Ollama 是一個創新的平台，旨在通過提供簡化的命令行介面來簡化 AI 模型的使用。用戶可以輕鬆地訪問、運行和管理各種 AI 模型，而不必處理複雜的安裝或設置過程。這個工具非常適合希望在其應用中高效利用 AI 功能的開發人員和熱愛者，提供一系列預先構建的模型，以及輕鬆集成自定義模型的選項。

AgentX提供一個可擴展的架構，用於構建利用大型語言模型、工具和API集成以及記憶模塊的AI驅動代理，能夠自主執行複雜任務。它具有插件系統，支持自定義工具、基於向量的檢索、思維鏈推理和詳細執行日誌。用戶可通過靈活的配置文件或代碼來定義代理，指定工具、記憶後端如Chroma DB以及推理管道。AgentX管理多會話中的上下文，支持檢索增強生成，並促進多輪對話。其模塊化組件允許開發者協調工作流程、定制代理行為，並與外部服務集成，用於自動化、研究協助、客戶支持和數據分析。

DemoGPT是一個開源Python專案，旨在展示使用OpenAI GPT模型的AI代理的核心概念。它實作具有持久記憶的對話界面，存儲於JSON文件中，讓會話之間能進行上下文感知的互動。此框架支持動態工具執行，例如網路搜尋、計算與自定義擴充，通過插件式架構。只需配置OpenAI API密鑰與安裝相關依賴，即可在本地運行DemoGPT，原型設計聊天機器人、探索多回合對話流程，並測試代理驅動工作流程。這個全面的演示為開發者與研究人員提供實用基礎，用於在真實場景中建立、定制及實驗GPT驅動的代理。

TinyAuton提供了一個最小、可擴展的架構，用於構建能利用OpenAI GPT模型進行規劃、執行和調整任務的自主代理。它包含內建模塊，可定義目標、管理對話上下文、調用自訂工具並記錄代理決策。透過循環式自我反思，代理可以分析結果、調整計畫並重試失敗步驟。開發者能整合外部API或本地腳本作為工具，建立記憶或狀態，並自訂代理的推理流程。TinyAuton適合用於快速原型化AI驅動的工作流程，從資料擷取到程式碼產生，都可用少量Python程式碼實現。

SARL為決策支援提供動態的支援，並配備編輯器支援、程式碼生成、除錯和測試工具。其運行引擎可針對多平台，包括模擬框架（例如MadKit、Janus）和實際應用在機器人與IoT系統中。開發者可透過組合模組化技能與協定，架構複雜的多代理系統應用，簡化自適應且分散的人工智慧系統開發。

Odyssey 提供了一個靈活的架構，用於構建協作式多智能體系統。其核心組件包括用於定義和分配子任務的任務管理器、存儲上下文和對話歷史的記憶模塊、協調基於 LLM 的智能體的智能體控制器，以及整合外部 API 或自定義函數的工具管理器。開發者可以通過 YAML 文件來配置工作流程，選擇預建的 LLM 核心（例如 GPT-4、本地模型），並輕鬆擴展框架加入新工具或記憶後端。Odyssey 支援交互記錄、異步任務執行和迭代優化流程，適用於研究、原型設計和投產的多智能體應用。

Semi Agent提供模組化的架構，用於建構能規劃、執行動作並追蹤記憶的AI代理。它整合了流行的語言模型，支援自定義功能的工具定義，並維持對話型或任務導向的記憶。開發者可以定義逐步規劃，將外部API或腳本作為工具，並利用內建的記錄功能來除錯與優化代理的行為。其開源設計與Python基礎使得客製化、擴展及整合於現有流程中變得容易。

Agno AI Agent旨在幫助開發者快速構建由大型語言模型支援的自主代理。它提供模組化的工具管理庫、記憶管理、規劃與執行循環，以及與外部API（如網頁搜索、檔案系統和資料庫）的無縫集成。用戶可定義自訂工具介面、配置代理個性化設置，並協調複雜的多步工作流程。代理可以規劃任務、動態調用工具，並從過往交互中學習以提升性能。

A2A（Agent-to-Agent Architecture）是由谷歌開源的框架，可開發和操作協同工作的分散式 AI 智能體。它提供模組化元件，以定義智能體角色、通訊通道和共用記憶體。開發者可以整合多種 LLM 提供者，客製化智能體行為，並編排多步驟的工作流程。A2A 包含內建的監控、錯誤管理和回放功能，以追蹤智能體互動。透過標準化的協定進行智能體發現、訊息傳遞和任務分配，A2A 簡化複雜的協調模式，在不同環境中擴展智能體應用時提升可靠性。

LangGraph 提供基於圖形的抽象來設計 AI 代理的工作流程。開發者定義代表提示、工具、資料源或決策邏輯的節點，然後用邊連接這些節點形成一個有向圖。在運行時，LangGraph 遍歷該圖，按順序或平行執行 LLM 呼叫、API 請求和自定義函數。內建的快取、錯誤處理、日誌與併發支援，確保代理行為的健壯性。可擴充的節點和邊範板允許用戶整合任何外部服務或模型，使 LangGraph 理想於建立聊天機器人、資料管道、自動化工作者和研究助手，無需複雜的範例程式碼。

