AI Engineering Hub：AI 工程实践与资源合集

摘要

一句话总结 该项目是一个全面的AI工程学习资源库，提供93个以上涵盖LLM、RAG和AI智能体（Agent）的生产级实战项目，适合各技术阶段的开发者学习与实践。

核心要点

项目规模与分级：包含93个以上的生产级AI项目，明确划分为初级（22个）、中级（48个）和高级（23个）三个难度等级。
核心技术栈：主要聚焦于大语言模型（LLMs）、检索增强生成（RAG）、AI智能体（Agents）、机器学习及MCP（模型上下文协议）。
初级项目（Beginner）：侧重单一组件与基础实现，包括基于Llama/Gemma/Qwen的本地OCR应用、基于DeepSeek/Llama的本地聊天界面（含思维可视化UI），以及基础RAG工作流。
中级项目（Intermediate）：侧重多组件系统与智能体工作流，涵盖基于CrewAI和AutoGen的自动化任务（如YouTube趋势分析、股票分析）、Agentic RAG、以及集成MCP记忆机制的智能体。
社区热度：该仓库极受欢迎，目前拥有超过30,414个Stars和4,927个Forks。
开发语言与协议：项目主要使用Jupyter Notebook编写，采用宽松的MIT开源协议。
附加学习资源：提供完整的“AI工程学习路线图”，用户订阅其Newsletter还可获取包含150+数据科学课程的免费电子书。

In-depth tutorials on LLMs, RAGs and real-world AI agent applications.