包含93+个生产级示例的综合AI工程资源库，提供LLM应用、RAG系统、AI Agent开发及MCP协议的深度教程与可运行代码实现，覆盖从初级到高级的完整学习路径。
项目概述#
AI Engineering Hub 是一个大型开源教程与代码示例集合，采用 Monorepo 模式组织数十个独立子项目。该项目旨在通过可运行的代码和详细的 Jupyter Notebook 填平 AI 理论与工程实践之间的鸿沟。
核心内容领域#
LLM 应用开发#
- 本地 ChatGPT 克隆与聊天界面
- 推理可视化对话系统
- 多模型对比与切换（DeepSeek, Llama, Qwen, OpenAI, Claude）
RAG 系统#
- 基础 RAG 工作流
- Agentic RAG（带 Web 搜索回退）
- 多模态 RAG
- 向量数据库集成（Qdrant, Milvus, ColBERT）
AI Agents#
- 单智能体工具调用
- 多智能体协作系统
- 自动化工作流（书籍编写、品牌监控、股票分析）
MCP (Model Context Protocol)#
- 自定义 MCP Server 实现
- Cursor IDE 工具集成
- 向量数据库连接与搜索
模型微调与评估#
- DeepSeek 模型微调（Unsloth + Ollama）
- 推理模型构建
- 模型性能评估框架
项目难度分级#
| 难度 | 数量 | 示例项目 |
|---|---|---|
| 初级 | 22 | LaTeX OCR, Simple RAG, Gemma-3 OCR |
| 中级 | 48 | Agentic RAG, YouTube Trend Analysis, MCP 集成 |
| 高级 | 23 | DeepSeek Fine-tuning, Multi-Agent Deep Researcher |
支持的模型生态#
- 开源模型: DeepSeek (R1/V3), Llama (3.2/4), Qwen (2.5VL/3), Gemma 3
- 闭源 API: OpenAI (GPT/O3/O4), Anthropic Claude Sonnet 4, NVIDIA NIM
快速开始#
# 克隆仓库
git clone https://github.com/patchy631/ai-engineering-hub.git
cd ai-engineering-hub/agentic_rag
# 安装依赖
pip install crewai crewai-tools qdrant-client fastembed
# 配置环境变量
cp .env.example .env
# 运行应用
streamlit run app_deep_seek.py
典型项目结构#
project_name/
├── assets/ # 静态资源
├── knowledge/ # 知识库文档
├── src/ # 源代码
├── .env.example # 环境变量模板
├── app.py # 主应用入口
├── *.ipynb # Jupyter Notebook 教程
└── README.md # 项目说明
代表性子项目#
- agentic_rag: 带 Web 搜索回退的文档 RAG（CrewAI + DeepSeek-R1 + Qdrant）
- DeepSeek-finetuning: DeepSeek 模型微调教程（Unsloth + Ollama）
- mcp-agentic-rag: MCP 驱动的 Agentic RAG（Bright Data + Cursor IDE）
- notebook-lm-clone: NotebookLM 全功能克隆（RAG + 引用 + 播客生成）
- ai-engineering-roadmap: AI 工程师完整学习路径
适用场景#
- 自学与培训：掌握 LLM 工程化技能
- 快速原型开发：复用 RAG 流程、Chat UI、Agent 工作流
- 技术选型验证：对比多种模型实际效果