您今天可以构建的 20 多个简单的 AI 项目（LangChain、Cop​​ilotKit 等）

过去几天对于人工智能来说是令人兴奋的。

然而作为开发人员，我们中的许多人还不了解人工智能已经变得多么容易获得。

今天，我们将介绍一些可以轻松利用 AI 构建的精彩项目。无需成为 AI 专家，每个项目都附带教程或代码演示。

让我们开始吧！

1. CopilotKit - 数小时内为您的产品提供 AI 辅助驾驶。

在 React 中集成 AI 功能并非易事，Copilot 应运而生。Copilot 是一个简单快捷的解决方案，可将生产就绪的 Copilot 集成到任何产品中！

您可以使用两个 React 组件将关键的 AI 功能集成到 React 应用中。它们还提供内置（完全可定制）的 Copilot 原生 UX 组件，例如<CopilotKit />、<CopilotPopup />、<CopilotSidebar />、<CopilotTextarea />。

使用以下 npm 命令开始。

npm i @copilotkit/react-core @copilotkit/react-ui

Copilot Portal 是 CopilotKit 提供的组件之一，CopilotKit 是一个应用内 AI 聊天机器人，可以查看当前应用状态并在应用内执行操作。它可以通过插件与应用前端和后端以及第三方服务进行通信。

这就是您集成聊天机器人的方式。

所有与 CopilotKit 交互的组件都必须CopilotKit封装在内。建议您也从这里开始CopilotSidebar（以后可以切换到其他 UI 提供程序）。

"use client";
import { CopilotKit } from "@copilotkit/react-core";
import { CopilotSidebar } from "@copilotkit/react-ui";
import "@copilotkit/react-ui/styles.css"; 

export default function RootLayout({children}) {
  return (
    <CopilotKit url="/path_to_copilotkit_endpoint/see_below">
      <CopilotSidebar>
        {children}
      </CopilotSidebar>
    </CopilotKit>
  );
}

您可以使用此快速入门指南设置 Copilot Backend 端点。

之后，您就可以让 Copilot 采取行动了。您可以阅读如何提供外部上下文useMakeCopilotReadable。您可以使用React useMakeCopilotDocumentReadableHooks来实现。

"use client";

import { useMakeCopilotActionable } from '@copilotkit/react-core';

// Let the copilot take action on behalf of the user.
useMakeCopilotActionable(
  {
    name: "setEmployeesAsSelected", // no spaces allowed in the function name
    description: "\"Set the given employees as 'selected'\","
    argumentAnnotations: [
      {
        name: "employeeIds",
        type: "array", items: { type: "string" }
        description: "\"The IDs of employees to set as selected\","
        required: true
      }
    ],
    implementation: async (employeeIds) => setEmployeesAsSelected(employeeIds),
  },
  []
);

您可以阅读文档并查看演示视频。

您可以轻松集成 Vercel AI SDK、OpenAI API、Langchain 和其他 LLM 提供程序。您可以按照本指南将聊天机器人集成到您的应用程序中。

其基本思想是快速构建 AI 聊天机器人，而无需在制作任何基于 LLM 的应用程序时遇到困难。

用例非常广泛，作为开发人员，我们绝对应该在下一个项目中尝试使用 CopilotKit。

CopilotKit 在 GitHub 上拥有 5.8k+ 颗星，并且有 200 多个版本，这意味着它们在不断改进。

明星 CopilotKit ⭐️

🎯 使用 CopilotKit 构建的热门应用程序。

我们可以使用 CopilotKit 构建许多创新应用程序，因此让我们探索一些脱颖而出的应用程序！

✅人工智能博客平台。

您可以阅读本文Next.js，使用Langchain、、Supabase和CopilotKit来构建这个神奇的应用程序。

LangChain & Tavily 用作网络搜索 AI 代理，Supabase 用于存储和检索博客平台文章数据，而 CopilotKit 用于将 AI 集成到应用程序中。

您可以检查GitHub 存储库。

✅ V0.dev 克隆。

如果您不熟悉，Vercel 的 V0 是一款 AI 驱动的工具，可让您根据提示生成 UI，并具有许多其他实用功能。shadcn 组件现在可以在 v0 的文档中编辑（详情请见其网站）。

您可以使用Next.js、GPT4和CopilotKit来创建 V0 的克隆版本。这个详细的教程曾入选 Top 7，总的来说，这是一个值得添加到您的作品集中的优秀项目。

