enhance_llm 提供模組化框架，可在定義好的序列中協調大型語言模型的呼叫，讓開發者鏈接提示、整合外部工具或API、管理對話上下文，並實作條件邏輯。它支援多個LLM提供者、客製化提示範本、非同步執行、錯誤處理與記憶管理。透過抽象化LLM互動的範例代碼，enhance_llm簡化自動化代理應用的開發，例如自動助理、資料處理機器人、多步推理系統，使建置、除錯及擴展更為容易。

AI Agent Example是一個實作範例存儲庫，適合想建立智慧代理且由大型語言模型（LLM）支援的開發者與研究人員。專案包含範例碼，涵蓋代理規劃、記憶存儲與工具調用，展示如何整合外部API或自訂功能。它配備一個簡單的對話介面，能解析使用者意圖、制定行動計畫，並呼叫預定義工具來執行任務。開發者可依照範例，擴展數據排程、網頁爬取或自動資料處理等新功能。此範例採用模組化架構，加速人工智慧驅動工作流程與個性化數位助理的實驗，並提供代理協調與狀態管理的實務流程洞察。

demo_smolagents是SmolAgents的參考實作，是一個用Python建立自主AI智慧體的微框架，這些智慧體由大型語言模型驅動。此演示包括配置單一智慧體的特定工具包、建立智慧體間通信渠道和動態管理任務交接的範例。它展示了LLM整合、工具調用、提示管理與智慧體協調模式，用於構建能根據用戶輸入和中間結果執行協調動作的多智慧體系統。

cpp-langchain在C++中實現了LangChain生態系統的核心功能。開發者可以封裝對大型語言模型的調用、定義提示模板、組合鏈條並協調調用外部工具或API的代理。包含用於維護對話狀態的記憶模組、相似度搜索的嵌入支持，以及向量數據庫的整合。模組化設計讓你可以根據特定用例自訂每個組件——LLM客戶端、提示策略、記憶後端及工具包。提供純標頭文件庫與CMake支援，簡化在Windows、Linux和macOS平台上原生AI應用的編譯，無需Python運行環境。

gym-llm 擴展了 OpenAI Gym 生態系統，定義文本環境，讓 LLM 代理透過提示與動作互動。每個環境遵循 Gym 的步驟、重置與渲染慣例，輸出文本觀察並接受模型產生的回應作為動作。開發者可指定提示範例、獎勵計算與終止條件，打造複雜的決策與對話基準。整合流行的 RL 函式庫、日誌工具與可配置的評估指標，促進端到端的實驗。不論是評估 LLM 解謎、管理對話或導航結構化任務，gym-llm 提供標準化、可複現的研究與進階語言代理開發框架。

Fabrice AI讓開發者能在Node.js與瀏覽器環境中建立利用大型語言模型（LLMs）的高階AI代理系統。內建記憶模組用於保存對話歷史、工具整合以擴展代理能力並支持自訂API，以及插件系統促進社群擴充。配合類型安全的提示模板、多代理協調和可配置的運行時行為，簡化聊天機器人、任務自動化與虛擬助理的建立。跨平台設計確保無縫部署於網頁應用、無伺服器功能或桌面程式，加速智能且具上下文感知的AI服務開發。

LeanAgent 是一個基於 Python 的框架，旨在簡化自主 AI 代理的建立。它提供內建的規劃模組，利用大型語言模型進行決策，擴展性強的工具集成層可調用外部 API 或自定義腳本，並具有能在多次交互中保留上下文的記憶管理系統。開發者可以配置代理工作流程、加入自定義工具，快速進行除錯並部署適用於各種領域的生產級代理。

SCOUT-2提供模組化架構，用於建立由大型語言模型支持的自主代理人。包括目標拆解、任務規劃、執行引擎和反饋驅動的反思模組。開發者定義頂層目標後，SCOUT-2會自動生成任務樹，派遣工作代理人執行，監控進度，並根據結果調整任務。它與OpenAI API整合，並可透過自訂提示和範本擴展以支持各種工作流程。

LLM Maze Agent框架提供了一個基於Python的環境，用於構建能夠利用大型語言模型導航網格迷宮的智能代理。通過結合模塊化環境介面、思路鏈提示模板和啟發式規劃，代理迭代詢問LLM以決定移動方向，適應障礙物並更新其內部狀態表示。支持OpenAI和Hugging Face模型的開箱即用，並可配置迷宮生成和逐步調試，方便實驗不同策略。研究人員可以調整獎勵函數、定義自定義觀測空間，並視覺化代理路徑來分析推理過程。這種設計使得LLM Maze Agent成為評估LLM驅動規劃、教授AI概念和基準測試空間推理任務的多功能工具。

Lagent是一個以開發者為中心的框架，能讓用戶在大語言模型之上建立智能代理。它提供動態規劃模塊，將任務拆解為子目標，並存儲長期會話的上下文的記憶庫，以及外部工具調用的API整合界面。有可定制的管道，使用者可以定義代理行為、提示策略、錯誤處理和輸出解析。Lagent的日誌和除錯工具可以監控決策過程，支持本地、雲端或企業部署的可擴展架構。它促使建構自主助理、資料分析器與工作流程自動化。

