AI 智能体是面向目标的高级系统，能够感知上下文，并在最少监督下执行多步工作流，与基础型聊天机器人不同。它们可以调用 API、操作软件、查询数据，并利用记忆与反馈回路。
这些智能体已成为 AI 生态的核心组成部分，学习相关知识将有助于您开启 AI 职业生涯或提升现有技能。理解新概念的最佳方式是动手构建实用应用。
本文将回顾 10 个适合各个水平的 AI 智能体项目：
- 初学者： 使用 Langflow、Flowise 和 Make AI 等低代码工具快速构建。
- 进阶： 使用 LangGraph、Mistral Agents 和 Qwen-Agent 等框架创建自定义智能体。
- 高级： 通过 Haystack、ADK 和 CrewAI 设计多智能体系统。
入门级 AI 智能体项目
入门项目使用可视化界面或低代码智能体工具。您可以可视化拖拽并连接组件，添加您的 LLM API 密钥，然后运行流水线。这些构建器让您无需模板代码即可原型化有状态智能体、集成数据源与 API，并串联提示与工具调用。
1. 使用 Langflow 的语言导师
Language Tutor with Langflow 是一个小型智能体系统，可根据学习者当前词汇量生成短小精悍的阅读材料。它运行在 Langflow 上，使用 Postgres 数据库（通过 Docker），并使用 psycopg2 读写单词。
您可以从 CSV 上传词汇库，通过聊天中的工具添加新词，而故事工具会提取您保存的单词，提示 LLM 用您选择的语言编写故事。主智能体会路由您的请求（“添加单词”或“写一个故事”），并返回结果。
指南：Langflow：含演示项目的指南
2. 使用 Flowise 的数据分析师 AI 智能体
Data Analyst AI Agent with Flowise 是一个工作流，让您可以就数据库提出问题，并获得答案及其对应的 SQL。
您将 Flowise 连接到 SingleStore 数据库，添加自定义代码块读取表结构，并将其输入到提示中，通过 LLM Chain（调用 OpenAI）请 LLM 生成 SQL 查询。
查询会被存储、清洗，并通过另一个自定义代码块执行；随后最终的提示与 LLM Chain 会格式化结果与查询。
指南：Flowise：含演示项目的指南
3. 使用 Make AI 实现客服自动化
Customer Service AI Agent with Make 会自动回复通过 Tally 表单提交的租房咨询。
当有人填写 Tally 表单时，Make AI 会从 Google 文档中获取租房详情。随后，OpenAI 模块会结合这些详情与用户问题撰写回复。最后，邮件模块会将答案直接发送到表单中的邮箱地址。
指南：Make AI：含实用示例的指南
中级 AI 智能体项目
中级 AI 智能体项目专注于使用现代智能体框架与 API 构建完整工作流。此阶段，您不仅是在连接 API，还要设计简单的用户界面，方便用户直接与智能体交互。
4. 使用 Mistral Agents 的营养教练
Nutrition Coach with Mistral Agents 是一个 AI 智能体项目，可记录您的餐食、估算卡路里，并附带图片地建议下一餐的健康选择。
应用集成了 Mistral 的 Agents API，其中包含用于获取卡路里估算的网页搜索智能体。它还提供回退估算器、用于记录餐食、卡路里与时间戳的日志器，以及用于可视化推荐菜品的图像生成智能体。
用户可输入餐食与偏好，应用将搜索或估算卡路里，记录条目，给出后续餐食建议，并显示自动生成的菜品图片，同时清晰展示所用工具摘要。
指南：Mistral Agents API：含演示项目的指南
5. 使用 Jan-v1 的深度研究助手
AI 智能体项目 Deep Research Assistant with Jan‑v1 可将主题转化为打磨完善的研究报告，利用本地 Jan‑v1 推理、异步网页搜索与严格的报告格式。它会生成智能查询、抓取来源，并整合为清晰专业的成文。
它使用 Streamlit 构建界面，llama‑cpp 在本地运行 Jan‑v1 GGUF 模型，Serper 进行网页搜索，并配套一组用于分段与清理的辅助函数。
用户输入主题并选择深度、重点、时间范围与格式；应用生成查询、执行异步搜索、汇编笔记，调用 Jan‑v1 产出结构化报告，随后展示来源并支持导出 TXT/JSON。进度条跟踪各步骤，Session State 可避免多次运行间重复加载模型。
指南：Jan‑V1：含演示项目的指南
6. 使用 Qwen-Agent 的实时网页摘要扩展