签名页面生成的输出如下所示。

点击右上角的按钮，你可以轻松地在React Code和之间切换。真是个很酷的概念！UI

您可以检查GitHub 存储库。

✅ AI 活动经理。

Next.js您可以使用、来阅读本文OpenAI，Radix UI以便于访问、Recharts创建交互式图表并CopilotKit构建这个很棒的项目。

您可以观看 David 的这个演示！

如果您想用更少的钱学到更多的东西，这是我最喜欢的。

我喜欢它的用户界面（一般的教程都没有），这正是它成为一个干净的项目的原因，值得列入你的编码清单中:)

动图

您可以查看该应用程序的现场演示。

您可以检查GitHub 存储库。

✅带有 AI 副驾驶的电子表格应用程序。

您可以阅读本文Next.js，使用GPT-4、、LangChain和CopilotKit来构建这个很棒的工具。

为了简化工作，它使用React Spreadsheet包创建简单的可定制 React 电子表格，并使用Tavily AI作为搜索引擎，使 AI 代理能够进行研究并获取实时知识

您可以观看这个演示！

你也可以看看现场演示。我可以肯定地说，这是一个独特的案例，你可以从中获得很多启发。

您可以检查GitHub 存储库。

✅与您的简历聊天。

Next.js您可以使用、、OpenAI和阅读本文CopilotKit来构建这个很棒的用例。

你不仅可以用 ChatGPT 生成简历，还可以将其导出为 PDF，甚至可以通过与它对话来进一步完善。是不是很酷呢 :)

您可以检查GitHub 存储库。

✅文本到 Powerpoint 应用程序。

Next.js您可以使用、、OpenAI和阅读本文CopilotKit来构建“文本到 Powerpoint”应用程序。

这是一个简单但非常强大的概念，文章还清楚地指导了如何向任何幻灯​​片添加背景图像。

您可以检查GitHub 存储库。

✅ StudyPal：您的人工智能个性化学习伴侣。

您可以从精选列表中选择所需的主题，为个性化的学习之旅奠定基础。

您需要提供有关您的教育背景的详细信息，以便 StudyPal 根据他们当前的知识水平定制材料和练习。

每个Additional Details部分允许学生指定重点领域，确保内容与他们的学习目标一致。

React您可以使用、、Node和阅读本文CopilotKit来构建这个很棒的用例。

您可以观看该应用程序的演示。

您可以检查GitHub 存储库。

2.什么是langchain？

其余项目将与langchain和AI相关（其中一些使用python）。最好对此有所了解。

LangChain 是一个由大型语言模型 (LLM) 驱动的应用程序开发框架。

总的来说，LangChain 简化了 LLM 申请生命周期的每个阶段。您可以在官方文档中了解更多信息。

如果您想了解有关 langchain 的更多信息，我建议您观看freeCodeCamp 的这个教程。

🎯 使用 Langchain/AI/Python 构建的热门应用程序。

我们可以使用 langchain 构建大量高级应用程序，所以让我们探索一些脱颖而出的应用程序！

✅ Mac 上的语音助手- 您的语音控制 Mac 助手。

你的语音控制 Mac 助手。GPT Automator 让你可以用语音在 Mac 上执行各种任务。例如，打开应用程序、查找餐厅以及合成信息。太棒了 :D

它是在伦敦黑客马拉松期间建造的。

它有两个主要部分：

a. 语音命令：它使用本地运行的 Whisper（Buzz 的一个分支）生成命令。

b. 命令到行动：你向一个配备了我们编写的自定义工具的 LangChain 代理发出命令。这些工具包括使用 AppleScript 控制计算机操作系统，以及使用 JavaScript 控制活动浏览器。最后，像任何优秀的人工智能一样，我们让代理使用 AppleScript 说出最终结果，例如“{Result}”（如果你以前没用过，可以尝试在你的 Mac 终端上输入“Hello World!”）。

我们自定义了一个工具，让 LLM 使用 AppleScript 控制计算机。提示符是以下文档字符串：

@tool
def computer_applescript_action(apple_script):
    """
    Use this when you want to execute a command on the computer. The command should be in AppleScript.

    Here are some examples of good AppleScript commands:

    Command: Create a new page in Notion
    AppleScript: tell application "Notion"
        activate
        delay 0.5
        tell application "System Events" to keystroke "n" using {{command down}}
    end tell

    ...

