定有,有实习之后并不如实习(除非你是做鸡架的同学)2. 如果为了找工作参加开源,ospp,glcc 是最好的选择3. 用 AI 写 pr 一定要自己本地先看一遍,测一遍再提交
卢来猴祖:说得很好,之前看别人简历上写一个什么ai项目,其实就是调用了几个api,没有任何业务场景的应用
点赞 评论 收藏
分享
2025-12-24 15:05
门头沟学院 Python
牛客60944174...:数据源会是多源,多数据格式(包括多模态、结构化、JSON,graph等),怎么把数据进行加载清洗处理,得到合适的数据,如果一篇文章很长,怎么做分块,是直接分块,还是重叠的分,为什么这个场景要这样,有没有更好的分块或者压缩方法。在召回阶段,你的query要怎么重构,例如用户问题是“这个是什么?”这样就是语义很不清晰的,要怎么把query重构成一个语义清晰的问句,才能在查找的时候提高命中率,以及你算完相似度之后重排和召回有没有什么优化,是直接根据向量相似度排序吗?有没有别的重排参数,这些都可以优化。除此外,你的RAG应该是每次调用LLM都用一次的吧,你能不能针对每一个场景写一个表,然后分别打包成MCP,让LLM自己决定要不要用RAG,用哪个RAG,怎么用RAG,这些都可以深挖,除此外,基于向量数据库的RAG有标准流程,你可以对照每个阶段,都做一些工作。希望我的分享对你有帮助。
点赞 评论 收藏
分享
评论
47
276
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务