MIDCA是一個模塊化的認知架構，用於支持智能代理的完整認知循環。它通過感知模塊處理感官輸入，解釋數據以生成和優先排序目標，利用規劃器建立行動序列，執行任務，然後通過元認知層來評估結果。雙循環設計區分快速反應和較慢的深思熟慮推理，使代理能夠動態適應。MIDCA的可擴展框架和開源代碼庫非常適合研究自主決策、學習和自我反思的AI代理。

MineLand提供一個受到Minecraft啟發的彈性3D沙盒環境，用於訓練強化學習代理。它具有Gym相容的API，可與Stable Baselines、RLlib及自訂實作的RL庫無縫整合。用戶可存取資源收集、導航及建設挑戰等任務庫，每個任務皆可自訂難度與獎勵結構。即時渲染、多代理情境及無界面模式支援可擴展的訓練與基準測試。開發者可設計新地圖、定義自訂獎勵函數，以及加入感測器或控制元件。MineLand的開源程式碼促進重現研究、協作開發與在複雜虛擬世界中快速原型設計AI代理。

Role AI 是一個創新的聊天平台，旨在促進引人入勝且無限制的 AI 驅動對話。用戶可以與不同的 AI 角色交流，包括歷史人物和虛構角色。該平台旨在提供流暢的用戶體驗，利用先進的自然語言處理技術來模擬逼真的互動。無論是為了娛樂、教育還是研究，Role AI 的目標是使 AI 互動更貼近日常生活。

DemoGPT是一個開源Python專案，旨在展示使用OpenAI GPT模型的AI代理的核心概念。它實作具有持久記憶的對話界面，存儲於JSON文件中，讓會話之間能進行上下文感知的互動。此框架支持動態工具執行，例如網路搜尋、計算與自定義擴充，通過插件式架構。只需配置OpenAI API密鑰與安裝相關依賴，即可在本地運行DemoGPT，原型設計聊天機器人、探索多回合對話流程，並測試代理驅動工作流程。這個全面的演示為開發者與研究人員提供實用基礎，用於在真實場景中建立、定制及實驗GPT驅動的代理。

Pacman AI 提供一個功能完整的 Python 環境和代理架構，用於經典的吃豆人遊戲。此專案實作關鍵的強化學習演算法——Q-learning 和價值迭代，使代理能學習最佳策略來收集豆子、穿越迷宮及避開鬼怪。用戶可以定義自訂的獎勵函數，並調整學習率、折扣因子與探索策略。此框架支援指標記錄、性能視覺化與可復現的實驗設定。設計於易於擴展，讓研究人員與學生能整合新演算法或神經網路學習方法，並與基線網格方法做比較。

AI代理人辯論Autogen教程提供逐步框架，用於協調多個在結構化辯論中的AI代理人，利用LangChain的AutoGen模組來協調訊息傳遞、工具執行與辯論解決。用戶可以自訂範本、設定辯論參數，並瀏覽每輪詳細紀錄與摘要。非常適合研究人員比較模型觀點或教育者演示AI協作，本教程提供可重用的程式碼元件，可用於Python中的端到端辯論流程。

Captum 是一個可擴展的庫，提供 PyTorch 中的模型可解釋性的一般實現。它旨在通過提供多種算法來分解複雜的機器學習模型，分析和理解模型預測。Captum 包含各種方法，如特徵消融、集成梯度等，幫助研究人員和開發者理解和改進他們的模型。

可控RAG框架提供一個模組化的方法來建構檢索增強生成系統。它允許配置和串聯檢索組件、記憶模塊以及生成策略。開發者可插入不同的大型語言模型（LLM）、向量資料庫和策略控制器，以調整文檔在生成前的提取和處理方式。基於Python，包含索引、查詢、對話歷史追蹤和行動控制流程等工具，適用於聊天機器人、知識助手及研究工具。