    Write the AppleScript for the Command:
    Command: 
    """
    p = subprocess.Popen(['osascript', '-'], stdin=subprocess.PIPE, stdout=subprocess.PIPE, stderr=subprocess.PIPE)

    stdout, stderr = p.communicate(applescript.encode('utf-8'))

    if p.returncode != 0:
        raise Exception(stderr)

    decoded_text = stdout.decode("utf-8")

    return decoded_text

如果你好奇它的工作原理，GPT Automator 使用 OpenAI 的 Whisper 将您的音频输入转换为文本。然后，它使用 LangChain Agent 选择一组操作，包括使用 OpenAI 的 GPT-3（“text-davinci-003”）从你的提示符生成 AppleScript（用于桌面自动化）和 JavaScript（用于浏览器自动化）命令，然后执行生成的脚本。

请记住，本项目不适用于生产环境。该项目执行自然语言生成的代码，可能容易受到即时注入及类似攻击。本项目仅作为概念验证。

您可以阅读安装指南。

让我们看一些提示以及它将做什么：

⚡ 查找计算结果。

提示：“2 + 2 等于多少？”

它将编写 AppleScript 来打开计算器并输入 5 * 5。

⚡ 查找附近的餐馆。

提示：“查找我附近的餐馆”

它会打开 Chrome，用谷歌搜索附近的餐厅，解析页面，然后返回最顶部的结果。有时它会很调皮，打开谷歌地图的结果，并说“最好的餐厅是谷歌地图页面顶部的餐厅”。有时它会打开谷歌的顶部链接，然后卡在谷歌无障碍页面……

以下是运行时打印到终端的内容：

Command: Find a great restaurant near Manchester.

> Entering new AgentExecutor chain...
 I need to search for a restaurant near Manchester.
Action: chrome_open_url
Action Input: https://www.google.com/search?q=restaurant+near+Manchester
Observation:

Thought: I need to read the page
Action: chrome_read_the_page
Action Input: 
Observation: Accessibility links
Skip to main content
... # Shortned for brevity
Dishoom Manchester
4.7
(3.3K) · £££ · Indian
32 Bridge St · Near John Rylands Library
Closes soon ⋅ 11 pm
Stylish eatery for modern Indian fare
San Carlo
4.2
(2.8K) · £££ · Italian
42 King St W · Near John Rylands Library
Closes soon ⋅ 11 pm
Posh, sceney Italian restaurant
Turtle Bay Manchester Northern Quarter
4.7

Thought: I now know the final answer
Final Answer: The 15 best restaurants in Manchester include El Gato Negro, Albert's Schloss, The Refuge, Hawksmoor, On The Hush, Dishoom, Banyan, Zouk Tea Room & Grill, Edison Bar, MyLahore Manchester, Turtle Bay Manchester Northern Quarter, San Carlo, The Black Friar, Mana, and Tast Cuina Catalana.

我不能保证这些餐馆值得一去，请自行承担风险。哈哈！

⚡ 如果您要求 GPT Automator 擦除您的计算机，它就会这样做。

是的，只要你开口，它就会清空你的电脑！
我内心深处渴望这么做 :)

您可以在此处查看完整的演示！

您可以在Chidi 的博客上阅读更多内容。

它更像是一个副项目，所以他们在 GitHub 上有大约 200 颗星，但它非常酷。

您可以检查GitHub 存储库。

✅ Instrukt——终端中集成 AI。

Instrukt 是一个基于终端的 AI 集成环境。它提供了一个平台，用户可以：

• 创建并指导模块化 AI 代理。
• 生成用于问答的文档索引。
• 创建工具并将其附加到任何代理。

用自然语言指导它们，并且为了安全起见，在安全容器（当前使用 Docker 实现）内运行它们，以在专用的沙盒空间中执行任务。

使用Langchain、、Textual和构建Chroma。

使用以下命令开始。

pip install instrukt[all]

动图

有很多令人兴奋的功能，例如：

• 基于终端的界面，高级键盘用户无需离开键盘即可指示 AI 代理。
• 索引您的数据，并让代理检索它以进行问答。您可以使用简单的用户界面创建和组织索引。
• 索引创建将自动检测编程语言并相应地优化拆分/分块策略。
• 在安全的 Docker 容器内运行代理以确保安全和隐私。
• 集成 REPL-Prompt 可与代理快速交互，并为开发和测试提供快速反馈循环。
• 您可以使用自定义命令自动执行重复性任务。它还具有内置的提示/聊天历史记录。