Real-Time Web Summarizer 扩展是一款 Chrome 插件，可捕获任意页面的可见文本，并在本地借助通过 Ollama 运行的 Qwen3 与 FastAPI 后端实时流式输出简洁清爽的摘要。
用户可在弹窗中点击“Summarize”，如下所示。扩展会获取页面文本，发送至 http://127.0.0.1:7864/summarize_stream_status，并显示流式响应。
要完成设置，您需要使用 Ollama 拉取 Qwen 模型、启动 FastAPI 服务器、加载未打包的扩展，即可在任何页面上即时获取摘要，并以清晰、编辑器风格的格式呈现。
指南：Qwen-Agent：含演示项目的指南
7. 使用 LangGraph 的实时分析
Real-time Analytics 是一个由 LangGraph 驱动的助手，能够回答问题、进行网页搜索并执行 Python 代码。它结合用于推理的 Mistral Medium 3、用于网页搜索的 Tavily，以及用于基于用户提示运行代码的 Python REPL。
当用户提出问题时，智能体会判断是否需要执行搜索、运行代码，或两者兼用。随后，它会连同所用工具信息一起给出最终答案。设置过程包括添加 Tavily API 密钥、安装必要包、初始化 LLM 与工具、创建 LangGraph 智能体，并使用用户消息调用它。
指南：Mistral Medium 3 教程：构建智能体应用
高级 AI 智能体项目
高级 AI 智能体项目将多个智能体与多种工具汇聚在单一工作流中。这些项目利用 Haystack、ADK 与 CrewAI 等强大的智能体框架，帮助您设计复杂的协作系统，让智能体能够协调分工、各自专精，并处理更复杂的任务。
8. 使用 Haystack AI 的 RAG 与 Web 智能体
Haystack Agentic RAG and Web Access 是一款助手，优先使用私有知识库回答问题，并在需要时利用实时网页结果。它会先路由到检索增强生成（RAG），对需要最新实时信息的查询再切换到网页搜索。
它使用 Haystack 的 pipelines 与 agents、带有 OpenAI 向量嵌入的内存型文档库、自定义 RAG 工具，以及封装为 ComponentTool 的自定义 Tavily 网页搜索工具。智能体由 GPT 4.1 Mini 驱动，并配有指导工具选择的系统提示。
用户可以提出问题，智能体会从知识库检索信息，或就当前主题执行 Tavily 搜索。随后，它会给出答案并说明所用工具。
指南：Haystack AI 教程：构建智能体工作流
9. 使用 ADK 和 A2A 的旅行规划师
Travel Planner with ADK and A2A 是一款端到端的多智能体应用，用于规划全程旅行。用户只需输入目的地、出行日期与预算。各个专职智能体将分别推荐航班、住宿与活动；协调的主机智能体负责整合所有组件，Streamlit 用户界面则展示完整行程。
用户在 Streamlit 中填写表单，主机智能体将负载发送给三个智能体，合并它们的 JSON 响应，并返回包含机票、酒店与活动的结构化计划。
指南：Agent Development Kit（ADK）：含演示项目的指南
10. 使用 CrewAI 的 Agentic RAG
Agentic RAG pipeline 是一个查询路由系统，可基于本地 PDF 的扎实上下文回答问题，或在需要时转向实时网页。
它在 PDF 切分块上使用 FAISS，借助 Groq 提供快速 LLM 响应，并通过 crewAI 的网页工作流获取外部上下文。一个路由提示会判断本地数据是否足够（“是/否”），并由工具完成检索、网页抓取与综合。
用户提出问题后，路由器会检查 PDF 上下文。如果答案为 "Yes"，系统将从向量数据库中检索最高匹配结果；如果答案为 "No"，则搜索网页，整合信息后由语言模型形成最终回复。
指南：Agentic RAG：含演示项目的分步教程
结语
从零开始构建自己的 AI 项目是提升职业发展的最佳途径之一。它能帮助您突破理论，获得实操技能。您将学会如何定义问题、连接工具与智能体、验证结果、创建简洁的用户界面，并基于真实用户反馈改进。
每个完成的项目都会丰富您的作品集，您可以在 GitHub、Hugging Face 等平台分享，或以在线演示的形式呈现。这将向潜在雇主展示您不仅会使用现成模型，还能设计与部署可靠的系统。它体现了您对产品开发与工程实践的理解，使您在应用机器学习与 AI 工程等领域更具吸引力。
