Empathic Agents JS offre un cadre robuste pour créer des agents conversationnels émotionnellement conscients en JavaScript. Les développeurs peuvent définir des états émotionnels personnalisés, les mettre à jour selon les entrées utilisateur, et stocker le contexte dans des modules de mémoire à court et long terme. Les agents exploitent GPT-3.5 ou des LLM compatibles via des intégrations fournies, permettant des dialogues dynamiques, contextuellement pertinents et guidés par l’empathie. La bibliothèque supporte la configuration des styles de réponse, la logique de branchement emotion-driven, et des hooks pour la gestion de mémoire et la personnalisation. Son design modulaire permet d’étendre avec des actions personnalisées, adaptée pour support client, tutorat éducatif, bots compagnons ou autres applications sensibles à l’empathie. Empathic Agents JS fonctionne aussi bien dans le navigateur que dans Node.js, facilitant le déploiement sur plateformes web et serveur.

GenerativeAgentsCN est une adaptation open-source en chinois du cadre Stanford des agents génératifs, conçu pour simuler des personnages numériques réalistes. En combinant de grands modèles linguistiques avec un module de mémoire à long terme, des routines de réflexion et une logique de planification, il orchestre des agents qui perçoivent le contexte, rapellent des interactions passées et décident autonomement des prochaines actions. La boîte à outils fournit des notebooks Jupyter prêts à l’emploi, des composants Python modulaires et une documentation complète en chinois pour guider les utilisateurs dans la configuration des environnements, la définition des caractéristiques de l’agent et la personnalisation des paramètres de mémoire. Utilisez-la pour explorer le comportement de PNJ piloté par IA, prototyper des bots de service client ou réaliser des recherches académiques sur la cognition des agents. Avec des API flexibles, les développeurs peuvent étendre les algorithmes de mémoire, intégrer leurs propres LLM et visualiser les interactions des agents en temps réel.

CamelAGI est un cadre open-source conçu pour simplifier la création d'agents IA autonomes. Il dispose d'une architecture de plugins pour des outils personnalisés, d'une intégration de mémoire à long terme pour la persistance du contexte, et du support pour plusieurs grands modèles linguistiques tels que GPT-4 et Llama 2. Grâce à des modules de planification et d'exécution explicites, les agents peuvent décomposer des tâches, appeler des API externes et s'adapter au fil du temps. La extensibilité et l'approche communautaire rendent CamelAGI adapté pour des prototypes de recherche, des systèmes de production et des projets éducatifs.

Llongterm est conçu pour améliorer les applications et agents d'IA en fournissant une solution de mémoire à long terme robuste. Il permet à l'IA de se souvenir et de rappeler des interactions et des détails importants sur de longues périodes, améliorant ainsi l'efficacité et la précision globales de l'IA. Grâce à sa compatibilité avec divers chatbots et agents d'IA, et à des fonctionnalités telles que la mémoire lisible par l'homme, la cartographie des connaissances et des chronologies structurées, Llongterm représente une avancée significative dans la technologie mémoire de l'IA.

Memorai est un outil piloté par l'IA conçu pour aider les utilisateurs à se souvenir de ce qu'ils lisent. En sélectionnant des passages de tout texte, Memorai génère des questions pertinentes, qui peuvent être ajoutées facilement aux cartes Anki. Cette fonction de répétition espacée garantit que l'information est retenue à long terme, ce qui en fait un outil parfait pour les étudiants et les apprenants tout au long de la vie. L'outil se concentre sur la minimisation de l'effort tout en maximisant la rétention de la mémoire, rendant l'étude plus engageante et efficace.

Neocortex est une plateforme IA basée sur le Web qui agit comme un hub de connaissance personnel et un gestionnaire de tâches. Elle stocke et récupère des informations en utilisant la mémoire à long terme, crée des agents intelligents pour gérer la recherche, la synthèse et la planification, et s’intègre avec des documents, des calendriers et des API. Les utilisateurs peuvent interagir via chat pour interroger des insights passés, générer des rapports et déléguer des flux de travail à des agents personnalisés. Neocortex affine continuellement le contexte, propose des rappels proactifs et soutient la collaboration en équipe.

Avalon-LLM est un cadre d'IA multi-agent basé sur Python qui permet aux utilisateurs d'orchestrer plusieurs agents pilotés par LLM dans un environnement coordonné. Chaque agent peut être configuré avec des outils spécifiques — y compris la recherche web, les opérations sur fichiers et les API personnalisés — pour réaliser des tâches spécialisées. Le cadre supporte des modules de mémoire pour stocker le contexte des conversations et les connaissances à long terme, un raisonnement en chaîne pour améliorer la prise de décision, et des pipelines d’évaluation intégrés pour benchmarker la performance des agents. Avalon-LLM offre un système de plugins modulaire, permettant aux développeurs d’ajouter ou de remplacer facilement des composants comme les fournisseurs de modèles, les kits d’outils et les magasins de mémoire. Avec des fichiers de configuration simples et des interfaces en ligne de commande, les utilisateurs peuvent déployer, surveiller et étendre des flux de travail d’IA autonomes adaptés pour la recherche, le développement et la production.

