Awesome LLM 应用集

解决什么问题

LLM 应用开发常常面临一个矛盾：功能验证可以很快，但要把它接到真实开发流程里，中间会冒出大量重复劳动——从调接口、拼提示词到处理工具调用，每个环节都要重新写一遍胶水代码。更麻烦的是，不同 Agent 平台的上下文格式、工具协议和配置方式并不统一，换一个运行环境可能就要改一轮适配代码。

awesome-llm-apps 的目标就是减少这类重复。它不是某个具体的应用，而是一套子技能集合，把开发 LLM 应用时常见的模块拆成可复用的片段，让你在 Claude Code、Codex、Hermes Agent 等平台上可以直接调用，而不是从零搭建。

技能如何工作

这个集合包含 8 个子技能文件，覆盖从提示词构建到工具调用的多个环节。使用时，你可以把它理解为一组按需取用的积木：当你需要某一块能力时，直接引用对应的子技能即可，不用关心底层提示词和执行逻辑的具体写法。

核心工作方式可以归纳为三步：

• 按场景选择子技能：根据你要完成的任务类型（比如对话、检索、工具调用），从 8 个子技能里挑出需要的那个，而不是一次性加载全部内容。
• 通过平台协议调用：子技能按照各 Agent 平台的技能格式编写，在 Claude Code、Codex 等环境里可以作为 SKILL.md 加载，由 Agent 按需读取和执行。
• 由 Agent 自主组合：当任务跨多个子技能时，Agent 可以根据上下文自行选择并串联不同的子技能，形成完整的执行链，而不需要你手动拼接提示词。

适用边界与注意点

这套技能更适合已经在使用 Agent 平台做 LLM 应用开发的人。如果你的工作流完全依赖手写代码调用模型，可能没必要引入这层抽象。

另外需要注意，子技能的输出质量取决于底层模型的能力和上下文设置。某些复杂任务可能需要额外配置模型参数或提供更详细的输入，才能达到预期效果。

最后，虽然兼容多个平台，但不同 Agent 对技能文件的解析方式可能有细微差别。如果你在某一个平台上遇到异常，建议先对照该平台的官方文档检查配置，再考虑是否是子技能本身的问题。