negotiation_agent提供一個模組化的工具包，用於構建由GPT類模型支援的自主談判機器人。開發者可以通過定義項目、偏好與效用函數來描述談判場景，並可使用預定義的代理範本或整合自訂策略，進行報價、評估還價、決策是否接受與達成交易。它使用標準化協議管理對話流程，支援批次模擬實驗，並計算協議率、效用增益與公平性等性能指標。開放式架構便於切換底層LLM後端和拓展代理邏輯。利用negotiation_agent，團隊能快速在電子商務、研究與教育場景中推行並評估自動化談判方案。

TexasHoldemAgent提供一個基於Python的模組化環境，用於訓練、評估和部署由AI驅動的對戰限制德州撲克角色。它整合了自定義模擬引擎與深度強化學習算法（如DQN），用於反覆策略改進。主要功能包括手牌狀態編碼、行動空間定義（棄牌、跟注、加注）、獎勵塑造和即時決策評估。用戶可自訂學習參數、利用CPU/GPU加速、監控訓練進度，並載入或儲存訓練模型。該框架支援批次模擬，測試策略、產生性能數據及視覺化勝率，幫助研究者、開發者和撲克愛好者實驗AI驅動的遊玩策略。

Azul 遊戲 AI 代理是針對 Azul 桌遊比賽的專用 AI 解決方案。用 Python 實作，模型化遊戲狀態，運用 Minimax 搜索進行確定性剪枝，並利用蒙特卡洛樹搜索探索隨機結果。代理使用自訂的啟發式來評估棋盤位置，偏好產生高分的磁磚擺放模式。支援一對一錦標賽模式、批次模擬和結果記錄，用於性能分析。用戶可以調整演算法參數、整合入自訂遊戲環境、並可視化決策樹來了解走法選擇。