Self-Determining AI Agents是一個Python框架，旨在簡化自主AI代理的建立。它具有可自定義的規劃循環，在該循環中代理產生任務、規劃策略並使用整合工具執行。框架包括持久記憶模組以保留上下文，彈性的任務排程系統，以及用於Web API或資料庫查詢等自訂工具整合的鉤子。開發者能透過配置檔或程式碼定義代理目標，框架則負責迭代決策流程。支援日誌記錄、性能監控，並能擴展新的規劃演算法。非常適合用於研究、自動化工作流程及智能多代理系統的快速原型設計。

Agent-Go提供模組化框架，用於在Go語言中建立自主AI代理。整合LLM供應商（如OpenAI）、用於長期保持上下文的向量記憶庫，以及用於將用戶請求拆解成可執行步驟的彈性規劃引擎。開發者可定義並註冊自訂工具（API、資料庫或shell指令），代理即可調用。對話管理器追蹤對話歷史，且可配置的規劃器協調工具調用與LLM互動。此設計讓團隊能快速在生產環境中原型設計AI助理、自動化流程與任務導向機器人。

Hugging Face Agents課程是一條全面的學習路徑，引導使用者設計、實作並部署自主AI代理人。課程包含串聯語言模型、整合外部API、自訂提示詞及評估代理決策的程式範例。學員將建立應用於問答、資料分析與工作流程自動化的代理人，並實務體驗Hugging Face Transformers、Agent API與Jupyter筆記本，以加速實務AI開發。

Autogpt 是一個專為開發者設計的Rust框架，用於構建自主AI代理。它提供類型化界面與OpenAI API，內建記憶體處理、情境串聯，以及擴展性插件支援。代理可以配置進行連鎖提示，維持對話狀態，並以程式化方式執行動態任務。適用於嵌入CLI工具、後端服務或研究原型，Autogpt 簡化了複雜AI工作流程的協調，同時利用Rust的性能與安全保證。

Dino Reinforcement Learning提供一整套工具，用於訓練AI代理通過強化學習遊玩Chrome恐龍遊戲。通過與Selenium的無頭Chrome實例集成，它捕捉實時遊戲畫面並將其處理為優化深度Q網路輸入的狀態表示。該框架包括重播記憶體、epsilon-greedy探索、卷積神經網路模型以及可定制超參數的訓練循環。用戶可以通過控制台日誌監控訓練進展，並保存檢查點以供後續評估。訓練完成後，代理可以自動自主應用或與不同模型架構進行基準測試。模組化設計使得更換RL算法變得簡單，是一個彈性良好的實驗平台。

Promptix Python是一個用於在Python中構建自主AI代理人的開源框架。通過簡單的pip安裝，您可以實例化由任何主要的LLM驅動的代理人、註冊領域特定工具、配置內存或持久數據存儲器，以及調度多步決策循環。此SDK支持實時串流Token輸出、日誌記錄或自定義處理的回調，以及內建的記憶模組來保持交互上下文。開發者可以利用此函式庫在幾分鐘內原型設計聊天機器人助手、自動化流程、數據管道或研究代理人。其模組化設計允許切換模型、添加自定義工具和擴展記憶後端，以適應多種AI代理應用需求。