oracle-ai-developer-hub

Oracle AI Developer Hub

此仓库包含技术资源，旨在帮助 AI 开发者与工程师利用 Oracle AI Database（Oracle AI 数据库）及 OCI（Oracle Cloud Infrastructure）服务，结合 AI/Agent 技术栈中的其他关键组件，构建 AI 应用、Agent（智能体）及系统。

内容概览

本仓库按以下核心领域组织：

📱 应用（/apps）

展示了如何使用 Oracle 技术构建 AI 驱动解决方案的应用程序及参考实现。这些完整、可运行示例呈现了利用 Oracle AI Database 及 OCI 服务的 AI 应用、Agent 及系统的端到端实现。每个应用均包含源代码、部署配置及文档，帮助开发者理解架构模式、集成方法及构建生产级 AI 解决方案的最佳实践。

名称	描述	链接
FitTracker	基于 Oracle 26ai JSON Duality Views 构建的游戏化健身平台（FastAPI + Redis），于网络研讨会期间实时创建。
agentic_rag	智能 RAG 系统，支持多 Agent Chain of Thought（思维链）、PDF/网页/仓库处理，并与 Oracle AI Database 26ai 集成。
finance-ai-agent-demo	金融服务 AI Agent，以 Oracle AI Database 作为统一记忆核心，支持向量、图、空间及关系查询。
oci-generative-ai-jet-ui	全栈 AI 应用，包含 Oracle JET 界面、OCI Generative AI 集成、Kubernetes 部署及 Terraform 基础设施。
tanstack-shoe-store	使用 TanStack Start 及 Oracle 26ai Select AI 构建的 AI 聊天应用，支持用自然语言查询鞋店数据库。

📓 Notebooks（/notebooks）

Jupyter notebook 及交互式教程，涵盖：

• AI/ML 模型开发与实验
• Oracle 数据库 AI 特性及功能
• OCI AI 服务集成模式
• 数据准备与分析工作流
• Agent 开发与编排示例

名称	描述	技术栈	链接
agentic_rag_langchain_oracledb_demo	多 Agent RAG 应用：集成 langchain-oracledb、OracleVS、OracleEmbeddings、OracleTextSplitter 及 CoT Agent。	Oracle AI Database, langchain-oracledb, Ollama
fs_vs_dbs	比较文件系统与数据库两种 Agent 记忆架构。	LangChain, Oracle AI Database, OpenAI
memory_context_engineering_agents	构建具备 6 种持久化记忆的 AI Agent。	LangChain, Oracle AI Database, OpenAI, Tavily
oracle_langchain_example	使用 Oracle 26ai 向量存储及 LangChain 构建 RAG 应用。	Oracle AI Database, langchain-oracledb, HuggingFace
oracle_rag_agents_zero_to_hero	从零开始学习使用 Oracle AI Database 构建 RAG Agent。	Oracle AI Database, OpenAI, OpenAI Agents SDK
oracle_rag_with_evals	构建 RAG 系统，并附带全面的评估指标。	Oracle AI Database, OpenAI, BEIR, Galileo
agent_reasoning_demo	交互式演示 11 种认知架构（CoT、ToT、ReAct、Self-Reflection 等）用于 Agent 推理。	Ollama, agent-reasoning
oracle_agentic_rag_hybrid_search	基于 LangGraph ReAct Agent 的 Agentic RAG：在单个 SQL 查询中结合向量、关键词及混合搜索。	Oracle AI Database, langchain-oracledb, LangGraph, OpenAI
f1_miami_strategy_oracle_26ai	F1 迈阿密大奖赛 2026 策略智能分析 —— 在一个 Oracle 26ai 数据库中，使用实时 FastF1 数据实现 SQL、混合向量+关键词搜索、JSON 文档及属性图。	Oracle AI Database, FastF1, sentence-transformers, Plotly
multicloud/	在 OCI 外部运行 Oracle AI Database 的 AWS、Azure、Google Cloud 及 MongoDB API 示例。	Oracle AI Database + AWS / Azure / Google / MongoDB

📚 指南（/guides）

涵盖 AI Agent 架构、推理策略及记忆系统的综合文档、参考资料及会议演示。

名称	描述	链接
Building the Brain and Backbone of Enterprise AI Agents	企业 AI Agent 的先进推理与基础设施策略。涵盖 2026 年 Agent 技术栈（分层架构）、推理模式（思维链、思维树、自我反思、从简到繁、分解提示）及上下文/信念更新。由 Nacho Martinez 在 DevWeek SF 2026 上呈现。
Memory Engineering: The Discipline Behind Memory Augmented Agents	深入探讨记忆工程作为 AI Agent 的一门学科 —— 帮助 Agent 记住、推理并行动的科学。覆盖记忆生态系统、形态因素及塑造记忆增强 Agent 的关键学科。由 Richmond Alake 在 DevWeek SF 2026（主题演讲）上呈现。
Agent Memory with Oracle AI Database	Agent 记忆架构及 Oracle AI Database 作为 AI Agent 的记忆核心。由 Eli Schilling 在 DeepLearning.AI 主办的 AI 开发者大会（2026 年 4 月）上呈现。

🧠 Agent 记忆（/notebooks/agent_memory）

专注于 Oracle AI Agent Memory 包（oracleagentmemory）的 Notebooks —— 基于 Oracle AI Database 构建的 AI-Agent 记忆包。这些 Notebook 演示了如何将 Oracle AI Database 作为 AI Agent 的统一记忆核心，通过单个融合引擎提供对话历史、持久化事实及实体状态，而无需拼接向量数据库、键值存储及关系存储。

