MIDCA — это модульная когнитивная архитектура, предназначенная для поддержки полного когнитивного цикла умных агентов. Она обрабатывает сенсорные входные данные с помощью модуля восприятия, интерпретирует их для генерации и приоритезации целей, использует планировщик для создания последовательностей действий, осуществляет выполнение и оценивает результаты через метакогнитивный слой. Концепция двойного цикла разделяет быстрые реактивные ответы и более медленное рассуждение, что даёт агентам возможность динамического адаптирования. Расширяемая структура и открытый исходный код делают MIDCA идеальной платформой для исследователей и разработчиков, изучающих автономное принятие решений, обучение и саморефлексию в ИИ.

WowDAO — первая децентрализованная автономная организация для глобального сообщества open-source AI. Она предоставляет платформу для энтузиастов AI, разработчиков и исследователей для совместной работы, обмена ресурсами и разработки инновационных решений в области ИИ. Демократизируя ИИ, WowDAO дает возможность своим членам участвовать в разработке ИИ независимо от их географического положения или ограничений в ресурсах.

Вспомогательная многофункциональная платформа с открытым исходным кодом, предназначенная для упрощения и повышения эффективности операций по безопасности. Использует возможности больших языковых моделей для поиска угроз, сканирования уязвимостей, анализа логов, создания вредоносных нагрузок и автоматизированных реакций на инциденты. Агент может интегрироваться с популярными API безопасности, такими как Shodan, VulnDB, VirusTotal, и платформами SIEM. Архитектура на базе плагинов позволяет расширять возможности под собственные рабочие процессы, например, обнаружение фишинга или аудит соответствия. Может быть развернут локально или в облаке, ускоряя рабочие процессы команд безопасности, сокращая ручное вмешательство, повышая точность обнаружения и обеспечивая более быстрые меры исправления.

AI_RAG предоставляет модульное решение для генерации с дополнением поиска, сочетающее индексирование документов, векторный поиск, генерацию встраиваний и создание ответов с помощью LLM. Пользователи готовят корпуса текстовых документов, подключают векторное хранилище вроде FAISS или Pinecone, настраивают эндпоинты для встраиваний и LLM, запускают процесс индексирования. При получении запроса AI_RAG извлекает наиболее релевантные участки, передает их вместе с подсказкой выбранной модели и возвращает контекстно обоснованный ответ. Его расширяемый дизайн позволяет создавать собственные коннекторы, поддержку нескольких моделей и тонкую настройку параметров поиска и генерации, что идеально подходит для баз знаний и продвинутых чат-агентов.

CAMEL-AI — это фреймворк на Python, который позволяет разработчикам и исследователям создавать, настраивать и запускать несколько автономных ИИ-агентов, управляемых LLMs. Он включает встроенную поддержку генерации с дополнением извлечения (RAG), использования внешних инструментов, коммуникации между агентами, управления памятью и состоянием, а также планирования. Благодаря модульной архитектуре и легкой интеграции команды могут прототипировать сложные системы с несколькими агентами, автоматизировать рабочие процессы и масштабировать эксперименты на различных бекендах LLM.