ChatGuru est un chatbot IA innovant qui intègre la puissance de l'API ChatGPT ainsi que des modèles tels que GPT-4 et Google Gemini. Il fournit une assistance en temps réel en répondant à des questions, fournissant des informations et même en aidant dans la recherche et les pratiques de pleine conscience. Ce chatbot est conçu pour être votre assistant virtuel, offrant un accès facile et des réponses intelligentes pour améliorer la productivité et l'expérience utilisateur.

Devon fournit une suite complète d'outils pour définir, orchestrer et exécuter des agents autonomes au sein d'applications Python. Les utilisateurs peuvent définir des objectifs pour l'agent, spécifier des tâches appelables et chaîner des actions en fonction de conditions. Grâce à une intégration transparente avec des modèles linguistiques tels que GPT et des bases de données vectorielles locales, les agents ingèrent et interprètent les entrées utilisateur, récupèrent des connaissances contextuelles et génèrent des plans. Le framework supporte la mémoire à long terme via des backends de stockage modulaires, permettant aux agents de se souvenir des interactions passées. Des composants de surveillance et de journalisation intégrés permettent un suivi en temps réel des performances de l'agent, tandis qu'une CLI et un SDK facilitent le développement et le déploiement rapides. Convient pour automatiser le support client, les pipelines d'analyse de données et les opérations métier routinières, Devon accélère la création de travailleurs numériques évolutifs.

Doraemon-Agent est une plateforme et un cadre Python open-source conçu pour permettre aux développeurs de créer des agents IA sophistiqués. Il permet d'intégrer des plugins personnalisés et des outils externes, de maintenir la mémoire à long terme entre les sessions, et d'exécuter une planification en chaîne pour plusieurs étapes. Les développeurs peuvent configurer des rôles d'agents, gérer le contexte, enregistrer les interactions et étendre la fonctionnalité via une architecture de plugins. Il simplifie la création d'assistants autonomes pour des tâches telles que l'analyse de données, le support à la recherche ou l'automatisation du service client.

Superpowered AI propose une API complète pour la génération augmentée par la récupération (RAG), permettant aux développeurs de créer des applications capables d'interroger et de discuter efficacement avec d'immenses bases de connaissances. En téléchargeant des fichiers et en interrogeant des bases de connaissances, les utilisateurs peuvent améliorer leurs applications LLM avec des connaissances externes et une mémoire à long terme. La plateforme prend en charge la création de bases de connaissances, l'intégration avec divers outils et propose à la fois un SDK Python et une API REST pour plus de facilité d'utilisation. Elle est conçue pour la récupération dynamique d'informations, ce qui facilite la génération de conversations et de résumés percutants.

Simular AI Agent S2 est une solution complète pour créer des agents autonomes capables de gérer des tâches complexes en plusieurs étapes. Les utilisateurs peuvent importer des données du domaine pour la connaissance, mettre en place des stockages de mémoire à long terme pour maintenir le contexte, et intégrer des outils externes (API, navigateurs web, bases de données) pour obtenir des informations en temps réel. La plateforme exploite des modèles GPT-4 finement ajustés pour une prise de décision robuste et supporte des interfaces conversationnelles et non conversationnelles. Les agents peuvent être déployés via des points d'API ou intégrés dans des applications, offrant des tableaux de bord de monitoring pour des insights de performance et des logs. La sécurité intégrée de Simular garantit la confidentialité des données et la conformité, rendant l'Agent S2 adapté au service client, à la recherche de marché et à l'automatisation des flux de travail dans divers secteurs.

Agent Script fournit une couche de script déclarative sur de grands modèles linguistiques, vous permettant d'écrire des scripts YAML ou JSON qui définissent les flux de travail de l'agent, les appels d'outils et l'utilisation de mémoire. Vous pouvez connecter OpenAI, des LLM locaux ou d'autres fournisseurs, connecter des API externes en tant qu'outils, et configurer des backend de mémoire à long terme. Le framework gère la gestion du contexte, l'exécution asynchrone et la journalisation détaillée en standard. Avec un code minimal, vous pouvez prototyper des chatbots, des flux RPA, des agents d'extraction de données ou des boucles de contrôle personnalisées, facilitant la création, le test et le déploiement d'automatisations alimentées par l'IA.

Agents-Deep-Research est conçu pour rationaliser le développement et le test d'agents IA autonomes en offrant une base de code modulaire et extensible. Il dispose d'un moteur de planification des tâches qui décompose les objectifs définis par l'utilisateur en sous-tâches, d'un module de mémoire à long terme qui stocke et récupère le contexte, et d'une couche d'intégration d'outils permettant aux agents d'interagir avec des API externes et des environnements simulés. Le cadre fournit également des scripts d'évaluation et des outils de benchmarking pour mesurer la performance des agents dans divers scénarios. Basé sur Python et adaptable à différents backend LLM, il permet aux chercheurs et développeurs de prototyper rapidement de nouvelles architectures d'agents, de réaliser des expériences reproductibles et de comparer différentes stratégies de planification dans des conditions contrôlées.