我建议从小项目起步，并尽量频繁发布。让作品自己说话——每个项目都在讲述您在 AI 领域的成长与专长。如果您刚接触智能体 AI，我也建议学习Introduction to AI Agents 课程并查看我们的AI Agents 速查表。
AI 智能体是面向目标的高级系统，能够感知上下文，并在最少监督下执行多步工作流，与基础型聊天机器人不同。它们可以调用 API、操作软件、查询数据，并利用记忆与反馈回路。
这些智能体已成为 AI 生态的核心组成部分，学习相关知识将有助于您开启 AI 职业生涯或提升现有技能。理解新概念的最佳方式是动手构建实用应用。
本文将回顾 10 个适合各个水平的 AI 智能体项目：
入门级 AI 智能体项目
入门项目使用可视化界面或低代码智能体工具。您可以可视化拖拽并连接组件，添加您的 LLM API 密钥，然后运行流水线。这些构建器让您无需模板代码即可原型化有状态智能体、集成数据源与 API，并串联提示与工具调用。
1. 使用 Langflow 的语言导师
Language Tutor with Langflow 是一个小型智能体系统，可根据学习者当前词汇量生成短小精悍的阅读材料。它运行在 Langflow 上，使用 Postgres 数据库（通过 Docker），并使用 psycopg2 读写单词。
您可以从 CSV 上传词汇库，通过聊天中的工具添加新词，而故事工具会提取您保存的单词，提示 LLM 用您选择的语言编写故事。主智能体会路由您的请求（“添加单词”或“写一个故事”），并返回结果。
指南：Langflow：含演示项目的指南
2. 使用 Flowise 的数据分析师 AI 智能体
Data Analyst AI Agent with Flowise 是一个工作流，让您可以就数据库提出问题，并获得答案及其对应的 SQL。
您将 Flowise 连接到 SingleStore 数据库，添加自定义代码块读取表结构，并将其输入到提示中，通过 LLM Chain（调用 OpenAI）请 LLM 生成 SQL 查询。
查询会被存储、清洗，并通过另一个自定义代码块执行；随后最终的提示与 LLM Chain 会格式化结果与查询。
指南：Flowise：含演示项目的指南
3. 使用 Make AI 实现客服自动化
Customer Service AI Agent with Make 会自动回复通过 Tally 表单提交的租房咨询。
当有人填写 Tally 表单时，Make AI 会从 Google 文档中获取租房详情。随后，OpenAI 模块会结合这些详情与用户问题撰写回复。最后，邮件模块会将答案直接发送到表单中的邮箱地址。
指南：Make AI：含实用示例的指南
中级 AI 智能体项目
中级 AI 智能体项目专注于使用现代智能体框架与 API 构建完整工作流。此阶段，您不仅是在连接 API，还要设计简单的用户界面，方便用户直接与智能体交互。
4. 使用 Mistral Agents 的营养教练
Nutrition Coach with Mistral Agents 是一个 AI 智能体项目，可记录您的餐食、估算卡路里，并附带图片地建议下一餐的健康选择。
应用集成了 Mistral 的 Agents API，其中包含用于获取卡路里估算的网页搜索智能体。它还提供回退估算器、用于记录餐食、卡路里与时间戳的日志器，以及用于可视化推荐菜品的图像生成智能体。
用户可输入餐食与偏好，应用将搜索或估算卡路里，记录条目，给出后续餐食建议，并显示自动生成的菜品图片，同时清晰展示所用工具摘要。
指南：Mistral Agents API：含演示项目的指南
5. 使用 Jan-v1 的深度研究助手
AI 智能体项目 Deep Research Assistant with Jan‑v1 可将主题转化为打磨完善的研究报告，利用本地 Jan‑v1 推理、异步网页搜索与严格的报告格式。它会生成智能查询、抓取来源，并整合为清晰专业的成文。
它使用 Streamlit 构建界面，llama‑cpp 在本地运行 Jan‑v1 GGUF 模型，Serper 进行网页搜索，并配套一组用于分段与清理的辅助函数。
用户输入主题并选择深度、重点、时间范围与格式；应用生成查询、执行异步搜索、汇编笔记，调用 Jan‑v1 产出结构化报告，随后展示来源并支持导出 TXT/JSON。进度条跟踪各步骤，Session State 可避免多次运行间重复加载模型。
指南：Jan‑V1：含演示项目的指南
6. 使用 Qwen-Agent 的实时网页摘要扩展
Real-Time Web Summarizer 扩展是一款 Chrome 插件，可捕获任意页面的可见文本，并在本地借助通过 Ollama 运行的 Qwen3 与 FastAPI 后端实时流式输出简洁清爽的摘要。