Agents-Deep-Research旨在通過提供模組化、可擴展的程式碼庫，簡化自主AI代理的開發與測試。它具有將用戶定義目標分解為子任務的任務規劃引擎、存儲與檢索上下文的長期記憶模組，以及允許代理與外部API和模擬環境互動的工具整合層。框架還提供評估腳本和基準工具，用於衡量代理在各種場景中的性能。基於Python，並可適配多種LLM後端，幫助研究人員和開發者快速原型化新型代理架構，進行可重複的實驗，並比較不同的規劃策略。

TexasHoldemAgent提供一個基於Python的模組化環境，用於訓練、評估和部署由AI驅動的對戰限制德州撲克角色。它整合了自定義模擬引擎與深度強化學習算法（如DQN），用於反覆策略改進。主要功能包括手牌狀態編碼、行動空間定義（棄牌、跟注、加注）、獎勵塑造和即時決策評估。用戶可自訂學習參數、利用CPU/GPU加速、監控訓練進度，並載入或儲存訓練模型。該框架支援批次模擬，測試策略、產生性能數據及視覺化勝率，幫助研究者、開發者和撲克愛好者實驗AI驅動的遊玩策略。

LLM驅動的AI代理旨在通過模組化架構協調大型語言模型與外部工具，簡化自主代理的創建。開發者可以定義具有標準化接口的自定義工具，配置記憶後端以保存狀態，以及建立多步推理鏈，使用LLM提示來規劃和執行任務。AgentExecutor模組管理工具調用、錯誤處理和異步工作流程，內建範例模板展示了資料擷取、客戶支援及行事曆排程等場景。通過抽象API調用、提示工程和狀態管理，該框架降低重複性程式碼，加快實驗速度，非常適合Python環境下的客製化智慧自動化解決方案團隊。

LangChain AI Scientist V2 利用大型語言模型與 LangChain 的代理框架，協助研究人員完成科學流程的每個階段。它可以吸收學術論文進行文獻回顧、生成新假設、設計實驗流程、撰寫實驗報告，並產生資料分析程式碼。用戶可透過 CLI 或筆記本互動，並用提示模板與配置設定自訂任務。它通過串連多步推理鏈，提升研究速度、減少手動工作，並確保結果可重複。

BabyAGI UI 為開放原始碼的 BabyAGI 自主代理提供一個簡潔的瀏覽器前端。用戶輸入整體目標與初始任務；系統隨後利用大型語言模型生成後續任務、根據與主要目標的相關性排序，並逐步執行每個步驟。在整個過程中，BabyAGI UI 會保存已完成任務的歷史、顯示每次輸出結果，並動態更新任務佇列。用戶可以調整模型類型、記憶範圍與執行次數限制，以在自動化與控制間取得平衡。

AI Agent with Cybersecurity是一個多功能的開放源碼AI框架，旨在簡化並提升資安作業流程。它運用大型語言模型來執行威脅獵殺、漏洞掃描、日誌分析、惡意載荷產生和自動事件回應。該代理可與Shodan、VulnDB、VirusTotal等流行的安全API和SIEM平台整合。其基於插件的架構讓開發者可以擴展功能，以支援像是網路釣魚偵測或合規性稽核等自訂安全流程。它可以本地或在雲端部署，為資安團隊的工作流程帶來加速，降低人為負擔，提升偵測準確度，並促使更快速的修復措施。

這款 AI PDF 聊天機器人代理是一個可定制的方案，使用者能夠上傳及解析 PDF 文件，將向量嵌入儲存在資料庫中，並透過聊天介面查詢這些文件。它整合了 OpenAI 或其他大型語言模型供應商，以產生帶有相關內容參考的答案。系統使用 LangChain 進行語言模型協調，LangGraph 管理代理工作流程。架構包含處理導入和檢索圖的後端服務、用於上傳檔案和聊天的 Next.js 前端 UI，以及用於向量儲存的 Supabase。支援即時串流回應，並允許自訂檢索器、提示及儲存配置。

本課程為開發者提供逐步指南，利用 Hugging Face 生態系統實現各種 AI 代理。內容涵蓋利用 Transformers 進行語言理解、檢索增強生成功能、整合外部 API 工具、鏈接提示以及微調代理行為。學員建構文檔問答、對話助理、流程自動化及多步推理的代理。透過實務筆記本，使用者配置代理調度、錯誤處理、記憶策略及部署範例，打造穩健且可擴展的 AI 驅動助理，用於客戶支援、資料分析和內容生成。

Camel AI是一個旨在簡化智能代理創建與協調的開源框架。它提供鏈接大型語言模型、整合外部工具與API、管理知識圖譜與持久化記憶的抽象層。開發者可定義多智能體工作流程，將任務拆解為子計劃，並通過CLI或網頁界面監控執行。基於Python與Docker，Camel AI允許無縫切換LLM供應商、自訂工具插件與混合規劃策略，從而加速自動化助手、數據管道與自主工作流程的開發。

Overeasy 是一個基於 Python 的開源框架，用於在各種領域協調由 LLM 驅動的 AI 代理。它提供模組化架構，用以定義代理、配置記憶存儲及整合外部工具，如 API、知識庫與資料庫。開發者可以連接至 OpenAI、Azure 或自行托管的 LLM 端點，設計涉及單一或多個代理的動態工作流程。Overeasy 的協調引擎負責任務委派、決策及後備策略，從而打造強健的數位工作者，用於科研、客戶支持、資料分析、排程等。完善的文件與範例專案促進在 Linux、macOS 與 Windows 上的快速部署。