您可以阅读有关所有功能的信息。

您可以阅读安装指南。

您还可以使用内置的 IPython 控制台来调试和检查代理，这是一个简洁的小功能。

Instrukt 获得 AGPL 许可，这意味着任何人都可以将其用于任何目的。

可以肯定地说，Instrukt 是您触手可及的终端 AI 指挥官。

这是一个新项目，因此他们在 GitHub 上有大约 200 多个星，但用例非常好。

您可以检查GitHub 存储库。

✅ ChatFiles - 上传您的文件并与其进行对话。

文档聊天机器人——支持多文件，由 GPT/Embedding 驱动。你可以上传任何文档并与其对话。考虑到他们使用了另一个著名的开源项目，它的用户界面非常出色。

它底层使用了 Langchain 和Chatbot-ui 。使用 Nextjs、TypeScript、Tailwind 和 Supabase（矢量数据库）构建。

如果您对方法和技术架构感到好奇，那么就在这里！

该环境仅供试用，支持的最大文件大小为 10 MB，这是一个缺点，如果您想要更大的尺寸，则可以在本地安装它。

他们提供了一些入门问题供您参考。您可以查看现场演示。

他们在 GitHub 上有 3k 颗星并且即将v0.3发布。

您可以检查GitHub 存储库。

✅通过多智能体协作实现终极 AI 自动化 - LangGraph + GPT 研究员。

LangGraph 是一个使用 LLM 构建有状态、多参与者应用程序的库。本示例使用 Langgraph 自动执行针对任何给定主题的深入研究过程。

简单来说，这个示例展示了一组 AI 代理如何协同工作，针对特定主题开展研究，从规划到发表。此示例还将利用领先的自主研究代理GPT Researcher，我之前在一篇文章中已经介绍过它。

研究团队由七名法学硕士代表组成：

⚡ Chief Editor- 监督研究过程并管理团队。这是“主”代理，负责使用 LangGraph 协调其他代理。该代理充当 LangGraph 的主界面。

⚡——GPT Researcher针对特定主题进行深入研究的专门自主代理。

⚡ Editor- 负责规划研究大纲和结构。

⚡——Reviewer根据一组标准验证研究结果的正确性。

⚡——Reviser根据审稿人的反馈修改研究结果。

⚡ Writer- 负责编写和撰写最终报告。

⚡ Publisher- 负责以各种格式发布最终报告。

自动化过程基于以下阶段（架构），文章中清楚地展示了这一点。

• 规划阶段。
• 数据收集和分析。
• 审查和修改。
• 写作和提交。
• 发布。

您可以阅读有关正在发生的事情的详细步骤文档。

助手最终运行将生成Markdown、PDF、Docx等格式的最终​​研究报告。

您可以阅读这篇文章，了解如何通过多智能体协作构建终极人工智能自动化。Wix研发主管 Assaf Elovic 将讲解如何使用 LangGraph 与专业智能体团队构建自主研究助手。文章包含易于理解的代码示例，并清晰地指导用户完成操作。开发者必读！

最棒的是，task.json如果你想更改研究查询并自定义报告，只需编辑主目录中的文件即可。真是太棒了 :)

它位于拥有 10k 颗星的 GPT Researcher 之下，但它经常更新，因为最后一次提交是在几天前。

您可以检查GitHub 存储库。

✅ wingmanAI。

WingmanAI 是一个强大的工具，可以与系统和麦克风音频的实时转录进行交互。

它使用 ChatGPT，让您与记录进行实时交互，作为机器人的广泛记忆基础，提供独特的通信平台。

当您为指定人员加载记录时，机器人甚至可以回答有关过去对话的问题。

所有出色功能的细分：

⚡ 它可以转录系统输出和麦克风输入音频，让您以易于阅读的格式查看实时转录。

⚡ 机器人会以高效的方式保存对话记录，因为只有当前的记录块会传递给机器人。

⚡ 您可以与由 ChatGPT 驱动的机器人聊天，该机器人可以实时读取您的记录。

⚡ 您可以继续附加已保存的成绩单，随着时间的推移构建一个庞大的数据库，供机器人从中提取。

⚡ 它允许您保存文字记录以备将来使用。您可以随时加载它们，并且对机器人的任何查询都将与已保存文字记录的矢量数据库进行交叉引用，从而为机器人提供更丰富的上下文。

您可以阅读安装说明。
您只需将 OpenAI API 密钥放入keys.env文件中并运行即可main.py。

唯一的缺点是该应用目前仅兼容 Windows。Windows 用户现在更满意了 :)

