Chatchat Lite是一個開源、輕量級的聊天UI框架，設計在瀏覽器中運行並可連接多種AI後端——包括OpenAI、Azure、自定義HTTP端點和本地語言模型。它提供實時串流回應、Markdown呈現、程式碼區塊格式化、主題切換和持久對話歷史。開發者可以用自定義插件、環境配置和自托管或第三方AI服務的適應性來擴展它，適用於原型、演示和正式生產的聊天應用。

人工智慧代理機器翻譯是一個開源框架，設計用於機器翻譯的研究與開發。它協調三個核心代理：生成、評估與調整，共同產出、評估並改善翻譯。基於PyTorch與Transformer模型，支援監督預訓練、強化學習優化與可配置代理策略。用戶可以在標準資料集上做基準測試、追蹤BLEU分數，並擴充流程加入自訂代理或獎勵函數，以探索代理間合作在翻譯任務中的應用。

Multi-Agent-RAG提供一個模組化框架，用於構建由多個專用AI代理人協調工作的基於檢索的生成應用（RAG）。開發者配置個別代理人：檢索代理連接向量存儲以提取相關文件；推理代理執行思維鏈分析；生成代理用大語言模型合成最終回應。框架支持插件擴展、可配置提示語和全面日誌紀錄，實現與主流LLM API及向量資料庫的無縫整合，改善RAG的準確性、擴展性與開發效率。

OLI（OpenAI邏輯解釋器）是一個客戶端框架，旨在通過利用OpenAI API來簡化在Web應用中創建AI代理。開發人員可以定義自定義函數，OLI根據用戶提示智能選擇，管理會話上下文以在多次互動中保持一致的狀態，並鏈接API調用到複雜的工作流程，如預約或報告生成。此外，OLI還包括解析響應、處理錯誤和通過Webhook或REST端點集成第三方服務的工具。由於它是完全模組化和開源的，團隊可以自定義代理行為、增加新功能並在任何Web平台上部署OLI代理，無需後端依賴。OLI加快了對話界面和自動化的開發。

FastMCP是一個開源的Python框架，用於構建支援外部工具、資料來源和自訂提示的MCP（模型上下文協議）伺服器和客戶端。開發者在Python中定義工具類和資源處理器，註冊到FastMCP伺服器，並使用HTTP、STDIO或SSE等傳輸協議進行部署。其客戶端庫提供異步接口，方便與任何MCP伺服器互動，將AI代理無縫集成到應用中。

這個開源框架結合了AgentSimJs的智能體建模庫與Three.js的3D圖形引擎，提供交互式的瀏覽器多智能體模擬。用戶可以定義智能體類型、行為和環境規則，配置碰撞檢測和事件處理，並以可定制的渲染選項實時視覺化模擬。該庫支持動態控制、場景管理和性能調優，非常適合用於研究、教育和複雜智能體場景的原型設計。

Cerebellum提供一個模組化平台，開發者可以使用聲明式計劃定義代理，這些計劃由一連串的步驟或工具調用組成。每個計劃都可以通過統一介面調用內建或自定義的工具，例如API連接器、檢索器或資料處理器。記憶模組允許代理在會話中存取、存儲及遺忘資訊，支援上下文感知與狀態化互動。它整合了OpenAI、Hugging Face等流行的LLM，支援自訂工具註冊，並配備事件驅動的執行引擎，支持即時流程控制。透過日誌、錯誤處理及插件鉤子，Cerebellum提升生產效率，加速自動化、虛擬助手與研究應用的代理開發。

Colosseum Agent Battles 提供模組化的 Python SDK，用於在可客製化的場域中建立人工智慧代理競賽。用戶可定義具有特定地形、資源和規則集的環境，並透過標準化介面實作代理策略。該框架處理戰鬥排程、裁判邏輯與即時行動及結果的記錄。它包含運行錦標賽、追蹤勝負統計、以圖表視覺化代理人性能的工具。開發者也可與流行的機器學習庫整合，訓練代理、導出戰鬥資料進行分析、擴展裁判模組以自訂規則。最終，它簡化人工智慧策略在一對一比拼中的基準測試。此外也支援 JSON 和 CSV 格式的記錄，方便後續分析。

DeepMind MAS 環境是一個Python函式庫，提供建構和模擬多智能體強化學習任務的標準化介面。用戶可以配置智能體數量、定義觀察與行動空間，並自定義獎勵結構。該框架支援智能體間通信渠道、性能日誌和渲染功能。研究人員可以將DeepMind MAS無縫整合到流行的RL庫（如TensorFlow與PyTorch），用於基準測試新算法、測試通信協議，並分析離散與連續控制領域。

MultiAgentPacman提供一個基於Python的遊戲環境，使用戶能夠在Pacman領域中實現、可視化和基準多個AI代理。它支持對抗搜索算法，如Minimax、Expectimax、α-β剪枝，以及用於強化學習或啟發式的方法的自定義代理。該框架包含簡潔的GUI、命令行控制和用於記錄比賽統計及比較性能的工具，支持競爭或合作場景。