Lyzr Studio 讓組織能快速建立定制的AI助手，將大型語言模型、商業規則和數據整合結合。在拖放界面中，使用者可視化協調多步工作流程，整合內部API、資料庫和第三方服務，並設計特定領域的LLM提示。代理可以在實時沙盒中測試，部署到網頁小工具、消息應用或企業平台，並透過儀表板追蹤績效指標。進階的版本控制、角色權限和日誌確保治理。無論是客服、銷售潛在客戶資格判定、人力資源上線或IT故障排除，Lyzr Studio都能簡化開發可靠且可擴展的數字工作者流程。

EspressoAI為開發者提供一個結構化環境，用於設計、配置和部署由大型語言模型驅動的AI代理。它支持在代理工作流程中註冊和調用工具，通過內建的記憶模塊管理對話上下文，並允許鏈接提示進行多步推理。開發者可以整合外部API、自訂插件和條件邏輯，以定制代理行為。該框架的模組化設計確保擴展性，讓團隊能替換組件、加入新能力，或適配專有的LLM而不需重寫核心邏輯。

Labs是一個開源、可嵌入的領域專用語言，用於定義和執行使用大型語言模型的AI代理。它提供聲明提示、管理上下文、條件分支和集成外部工具（如數據庫、API）的結構。使用Labs，開發者可以將代理工作流程描述為代碼，協調多步任務，如資料檢索、分析和生成。該框架將DSL腳本編譯成可執行的管道，可用於本地或生產環境。Labs支持交互式REPL、命令列工具，並與標準LLM提供商集成。其模組化架構允許輕鬆擴展自定義函數和工具，促進快速原型及可維護的代理開發。輕量運行時確保低資源開銷，無縫嵌入現有應用。

Llama-Agent 是一個以開發者為中心的工具包，用於創建由大語言模型驅動的智能 AI 代理。它提供工具整合以調用外部 API 或函數、記憶管理以儲存與檢索上下文，以及思維鏈規劃來拆解複雜任務。代理能執行動作、與自訂環境互動，並透過插件系統調整。作為一個開源專案，支持方便擴展核心元件，能在各個領域快速實驗與部署自動化工作流程。

StableAgents提供一套完整工具來建立能規劃、執行並調整複雜工作流程的自主AI代理，利用大型語言模型支持模組化組件，包括規劃器、記憶存取、工具與評估器。代理能存取外部API、執行檢索增強任務，並存儲對話或交互背景。此框架包含CLI工具與Python SDK，支持本地開發或雲端部署。藉由插件架構，StableAgents整合熱門LLM供應商與向量資料庫，並提供監控面板與日誌追蹤性能。

LLM狀態機是一個開源的Python框架，專為使用明確狀態機構建AI代理而設計。開發者將狀態定義為離散步驟——每個調用一個大型語言模型或自訂邏輯——並根據輸出進行轉換。這種方法提供清晰性、可維護性和強健的錯誤處理，適用於多步、由LLM驅動的工作流程，例如文件處理、對話機器人或自動化流程。

SeeAct 設計目的是為視覺語言代理提供雙階段管線：由大型語言模型驅動的規劃模塊生成基於觀察場景的子目標，執行模塊將子目標轉化為環境特定的行動。感知骨幹從圖像或模擬中提取物件與場景特徵。模塊化架構允許輕鬆替換規劃器或感知網絡，並支持在 AI2-THOR、Habitat 及自訂環境中的評估。SeeAct 促進互動式 embodied AI 研究，提供端到端的任務分解、歸屬與執行。

LLMWare 作為一個全面的工具包，用於構建由大型語言模型驅動的 AI 代理。它允許用戶定義可重用的鏈條，通過簡單接口整合外部工具，管理上下文記憶狀態，並協調多步推理，涵蓋語言模型與下游服務。使用 LLMWare，開發者可插入不同模型後端，設定代理決策邏輯，並附加自定義工具包，用於網頁瀏覽、資料庫查詢或 API 呼叫等任務。其模組化設計支持快速原型開發自主代理、聊天機器人或研究助手，並提供內建日誌記錄、錯誤處理與部署適配器，適用於開發與生產環境。

Taiat（TypeScript AI Agent Toolkit）是一個輕量且可擴充的框架，用於在Node.js和瀏覽器環境中建構自主式人工智慧代理。它允許開發者定義代理行為、整合OpenAI和Hugging Face等大型語言模型API，並協調多步工具執行流程。該框架支援可自定義狀態對話記憶體後端、網路搜尋工具註冊、檔案操作和外部API呼叫，以及可插拔的決策策略。透過Taiat，你可以快速原型設計具備自主規劃、推理與任務執行能力的代理，涵蓋資料擷取、摘要、自動產生程式碼及對話助理等應用。

Amazon Q CLI 是一款擴展 AWS CLI 的開發者工具，加入了生成式 AI 的能力。它讓使用者能利用 Amazon Q 的大型語言模型，利用自然語言查詢 AWS 服務、配置資源與生成程式碼片段。CLI 支援會話管理、多帳戶認證，以及可定制的代理配置。透過整合 AI 建議與自動化工作流程到 Shell 腳本和 CI/CD 流程，團隊能減少手動步驟、更快排查問題，並在大規模中維持一致的雲端運作。