用户可在弹窗中点击“Summarize”，如下所示。扩展会获取页面文本，发送至 http://127.0.0.1:7864/summarize_stream_status，并显示流式响应。
要完成设置，您需要使用 Ollama 拉取 Qwen 模型、启动 FastAPI 服务器、加载未打包的扩展，即可在任何页面上即时获取摘要，并以清晰、编辑器风格的格式呈现。
指南：Qwen-Agent：含演示项目的指南
7. 使用 LangGraph 的实时分析
Real-time Analytics 是一个由 LangGraph 驱动的助手，能够回答问题、进行网页搜索并执行 Python 代码。它结合用于推理的 Mistral Medium 3、用于网页搜索的 Tavily，以及用于基于用户提示运行代码的 Python REPL。
当用户提出问题时，智能体会判断是否需要执行搜索、运行代码，或两者兼用。随后，它会连同所用工具信息一起给出最终答案。设置过程包括添加 Tavily API 密钥、安装必要包、初始化 LLM 与工具、创建 LangGraph 智能体，并使用用户消息调用它。
指南：Mistral Medium 3 教程：构建智能体应用
高级 AI 智能体项目
高级 AI 智能体项目将多个智能体与多种工具汇聚在单一工作流中。这些项目利用 Haystack、ADK 与 CrewAI 等强大的智能体框架，帮助您设计复杂的协作系统，让智能体能够协调分工、各自专精，并处理更复杂的任务。
8. 使用 Haystack AI 的 RAG 与 Web 智能体
Haystack Agentic RAG and Web Access 是一款助手，优先使用私有知识库回答问题，并在需要时利用实时网页结果。它会先路由到检索增强生成（RAG），对需要最新实时信息的查询再切换到网页搜索。
它使用 Haystack 的 pipelines 与 agents、带有 OpenAI 向量嵌入的内存型文档库、自定义 RAG 工具，以及封装为 ComponentTool 的自定义 Tavily 网页搜索工具。智能体由 GPT 4.1 Mini 驱动，并配有指导工具选择的系统提示。
用户可以提出问题，智能体会从知识库检索信息，或就当前主题执行 Tavily 搜索。随后，它会给出答案并说明所用工具。
指南：Haystack AI 教程：构建智能体工作流
9. 使用 ADK 和 A2A 的旅行规划师
Travel Planner with ADK and A2A 是一款端到端的多智能体应用，用于规划全程旅行。用户只需输入目的地、出行日期与预算。各个专职智能体将分别推荐航班、住宿与活动；协调的主机智能体负责整合所有组件，Streamlit 用户界面则展示完整行程。
用户在 Streamlit 中填写表单，主机智能体将负载发送给三个智能体，合并它们的 JSON 响应，并返回包含机票、酒店与活动的结构化计划。
指南：Agent Development Kit（ADK）：含演示项目的指南
10. 使用 CrewAI 的 Agentic RAG
Agentic RAG pipeline 是一个查询路由系统，可基于本地 PDF 的扎实上下文回答问题，或在需要时转向实时网页。
它在 PDF 切分块上使用 FAISS，借助 Groq 提供快速 LLM 响应，并通过 crewAI 的网页工作流获取外部上下文。一个路由提示会判断本地数据是否足够（“是/否”），并由工具完成检索、网页抓取与综合。
用户提出问题后，路由器会检查 PDF 上下文。如果答案为 "Yes"，系统将从向量数据库中检索最高匹配结果；如果答案为 "No"，则搜索网页，整合信息后由语言模型形成最终回复。
指南：Agentic RAG：含演示项目的分步教程
结语
从零开始构建自己的 AI 项目是提升职业发展的最佳途径之一。它能帮助您突破理论，获得实操技能。您将学会如何定义问题、连接工具与智能体、验证结果、创建简洁的用户界面，并基于真实用户反馈改进。
每个完成的项目都会丰富您的作品集，您可以在 GitHub、Hugging Face 等平台分享，或以在线演示的形式呈现。这将向潜在雇主展示您不仅会使用现成模型，还能设计与部署可靠的系统。它体现了您对产品开发与工程实践的理解，使您在应用机器学习与 AI 工程等领域更具吸引力。
我建议从小项目起步，并尽量频繁发布。让作品自己说话——每个项目都在讲述您在 AI 领域的成长与专长。如果您刚接触智能体 AI，我也建议学习Introduction to AI Agents 课程并查看我们的AI Agents 速查表。