Прикинь: хочешь собрать голосового агента, RAG-чат с документами или MCP-сервер для своих инструментов. Можно искать разрозненные туториалы по всему интернету. А можно открыть один репозиторий — и там уже лежат 93 готовых проекта с кодом, от простого к сложному.
Именно такие коллекции и существуют. Разбираем пять лучших — с конкретными проектами, временными оценками и честным советом кому что брать.
Для кого это и почему это полезно?
TL;DR: Для вайбкодеров и разработчиков, которые хотят собрать реальный AI-продукт, а не читать абстрактную теорию. Все проекты с кодом, все лицензии MIT/Apache 2.0 — можно использовать в коммерческих проектах.
Стандартная проблема при изучении AI-разработки: документация есть, но она показывает как использовать API. Как собрать настоящий продукт — RAG с фоллбеком в вебе, голосового агента, multi-agent систему — это уже нужно собирать по кускам из разных источников.
Эти коллекции решают именно это. Берёшь проект, форкаешь, кастомизируешь под свою задачу.
AI Engineering Hub — 34 000 звёзд, 93+ проекта
TL;DR: Самая большая и структурированная коллекция. Jupyter Notebooks с пошаговым объяснением. Охват: OCR, RAG, MCP-агенты, голосовые агенты, multi-agent системы. От новичка до продвинутого.
github.com/patchy631/ai-engineering-hub — 34 143 звезды, MIT.
Автор — Avi Chawla (Daily Dose of Data Science). 93+ production-ready проекта, каждый — Jupyter Notebook с объяснением каждого шага.
Что реально полезного внутри по категориям:
RAG-проекты:
→ Simple RAG Workflow (LlamaIndex + Ollama) — стартовая точка
→ Fastest RAG Stack — SambaNova + LlamaIndex + Qdrant
→ GitHub RAG — чат с репозиторием локально
→ Agentic RAG — поиск по документам + автоматический фоллбек в веб
MCP-агенты (10+ проектов):
→ MCP Voice Agent — голосовой агент с Firecrawl + Supabase
→ MCP Video RAG — RAG по видео через Ragie
→ Cursor Linkup MCP — deep web search для Cursor
Голосовые агенты:
→ Real-time Voice Bot — туристический гид (AssemblyAI)
→ RAG Voice Agent — real-time RAG с голосом (Cartesia)
→ Multilingual Meeting Notes — авто-конспекты с детекцией языка
Multi-Agent:
→ Multi-Agent Deep Researcher — MCP-powered исследователь
→ Paralegal Agent Crew — паралигал с RAG (CrewAI)
→ Web Browsing Agent — браузерная автоматизация (CrewAI + Stagehand)
Для кого: для тех, кто хочет охватить максимум тем в одном месте. Хорош как навигатор — смотришь что есть, берёшь нужное.
Lay4U: Build Your Own AI Agent — лучший старт для новичков
TL;DR: 12 проектов по нарастающей сложности. Чистый Python без фреймворков. Каждый проект — 15-30 минут. Идеально если хочешь понять как это работает изнутри, а не просто запустить чужой код.
github.com/Lay4U/build-your-own-ai-agent
Философия: «No frameworks, no magic». Никакого LangChain, никакого LlamaIndex. Только Python и API. Это важно — понимаешь что происходит под капотом.
Роадмап по шагам:
| # | Проект | Время |
|---|---|---|
| 1 | Simple Chatbot | 15 мин |
| 2 | Tool-Calling Agent | 20 мин |
| 3 | RAG Agent | 30 мин |
| 4 | Web Browsing Agent | 30 мин |
| 5 | Code Gen Agent | 25 мин |
| 6 | Memory Agent | 25 мин |
| 7 | MCP Agent | 30 мин |
| 8 | Multi-Agent System | 30 мин |
| 9 | Voice Agent | 30 мин |
| 10 | Autonomous Agent | 30 мин |
| 11 | Skill-Based Agent | 30 мин |
| 12 | Local LLM Agent (Ollama) | 20 мин |
Весь путь от чатбота до локального агента — примерно 5-6 часов. По одному проекту в день — за две недели полный курс.
Для кого: новичок в AI-разработке, который хочет понять принципы, а не копипастить готовое.
Awesome AI Apps — 10 000 звёзд, фреймворк-агностичный подход
TL;DR: 80+ практических примеров, Python и TypeScript. Сильнее чем AI Engineering Hub в MCP-агентах и memory. Активное сообщество из 30 контрибьюторов — обновляется быстро.
github.com/Arindam200/awesome-ai-apps — 10 170 звёзд, MIT.
Что выделяется из других коллекций:
MCP-агенты (13 проектов) — лучший блок:
→ GitHub MCP Agent — работа с репозиториями через агента
→ Talk to your Docs — MCP-агент для документации
→ LangGraph MCP Agent — оркестрация через LangGraph
Memory-агенты:
→ Агенты с долговременной памятью — несколько реализаций
→ Zep Memory Assistant — human-like память для агентов
Голосовые агенты:
→ LiveKit + Gemini Realtime — real-time голосовой агент
→ Pipecat + Sarvam — мультиязычный голос
Для кого: хочешь больше разнообразия в подходах и свежие примеры. Особенно если интересны MCP и memory.
