Les agents IA pour Pierre-Papier-Ciseaux sont un projet Python open-source démontrant comment construire, entraîner et évaluer différentes stratégies d'IA—jeu aléatoire, reconnaissance de motifs basée sur des règles, et apprentissage par renforcement (Q-learning)—dans le jeu classique Pierre-Papier-Ciseaux. Il fournit des classes d'agents modulaires, un moteur de jeu configurable, une journalisation des performances, et des utilitaires de visualisation. Les utilisateurs peuvent échanger facilement des agents, ajuster les paramètres d'apprentissage, et explorer le comportement de l'IA dans des scénarios compétitifs.

JARVIS est un agent AI open-source construit en Python qui transforme les commandes vocales en actions automatisées sur l'ordinateur de l'utilisateur. En combinant la reconnaissance vocale (par exemple avec les bibliothèques comme SpeechRecognition et pyttsx3) avec les modèles GPT d'OpenAI, JARVIS peut répondre aux questions, rechercher sur le web, jouer de la musique, ouvrir des applications et envoyer des e-mails. Avec une architecture modulaire, les développeurs peuvent intégrer des API supplémentaires (par exemple météo, calendrier, actualités), personnaliser la logique de gestion des intentions, et étendre la capacité aux appareils IoT. JARVIS utilise l'entrée audio en temps réel, traite les requêtes des utilisateurs et synthétise des réponses en langage naturel, créant une interface conversationnelle fluide pour l'informatique mains libres. Le projet insiste sur une installation facile via pip et une documentation claire pour un déploiement rapide.

AIAgentWorkshop est un projet Python open-source démontrant comment construire des agents IA autonomes capables de planifier, prendre des décisions et utiliser des outils. Il inclut des exemples d'intégration de recherche web, de gestion de fichiers et de commandes système, ainsi que des modules de mémoire et de raisonnement simples. Les développeurs peuvent suivre des exercices guidés pour créer des agents qui interprètent les objectifs des utilisateurs, génèrent des plans à plusieurs étapes, exécutent des tâches avec différents outils et maintiennent le contexte. L'architecture modulaire facilite l'échange ou l'extension des outils et la chaîne d'actions des agents pour des workflows complexes, transformant des concepts de recherche en IA en prototypes opérationnels.