Eliza是一個輕量級、開源的對話框架，通過模式匹配和腳本模板模擬心理治療師。開發者可以自定義腳本、模式及記憶變數，以調整回應和對話流程。它可在任何現代瀏覽器或Webview環境中運行，支持多個會話，並記錄交互以供分析。其可擴展架構允許整合到網頁、移動應用或桌面包裝中，是教育、研究、原型設計及互動展覽的多功能工具。

自治代理是一個開源的Python庫，旨在簡化由大型語言模型驅動的自主AI代理的創建。通過抽象感知、推理和行動等核心組件，它允許開發者定義自定義工具、記憶體和策略。代理能自主規劃多步任務、查詢外部API、通過自定義解析器處理結果，以及保持對話上下文。該框架支持動態工具選擇、序列和並行任務執行，以及記憶體持久化，讓數據分析、研究、電子郵件摘要和網頁抓取等工作具有強大的自動化能力。其可擴展性設計方便與各種LLM提供商和自定模組的集成。

Skeernir是一個開源的AI代理框架，旨在加速開發木偶操控代理，用於遊戲自動化與流程協調。專案包括一個基本模板、核心API和範例模組，示範如何將代理邏輯連結到目標環境，無論是模擬遊戲玩法或控制作業系統任務。其擴展性架構允許用戶實作自訂決策策略、插入機器學習模型，並在Windows、Linux和macOS上管理代理生命週期。內建日誌與配置支援，Skeernir讓自主AI代理的測試、除錯與部署更為便利。

HackerGCLASS Agent API是一個開源的Python框架，暴露RESTful端點來運行AI代理。開發人員可以定義自定義工具整合、配置提示模板，並在各會話中維護代理狀態和記憶體。該框架支持多代理並行調度、處理複雜對話流程，並整合外部服務。它通過Uvicorn或其他ASGI服務器簡化部署，並通過插件模組提供擴展性，快速為各種用途創建領域專屬的AI代理。

SelfDrivingCarSimulator是一個基於Pygame的輕量級Python框架，提供一個2D駕駛環境，用於訓練自主車輛代理，利用強化學習。它支持可客製化的賽道佈局、可配置的感測器模型（如LiDAR和相機模擬）、實時視覺化以及性能數據記錄。開發者可以整合其RL算法，調整物理參數，監控速度、碰撞率和獎勵函數等指標，以快速推進自主駕駛研究與教育項目。

此基於RAG的智慧對話AI代理，結合支持向量存儲的檢索層與Google的Gemini LLM，通過LangChain推動富含語境的知識提取。用戶將PDF、網頁或資料庫中的文件索引到向量資料庫中。當提問時，代理會檢索最相關的段落，並輸入提示模板，生成簡潔且準確的答案。模組化元件允許自訂資料來源、向量存儲、提示工程與LLM後端。此開源框架簡化開發領域專屬問答機器人、知識探索者與研究助手，能從大量文檔中即時擷取可擴展的洞見。

Multi-Agent-Blueprint是一套全面的開源代碼，用於建立和協調多個人工智能驅動的代理，合作完成複雜任務。其核心為一個模組化系統，用於定義不同的代理角色—如研究員、分析師和執行者—每個角色配備專用的記憶存儲和提示模板。該框架與大型語言模型、外部知識API及定制工具無縫整合，支持動態任務委派和代理間的反饋循環。內建日誌和監控功能，追蹤代理間的交互與輸出。具有可自定義的工作流程和可更換組件，開發者與研究者能快速原型設計多代理管道，用於內容生成、資料分析、產品研發或自動客戶支持。

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。

SPEAR（可擴展邊緣AI即時平台）旨在管理邊緣端AI推理的完整生命週期。開發者可以定義串流管道，通過連接器從Kafka、MQTT或HTTP來源攝取感測器數據、影片或日誌。SPEAR動態將容器化模型部署到工作節點，平衡叢集負載，確保低延遲回應。它包含內建的版本控制、健康檢查和遙測，並將監控指標展現給Prometheus和Grafana。用戶可透過模組化插件架構應用自訂轉換或警示。透過自動擴展和故障恢復，SPEAR能提供可靠的即時分析，適用於物聯網、工業自動化、智慧城市及自主系統的異構環境。

RAGENT 被設計用來創建能與各種工具及資料源互動的自主 AI 代理。底層上，它使用檢索增強生成來從本地檔案或外部資源取得相關內容，並透過 OpenAI 模型撰寫回應。開發者可以加入網頁搜尋、Selenium 瀏覽器自動化、檔案讀寫、在安全沙箱中執行程式碼，以及 OCR 圖像文字擷取的工具。該框架管理對話記憶、協調工具，並支持自訂提詞模板。有了 RAGENT，團隊可以快速原型設計智慧代理，用於文件問答、研究自動化、內容摘要及端到端工作流程自動化，全部在 Python 環境中實現。