Build Your Own AI — курированные ссылки на лучшие туториалы
TL;DR: Не код, а навигатор. Собрал лучшие туториалы со всего интернета по категориям. Удобно если не знаешь с чего начать конкретную тему.
github.com/OuterSpacee/build-your-own-ai
По формату — как легендарный build-your-own-x, только для AI. Внутри ссылки с кратким описанием и оценкой сложности:
→ Build Your Own AI Agent — 11 туториалов (Python, LangGraph, CrewAI, Gemini)
→ Build Your Own RAG System — 10 туториалов (LangChain, LlamaIndex, n8n)
→ Build Your Own MCP Server — 9 туториалов (TypeScript, Python, FastMCP)
→ Build Your Own OCR System — 6 туториалов (PaddleOCR, EasyOCR, Surya)
→ Build Your Own Voice Assistant — несколько вариантов
→ Build Your Own Autonomous Coding Agent
Для кого: хочешь изучить конкретную тему — открываешь раздел, видишь все подходы, выбираешь по стеку.
FareedKhan MCP System — для продвинутых
TL;DR: Production-grade MCP-сервер из 12 компонентов + 4-агентный copilot. 45 звёзд но глубина не детская. Берёшь когда базовые туториалы уже пройдены.
github.com/FareedKhan-dev/production-grade-mcp-agentic-system
Архитектура: Planner → Retriever → Synthesizer → Critic. Четыре специализированных агента с разными ролями и maker-checker принципом — как раз то, о чём говорят в контексте loop engineering.
12 компонентов включают: аутентификацию, rate limiting, кэширование, мониторинг, обработку ошибок, тестирование. Не игрушка — реальная production-архитектура.
Для кого: уже собрал несколько агентов и хочешь понять как делать это по-настоящему надёжно.
Что реально собрать и за сколько времени
За вечер (2-3 часа):
→ RAG-чат с документами — AI Engineering Hub → Simple RAG Workflow
→ Голосовой агент — AI Engineering Hub → Real-time Voice Bot
→ OCR-приложение — AI Engineering Hub → Llama OCR
→ Первый чатбот с инструментами — Lay4U → проекты 1-2
За выходные:
→ MCP-агент для своих инструментов — Build Your Own AI → MCP Server tutorials
→ Multi-agent система — Lay4U → проекты 7-8
→ Agentic RAG с веб-фоллбеком — AI Engineering Hub → Agentic RAG
За неделю:
→ Production-grade MCP-сервер — FareedKhan-dev
→ Multi-Agent Deep Researcher — AI Engineering Hub
→ Полный курс с нуля — Lay4U все 12 проектов
Какой репозиторий брать?
| Ситуация | Репозиторий |
|---|---|
| Первый AI-проект, хочу понять принципы | Lay4U |
| Хочу максимум тем в одном месте | AI Engineering Hub |
| Ищу конкретную тему (RAG/MCP/Voice) | Build Your Own AI |
| Нужны свежие примеры с MCP и memory | Awesome AI Apps |
| Собираю production-grade систему | FareedKhan MCP |
Все — MIT или Apache 2.0. Форкай, кастомизируй, используй в коммерческих проектах.
AI Engineering Hub: github.com/patchy631/ai-engineering-hub
Lay4U: github.com/Lay4U/build-your-own-ai-agent
Awesome AI Apps: github.com/Arindam200/awesome-ai-apps
Build Your Own AI: github.com/OuterSpacee/build-your-own-ai
FareedKhan MCP System: github.com/FareedKhan-dev/production-grade-mcp-agentic-system
Каталог AI-инструментов: vibecoderz.ru/category/ai-agents
Вопросы по стеку — к Максиму: telegram.me/maxnagovitsyn
FAQ
Эти туториалы для разработчиков или для вайбкодеров?
Для обоих, зависит от коллекции. Lay4U — чистый Python, нужен базовый уровень. AI Engineering Hub — Jupyter Notebooks, можно разобраться с нуля. Build Your Own AI — просто ссылки, подойдёт любому.
Нужно платить за API?
Большинство проектов работают с Ollama — полностью бесплатно и локально. Часть требует API-ключи (OpenAI, Anthropic). Lay4U последний проект — специально про локальные модели без платных API.
Можно использовать в коммерческих проектах?
Да. MIT и Apache 2.0 позволяют коммерческое использование. Форкай, кастомизируй, включай в свои продукты.
С чего начать абсолютному новичку?
Lay4U, проект №1: Simple Chatbot. 15 минут, чистый Python, никаких фреймворков. После первого запуска всё становится понятнее.
Есть ли русскоязычные туториалы?
Сами репозитории на английском. Код и комментарии тоже. Но если понимаешь Python — разберёшься. Claude или ChatGPT переведут любой туториал за минуту.