该集合包含包的开发指南、与简单记忆方案的基准对比，以及三个端到端框架示例（OpenAI Agents SDK、Claude Agent SDK、LangGraph）。

名称	描述	技术栈	链接
OAMP 开发指南	oracleagentmemory API 的逐步指南：连接、三个核心原语（用户/Agent、记忆、线程）、自动提取及向量检索。	OAMP, LiteLLM
OAMP 基准测试	量化 OAMP 与简单平面历史记忆在 80 个脚本化轮次、三种 Agent 变体下的 token 成本、延迟及回答质量。	OAMP, LiteLLM, OpenAI
深度研究 Agent	构建用于人类基因组探索的深度研究 Agent：使用 Tavily 进行实时网页搜索，并使用 Oracle AI Agent Memory 在会话之间持久化发现结果。	OpenAI Agents SDK, Tavily, OAMP
供应链助手	一个供应链助手，通过内置工具及 MCP 服务器跟踪货运货物，并将货运记录及操作备注持久化到 OAMP 中。	Claude Agent SDK, MCP, OAMP
抵押贷款审批工作流	一个确定性的抵押贷款审批工作流，建模为 LangGraph StateGraph，其中 OAMP 持久化申请人数据及审计追踪，以便失败的运行可以恢复。	LangGraph, OAMP

请参阅 Agent 记忆 README 了解推荐的阅读顺序、前提条件及在 Colab 中打开的链接。

🎓 工作坊（/workshops）

实操工作坊及引导式学习体验，带领开发者从基础到生产模式，使用 Oracle AI Database。每个工作坊独立包含：学生笔记本（含待填写 TODO 空缺）、完整的参考笔记本、分步指南，以及一个预先配置 Oracle AI Database 的可即用 Codespaces/devcontainer 环境。工作坊从信息检索及 RAG 开始，过渡到 Agent 系统及编排，最终到记忆增强 Agent —— 它们共同覆盖在 Oracle 上构建 AI 应用的完整技术栈。

无需克隆整个 Hub 即可拉取单个工作坊 —— 每个工作坊的 README 均包含 git sparse-checkout 指令，让你仅获取所需文件夹。

名称	描述	技术栈	链接
从信息检索到 RAG	通过实现五种检索策略（关键词、向量、混合、图）并构建连接 OCI GenAI 的完整 RAG 流水线，打造一个覆盖 200 篇 ArXiv 论文的研究论文助手。	Oracle AI Database, sentence-transformers, oracledb, OCI GenAI (xAI Grok 3 Fast)
从 RAG 到 Agent	将 RAG 流水线扩展为多 Agent 系统 —— 将检索包装为 Agent 工具，组合编排，并添加由 Oracle 支持的持久化会话记忆。	Oracle AI Database, sentence-transformers, oracledb, OpenAI API (GPT-5), openai-agents
Agent 记忆	构建具备记忆能力的 Agent：在 Oracle 中实现包含六种记忆类型的 MemoryManager，应用上下文工程技术，并比较有无记忆情况下的 Agent 运行。	Oracle AI Database, langchain-oracledb, sentence-transformers, OCI GenAI, Tavily

🤝 合作伙伴（/partners）

由 AI 生态系统中的合作伙伴贡献的 Notebooks 及应用。AI 开发者可利用这些资源了解如何将 Oracle AI Database 及 OCI 与 LangChain、Galileo、LlamaIndex 等热门 AI/ML 框架及平台结合使用。

名称	描述	技术栈	链接
即将推出	合作伙伴贡献的资源将在此添加	-	-

快速开始

1. 探索应用：从 /apps 中的应用入手，查看完整可运行的示例。
2. 跟随工作坊：查看 /workshops 获取引导式学习路径。
3. 实验 Notebooks：使用 /notebooks 进行动手实验。
4. 构建记忆增强 Agent：深入了解 /notebooks/agent_memory 中的 Oracle AI Agent Memory 包。
5. 参考指南：查阅 /guides 获取详细文档。
6. 查看合作伙伴资源：浏览 /partners 了解与热门 AI 工具及框架的集成。

贡献

本项目为开源项目。欢迎通过复刻本仓库并提交 Pull Request 来贡献！Oracle 感谢开源社区的任何贡献。

开发环境设置

在贡献之前，请设置 pre-commit 钩子以确保代码自动格式化：

1. 安装 pre-commit：

   pip install pre-commit
   

2. 安装额外依赖（可选，包含 pre-commit 及 ruff）：

   pip install -r requirements-dev.txt
   

3. 安装 pre-commit 钩子：

   pre-commit install
   

4. 可选：格式化现有代码：

   pre-commit run --all-files
   

pre-commit 钩子将自动使用以下工具格式化代码：

• Ruff 用于 Python 文件（格式化和 linting）
• Prettier 用于 JavaScript、TypeScript、JSON、YAML 及 Markdown 文件

更多详情请参阅 SETUP_PRE_COMMIT.md。

许可证

版权所有 (c) 2024 Oracle 及其关联公司。

根据 Universal Permissive License (UPL)，Version 1.0 许可。

详见 LICENSE。

ORACLE 及其关联公司对本仓库中包含或生成的任何软件、材料或内容不提供任何明示或暗示的保证，特别是明确否认任何及所有关于所有权、不侵权、适销性及特定用途适用性的默示保证。此外，ORACLE 及其关联公司不声明已对任何软件、材料或内容执行了常规安全审查。此外，在不限制前述内容的情况下，第三方可能未经审查向本仓库发布了软件、材料或内容。使用风险自负。

---

注意：本仓库正在积极维护，并会定期更新新的资源、示例及 Oracle AI 开发的最佳实践。