Solace AI es un marco modular de agentes IA que permite desplegar tu propio asistente conversacional en tu infraestructura. Ofrece gestión de memoria contextual, soporte para bases de datos vectoriales para recuperación de documentos, hooks de plugins para integraciones externas y una interfaz de chat basada en la web. Con solicitudes del sistema personalizables y control granular sobre las fuentes de conocimiento, puedes crear agentes para soporte, tutorías, productividad personal o automatización interna sin depender de servidores de terceros.

TUNiB proporciona soluciones de A.I. conversacional de última generación diseñadas para involucrar emocionalmente a los usuarios. Sus ofertas incluyen el primer sLLM en coreano completamente de código abierto para uso comercial, chatbots multipersona personalizables y APIs de NLP que protegen a las plataformas de discursos de odio generados por A.I. y violaciones de privacidad. Estas soluciones están diseñadas para proporcionar experiencias de usuario sin interrupciones y pueden integrarse rápidamente para mejorar la participación y seguridad del usuario.

FreeThinker proporciona una arquitectura modular para definir agentes de IA que pueden ejecutar tareas autónomamente mediante el aprovechamiento de modelos de lenguaje grandes, módulos de memoria y herramientas externas. Los desarrolladores pueden configurar agentes mediante Python o YAML, conectar herramientas personalizadas para búsqueda en la web, procesamiento de datos o llamadas API, y utilizar estrategias de planificación integradas. El marco maneja la ejecución paso a paso, la retención de contexto y la agregación de resultados para que los agentes puedan operar sin intervención en trabajos de investigación, automatización o apoyo en decisiones.

Pacman AI ofrece un entorno y un marco de agentes totalmente funcional en Python para el clásico juego de Pacman. El proyecto implementa algoritmos clave de aprendizaje por refuerzo—Q-learning e iteración de valores—para permitir que el agente aprenda políticas óptimas para la recolección de píldoras, navegación en laberintos y evasión de fantasmas. Los usuarios pueden definir funciones de recompensa personalizadas y ajustar hiperparámetros como la tasa de aprendizaje, factor de descuento y estrategia de exploración. El marco soporta registro de métricas, visualización del rendimiento y configuraciones reproducibles de experimentos. Está diseñado para facilitar su extensión, permitiendo a investigadores y estudiantes integrar nuevos algoritmos o enfoques de aprendizaje con redes neuronales y compararlos con métodos de cuadrícula tradicionales dentro del dominio de Pacman.