awesome-llm-apps
Awesome 리스트Shubhamsaboo/awesome-llm-apps
100+ AI 에이전트 및 RAG 애플리케이션 템플릿을 수록했습니다.
개요
실행 가능한 AI 에이전트와 RAG 템플릿 100여 개를 모았으며, 멀티 에이전트, 음성 AI 등을 포괄합니다. 각 템플릿은 전체 소스 코드를 제공하고, 다양한 대규모 모델을 지원하며, Apache-2.0 라이선스로 배포됩니다.
README 미리보기
\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)
문제 해결Unsloth로 파인튜닝한 모델이 추론 시 깨지는 이유는 무엇이며, SFTTrainer 토크나이저 설정은 어떻게 수정해야 하나요?
두 가지 수정이 필요합니다: (1) 채팅 템플릿의 패딩 및 특수 토큰이 올바르게 처리되도록 토크나이저를 트레이너에 명시적으로 전달하세요: SFTTrainer(model=model, tokenizer=tokenizer, ...). 또한 손실이 프롬프트가 아닌 생성된 답변에 대해서만 계산되도록 data_collator=DataCollatorForSeq2Seq(tokenizer=tokenizer)를 추가하세요. (2) 학습 후 모델과 토크나이저를 모두 저장하세요: model.save_pretrained("finetuned_model") 및 tokenizer.save_pretrained("finetuned_model"). 토크나이저 저장을 생략하면 적용된 채팅 템플릿(예: llama-3.1)이 손실되어 추론이 깨집니다. 또한 최신 TRL 버전에서는 args 매개변수에 TrainingArguments 대신 SFTConfig를 사용한다는 점에 유의하세요.
문제 해결exp(-distance)를 유사도 점수로 사용할 때 FAISS L2 시맨틱 검색에서 결과가 반환되지 않는 이유는 무엇인가요?
exp(-distance)는 FAISS L2 거리(IndexFlatL2/HNSW-L2/IVF-L2)에 대해 수학적으로 유효하지 않으므로, 실제 일치 항목이 85% 임계값을 통과하지 못하고 정확히 일치하는 경우(distance=0)에도 점수가 0이 됩니다. 이를 올바른 L2-코사인 변환으로 교체하세요. 정규화된 임베딩의 경우 cosine_similarity = 1 - (distance**2) / 2입니다. 이 문제는 beifong/tools/embedding_search.py의 l2_distance_to_cosine_similarity 함수를 통해 PR #1156(2026-09-14에 병합됨)에서 수정되었습니다. 해당 PR이 포함된 버전으로 업데이트하거나, 유사도 임계값과 비교하기 전에 자체 코드에 동일한 변환을 적용하세요.
문제 해결AI News and Podcast Agents 앱이 팟캐스트 스크립트가 비어 있거나 섹션이 누락되었는데도 성공을 보고하는 이유는 무엇인가요?
이 문제는 advanced_ai_agents/multi_agent_apps/ai_news_and_podcast_agents/beifong/agents/script_agent.py(129–134번째 줄)의 불리언 논리 버그로 인해 발생합니다. 실패 여부를 확인하는 부분에서 or 대신 and를 사용하여 해당 코드가 데드 코드가 되었습니다:
# 버그가 있는 코드
if not session_state["generated_script"] and not session_state["generated_script"].get("sections"):and를 사용하면 generated_script가 유효하지만 섹션이 없는 경우 첫 번째 조건이 False가 되어 전체 검사가 건너뛰어지므로, 불완전한 스크립트가 성공으로 처리됩니다. 그리고 generated_script가 None이면 두 번째 조건에서 .get() 호출 시 AttributeError가 발생할 수 있습니다.
**수정:** 스크립트가 없거나 섹션이 없는 경우 실패 분기가 실행되도록 and를 or로 변경합니다:
if not session_state.get("generated_script") or not session_state["generated_script"].get("sections"):
return "Failed to generate podcast script."or를 사용하면 Python이 안전하게 단락 평가를 수행합니다. 스크립트가 None이거나 비어 있으면 첫 번째 조건이 True가 되어 잘못된 값에 대해 .get()이 호출되지 않습니다.
문제 해결ai-deep-research-agent Dockerfile에서 수명이 종료된 node:20-slim 베이스 이미지를 수정하려면 어떻게 해야 합니까?
generative_ui_agents/ai-deep-research-agent/Dockerfile의 베이스 이미지를 node:20-slim에서 현재 지원되는 라인인 node:22-slim, node:24-slim 또는 node:26-slim으로 업데이트하세요. Node 20은 2026-04-30에 end-of-life에 도달하여 더 이상 보안 패치를 받지 않습니다. 2026년 6월 및 7월 Node 보안 릴리스는 HIGH 심각도 CVE(예: CVE-2026-48933, CVE-2026-48618)를 22.x/24.x/26.x에서만 수정했기 때문에 EOL 라인은 영구적으로 취약한 상태로 남게 됩니다. 이 Dockerfile은 single-stage이므로 베이스 이미지가 최종 이미지에 그대로 포함됩니다. Dependabot의 docker 에코시스템은 EOL 베이스에 대해 경고를 발생시키지 않으므로 오래된 태그는 아무런 경고도 생성하지 않는다는 점에 유의하세요. 따라서 수동으로 변경한 후 다시 빌드해야 합니다.