您可以观看完整的演示视频。由于限制，下面附加的 gif 很短（86 秒中只有 30 秒）。

动图

这个概念让我非常惊讶，因为我从来没想过竟然能以这样的方式实现。看到开发者用极简的概念创造出很酷的东西，感觉真的很棒 :)

它在 GitHub 上拥有 420+ 颗星，并且已经停止维护。但你可以使用它来构建更好的东西。

您可以检查GitHub 存储库。

✅考官。

一款让你根据知识笔记参加考试的应用。它能让你专注于已学和已写的内容🧠。

它会不断提示您提出问题以检查您的笔记内容，这对学生、学者、受访者和终身学习者非常有用。

项目管理员正在使用 next.js 重构项目，这对于使用 的开发人员来说非常有用next.js。

让我们来分析一下它的一些出色功能：

⚡ 您可以在创建笔记时上传相关文档。应用程序会根据这些文档的内容生成一组问题。这些问题将在以后呈现给您。创建笔记时，您作为用户还可以选择要生成的问题类型。

⚡ 每日收到问题后，您可以提供答案。GPT 会进行评分、验证并提供正确答案。分数由答案和链接文档的正确性评估得出（0 ~ 10 分）。此分数将影响后续的 Ebbinghaus 审核流程。我们将在未来的发布版本中进行优化。

⚡ 角色可以为题目生成和评估提供更多可能性。您可以在配置页面设置角色。有关各种角色的更多信息，建议参考详细的角色手册指南。

⚡ 练习题目时，可以用不同的方法作答。下图是单选题的示例。

⚡ 它有几个模块的列表，例如Examine，，，使用这些模块Note，您可以在笔记中导入问题，在已上传的笔记中删除或添加新文件等等。Notes ManagementRandom Question

我喜欢整个概念，它会引起任何曾经面临修改笔记问题的人的注意。

您可以阅读包含有关如何正确使用此功能的详细指南的文档。

它在 GitHub 上有 1k 颗星并且即将v0.4.2发布。

您可以检查GitHub 存储库。

✅ SpeechGPT。

SpeechGPT 是一个 Web 应用程序，可让您与 ChatGPT 进行交谈。

您可以利用此应用程序来提高您的语言技能，或者只是享受与 ChatGPT 聊天的乐趣。

大多数人会说这有什么独特之处，但事实上它确实很独特。

让我们来看一下一些很棒的功能：

⚡ 所有数据都存储在本地，从而提高了隐私性。

⚡ 根据文档，它支持超过 100 种语言，但我在现场演示中只看到对三种语言的支持。

⚡ 包括内置语音识别和与 Azure 语音服务的集成。

⚡ 包括内置语音合成，以及与 Amazon Polly 和 Azure Speech Services 的集成。

按照文档中的教程来了解如何使用它。

您可以在speechgpt.app上观看现场演示。这是一个完美的例子，展示了如何通过一些额外的功能将您的应用提升到一个新的水平！

SpeechGPT 在 GitHub 上已有 2.7k 颗星，并且即将v0.5.1发布。

您可以检查GitHub 存储库。

✅ myGPTReader——阅读并与 AI 机器人聊天。

myGPTReader 是 Slack 上的一款机器人，可以阅读并总结任何网页、文档（包括电子书），甚至 YouTube 视频。它可以通过语音与您交流。

一些值得注意的特点是：

⚡ 使用 myGPTReader 通过对话甚至视频快速阅读和理解任何网络内容（目前仅支持带字幕的 YouTube 视频）。

⚡ 使用 myGPTReader 快速阅读任何文件的内容，支持电子书、PDF、DOCX、TXT 和 Markdown。

⚡ 通过对 myGPTReader 说话来练习您的外语，它可以成为您的私人导师，并支持中文、英语、德语和日语。

⚡ 内置大量提示模板，使用它们可以更好地与 chatGPT 进行对话。

动图

⚡ myGPTReader 每天发送最新热点新闻并自动生成摘要，让您快速了解今日热点。

您可以访问官方网站。

您可以加入 repo 上拥有 5000 多名成员的 Slack 频道，免费体验所有这些功能。

它们在 GitHub 上有 4.4k 颗星，并且像此列表中的其他项目一样使用 Python 构建。

您可以检查GitHub 存储库。

✅ RepoChat - 聊天机器人助手，支持 GitHub 存储库交互。

Repochat 是一个交互式聊天机器人项目，旨在使用大型语言模型 (LLM) 参与有关 GitHub 存储库的对话。

它允许用户进行有意义的讨论、提出问题并从 GitHub 仓库中检索相关信息。本 README 提供了在本地计算机上设置和使用 Repochat 的分步说明。

他们创建了两个具有不同功能的分支，这对我来说有点新颖。

⚡ Repochat 的主分支设计为完全在本地机器上运行。此版本的 Repochat 不依赖于外部 API 调用，并能更好地控制您的数据和处理。如果您正在寻找一个独立的解决方案，那么主分支是您的最佳选择。

