awesome-llm-apps
Awesome リストShubhamsaboo/awesome-llm-apps
100+のAIエージェントとRAGアプリケーションテンプレートを収録。
概要
実行可能な 100+ の AI エージェントと RAG テンプレートを収録。マルチエージェント、音声 AI などを網羅し、各テンプレートには完全なソースコードが付属。複数の大規模モデルに対応し、Apache-2.0 ライセンスで提供。
README プレビュー
\n \n \n \n\n\n\n \n \n \n \n \n \n\n\n\n \n Deutsch | \n Español | \n français | \n 日本語 | \n 한국어 | \n Português | \n Русский | \n 中文\n\n\n\n\n\n\n# 🌟 Awesome LLM Apps\n\n100+ AI Agent & RAG apps you can actually run — clone, customize, ship.\nAI Agents · Always-on Agents · Multi-agent Teams · MCP Agents · RAG · Voice Agents · Agent Skills · Fine-tuning\n\n\nFree step-by-step tutorials on Unwind AI\nWorks with Claude · Gemini · OpenAI · xAI · Qwen · Llama\n\n\n\n\n\n\n\n\n\n\n\n 🚀 Quick Start \n 📂 Browse Templates \n 📚 Step-by-Step Tutorials \n\n\n\n \n\n\n\n\n---\n\n## 💡 Why this exists\n\nYou shouldn't have to rebuild the same RAG pipeline, agent loop, or MCP integration from scratch every time you start a new LLM project.\n\n**Awesome LLM Apps is a cookbook of ready-to-run templates** - starter code you can fork, customize, and ship as a production LLM app. Every template here is self-contained with full source code, not collected from elsewhere.\n\n- 🛠️ **Hand-built, not curated** - every template is original work, tested end-to-end before it ships.\n- 🧪 **Runs in 3 commands** - no broken `requirements.txt`, no "figure it out yourself" scaffolding.\n- 🧠 **Covers the modern AI stack** - AI Agents, Always-on Agents, Multi-agent Teams, MCP Agents, Voice AI Agents, RAG, Agent Skills, Fine-tuning.\n- 🌐 **Provider-agnostic** - switch between Claude, Gemini, GPT, Llama, Qwen, xAI and others with a config change.\n- 📚 **Step-by-step tutorials** - every featured template has a free walkthrough on [Unwind AI](https://www.theunwindai.com).\n- 💸 **Apache-2.0** - fork it, ship it, sell it. No paywall, no signup, no telemetry.\n\n> ⭐ **If this saves you time, [star the repo](https://github.com/Shubhamsaboo/awesome-llm-apps/stargazers) - that's how the next developer discovers it.**\n\n## 🚀 Quick Start\n\nRun your first agent in **30 seconds**:\n\n```bash\ngit clone https://github.com/Shubhamsaboo/a
FAQ (4)
トラブル対応Unslothでファインチューニングしたモデルが推論時に壊れるのはなぜですか？また、SFTTrainerのトークナイザー設定はどのように修正すればよいですか？
2つの修正が必要です: (1) トークナイザーをトレーナーに明示的に渡してください: SFTTrainer(model=model, tokenizer=tokenizer, ...)。これにより、チャットテンプレートのパディングや特殊トークンが正しく処理されます。また、data_collator=DataCollatorForSeq2Seq(tokenizer=tokenizer) を追加して、損失がプロンプトではなく生成された回答に対してのみ計算されるようにしてください。(2) トレーニング後、モデルとトークナイザーの両方を保存してください: model.save_pretrained("finetuned_model") および tokenizer.save_pretrained("finetuned_model")。トークナイザーの保存を省略すると、適用されたチャットテンプレート(例: llama-3.1)が失われ、推論が機能しなくなります。また、新しいTRLバージョンでは、args パラメータに TrainingArguments ではなく SFTConfig を使用することに注意してください。
トラブル対応exp(-distance) を類似度スコアとして使用すると、FAISS L2 セマンティック検索が結果を返さないのはなぜですか？
exp(-distance) は FAISS の L2 距離（IndexFlatL2/HNSW-L2/IVF-L2）に対して数学的に無効であり、実際に一致するものでも 85% のしきい値に達せず、完全一致（distance=0）でもスコアが 0 になってしまいます。これを適切な L2 から cosine への変換に置き換えてください。正規化された埋め込みの場合、cosine_similarity = 1 - (distance**2) / 2 となります。この問題は PR #1156（2026-09-14 にマージ）で beifong/tools/embedding_search.py に追加された l2_distance_to_cosine_similarity 関数によって修正されました。その PR を含むバージョンに更新するか、類似度しきい値と比較する前に、ご自身のコードで同じ変換を適用してください。
トラブル対応AI News and Podcast Agents アプリは、ポッドキャストスクリプトが空の場合やセクションが欠けている場合でも、なぜ成功を報告するのですか？
これは advanced_ai_agents/multi_agent_apps/ai_news_and_podcast_agents/beifong/agents/script_agent.py（129〜134行目）にあるブール論理のバグが原因で発生しています。失敗判定で or ではなく and が使われているため、デッドコードになっています：
# Buggy
if not session_state["generated_script"] and not session_state["generated_script"].get("sections"):and を使った場合、generated_script が有効でもセクションを持たないときには、最初の条件が False になるためチェック全体がスキップされます。つまり、不完全なスクリプトが成功として扱われてしまいます。また、generated_script が None の場合、2番目の条件で .get() の呼び出し時に AttributeError が発生する可能性があります。
**修正方法：** and を or に置き換え、スクリプトが存在しない場合とセクションを持たない場合のどちらでも失敗分岐が実行されるようにします：
if not session_state.get("generated_script") or not session_state["generated_script"].get("sections"):
return "Failed to generate podcast script."or を使えば、Python は安全に短絡評価を行います。スクリプトが None または空の場合、最初の条件が True となり、不正な値に対して .get() が呼び出されることはありません。
トラブル対応ai-deep-research-agent の Dockerfile でサポートが終了した node:20-slim ベースイメージを修正するには？
generative_ui_agents/ai-deep-research-agent/Dockerfile のベースイメージを node:20-slim から、現在サポートされているラインである node:22-slim、node:24-slim、または node:26-slim に更新してください。Node 20 は 2026-04-30 に EOL（end-of-life）を迎え、セキュリティパッチの提供が終了しています。2026年6月および7月の Node セキュリティリリースでは、HIGH 重要度の CVE（例: CVE-2026-48933、CVE-2026-48618）が 22.x/24.x/26.x でのみ修正されており、EOL ラインは永続的に脆弱な状態のままとなっています。この Dockerfile はシングルステージ構成のため、ベースイメージがそのまま最終イメージに同梱されます。なお、Dependabot の docker エコシステムは EOL のベースイメージに対してアラートを発しないため、古いタグであっても警告は表示されません。そのため、この変更は手動で行い、再ビルドする必要があります。