⚡ Repochat 的云分支主要依赖于对外部服务的 API 调用来进行模型推理和存储。它非常适合那些喜欢云端解决方案且不想设置本地环境的用户。

您可以阅读安装说明。

Repochat 允许您与聊天机器人进行对话。您可以提出问题或提供输入，聊天机器人将从矢量数据库中检索相关文档。

然后，它将您的输入连同检索到的文档一起发送到语言模型以生成响应。

默认情况下，我已将模型设置为codellama-7b-instruct，但您可以根据计算机的速度进行更改，甚至可以尝试使用 13b 量化模型进行响应。

聊天机器人在对话过程中保留记忆，以提供与上下文相关的回应。

您可以检查实时网站，并在其中使用 API 密钥进行检查。

您可以观看这个演示！

动图

如果您想查看的话，我还发现了另一种选择。

Repochat 拥有 200 多颗星，并部署在 Streamlit 上。

您可以检查GitHub 存储库。

✅ NextChat - ChatGPT Next Web。

这不是一个典型的副项目，因为代码库足够大，但它值得从中汲取灵感。

您只需单击一下即可获得精心设计的跨平台 ChatGPT Web UI，并支持 GPT3、GPT4 和 Gemini Pro（Web / PWA / Linux / Win / MacOS）。

其中一些很棒的功能包括：

⚡ 隐私首先，所有数据都本地存储在浏览器内。

⚡ 首屏加载速度快（~100kb），支持流式响应。

⚡ 自动压缩聊天记录以支持长时间对话，同时保存您的代币。

⚡ Linux/Windows/MacOS 上的紧凑客户端（~5MB）。

⚡ 您只需在 1 分钟内单击 Vercel 即可免费部署。

⚡ 与自行部署的 LLM 完全兼容。

⚡ Markdown 支持：LaTex、美人鱼、代码高亮等。

您可以查看NextChat 的现场演示和文档，其中包括所有环境变量（主要是 API 密钥）的列表。

在本地进行操作并不难，他们还提供了每小时自动更新的 GitHub 操作工作流程。

NextChat 在 GitHub 上拥有 69k+ 颗星，并且即将v2.2发布。

您可以检查GitHub 存储库。

如果您更喜欢观看教程来构建项目，我有几个很棒的建议。

🎯 LangChain GEN AI 教程 – 使用 OpenAI、Google Gemini Pro、LLAMA2 的 6 个端到端项目– 4 小时。

本教程涵盖的项目：

✅ LangChain 速成课程 - 奠定基础。

✅ 使用 Langchain 和 Astradb 与 PDF 聊天。

✅ 使用 Llama 2 LLM 模型生成博客。

✅ 使用 Pinecone VectorDB 的端到端 LLm 项目。

✅ Google Gemini Pro 演示。

✅ 多语言发票提取器 LLM 项目。

✅ 使用 Gemini Pro API 的对话式问答聊天机器人。

🎯 Streamlit 的 LangChain 速成课程。

本教程涵盖的项目：

✅ 发票数据提取器。

✅ 对自定义数据进行基本 QA。

✅ 总结和有用的链类型。

✅ WordPress 代码助手。

✅ 将语音备忘录转换为文本。

您可以找到速成课程。侧边栏中会有一个关于实践项目的部分！

有这么多很棒的项目 :)

说真的，我见过很多开发者开发类似的应用，但从中你能获得的灵感却无穷无尽。希望你喜欢这个。

继续，保存它，并构建每一个来显示谁是技术老大！

让我知道哪个项目最让你惊讶。

祝您拥有美好的一天！下次再见。

如果您喜欢这类东西， 请关注我以获取更多信息:)

关注 Copilotkit 以获取更多类似内容。

副驾驶套件 跟随

React UI + 适用于 AI Copilot、应用内 AI 代理、AI 聊天机器人和 AI 驱动的文本区域的优雅基础架构🪁