Agents-Deep-Research旨在通過提供模組化、可擴展的程式碼庫，簡化自主AI代理的開發與測試。它具有將用戶定義目標分解為子任務的任務規劃引擎、存儲與檢索上下文的長期記憶模組，以及允許代理與外部API和模擬環境互動的工具整合層。框架還提供評估腳本和基準工具，用於衡量代理在各種場景中的性能。基於Python，並可適配多種LLM後端，幫助研究人員和開發者快速原型化新型代理架構，進行可重複的實驗，並比較不同的規劃策略。

BotPlayers是一個多功能的開源框架，旨在簡化AI驅動的遊戲代理的開發與部署。它具有支持截屏爬取、Web API或自訂模擬界面的彈性環境抽象層，允許代理與各種遊戲交互。框架內置強化學習算法、遺傳算法和基於規則的啟發式策略，並附有數據記錄、模型檢查點和性能視覺化工具。其模塊化插件系統讓開發者可用Python或Java自訂感測器、行動和AI策略。BotPlayers亦提供YAML配置快速原型開發和自動化訓練、評估流程。支持Windows、Linux和macOS等多平台，加速智能遊戲代理的實驗與商用。

CrewAI-Learning是一個開源庫，旨在簡化多智能體強化學習的項目。它提供環境結構、模組化智能體定義、可定制的回饋函數，以及適用於協作任務的內建算法如DQN、PPO和A3C。用戶可以定義場景、管理訓練迴圈、記錄度量並視覺化結果。框架支持動態配置智能體團隊和回饋共享策略，使其在多領域中便於原型設計、評估和優化合作AI解決方案。

crewAI Playground 是一個用於構建和實驗人工智慧驅動代理的工具包和沙箱環境。您可以透過配置文件或程式碼定義代理，指明提示內容、工具和記憶模組。這個平台能同時運行多個代理，處理訊息路由，並記錄對話歷史。它支援外部數據源插件整合、可自定義的記憶後端（記憶中或持久存儲），以及用於測試的網頁界面。使用它可以在正式部署前原型設計聊天機器人、虛擬助手和自動化工作流程。

Flocking Multi-Agent提供模組化的庫，用於模擬展示群體智慧的自主智能體。它編碼核心操控行為——凝聚、分離與對齊——以及避障和動態目標追蹤。利用Python和Pygame進行視覺化，該框架允許調整如鄰居半徑、最大速度和轉向力等參數。它支持通過自定義行為函數和機器人或遊戲引擎的集成掛鉤來擴展。適用於AI、機器人學、遊戲開發和學術研究的實驗，展示簡單的本地規則如何產生複雜的全局行為。

MARFT是一個基於Python的LLM，支持可重複實驗和快速原型設計協作式AI系統。

該開源項目提供了建立在PyTorch和Unity ML-Agents之上的完整多智能體強化學習框架。包括去中心化的DDPG演算法、環境包裝器和訓練腳本。用戶可以配置代理策略、評論網絡、重放緩衝區和並行訓練工作者。日誌記錄鉤子支持TensorBoard監控，模組化代碼支持自訂獎勵函數和環境參數。存放庫包含示例Unity場景，演示協作導航任務，非常適合擴展和基準測試多智能體模擬場景。

MultiAgent-Systems-StarCraft2-PySC2-Raw提供一整套工具組，用於在星際爭霸II中開發、訓練與評估多個AI代理。它暴露低層次控制單位移動、目標指向和技能，同時支持彈性的獎勵設計與場景配置。用戶可以輕鬆插入自定義神經網路架構、定義隊伍協調策略，並記錄指標。基於PySC2，支援並行訓練、檢查點與視覺化，非常適合推動合作與對抗多智能體強化學習的研究。

PettingZoo 遊戲的強化學習代理人是一個基於 Python 的程式庫，提供現成的 DQN、PPO 和 A2C 演算法，用於 PettingZoo 環境下的多智能體強化學習。具有標準化的訓練與評估腳本、可配置的超參數、整合的 TensorBoard 日誌記錄，以及支持競爭和合作遊戲。研究人員和開發者可以克隆倉庫、調整環境與演算法參數、運行訓練並視覺化指標，以快速進行多智能體 RL 實驗和基準測試。

StoreforGPT是一個致力於展示自定義GPT作品的在線平台。用戶可以探索多樣化的GPT，這些GPT針對各種目的而量身定制，讓人們輕鬆找到滿足特定需求的AI解決方案。該平台通過允許用戶嘗試和分享自己的GPT來促進創新和社群參與。無論您是在尋找提高生產力，簡化任務，還是只是想試驗AI，StoreforGPT都是您發現新可能性的地方。

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。

Dreamspace.art是一個多功能平台，提供無限畫布以實驗AI模型。它使用户能夠運行提示，視覺化和比較輸出，並將它們串聯起來，以促進更好的理解和來自大型語言模型的見解。無論您是分析AI輸出的研究人員，還是希望將思想組織成視覺格式的創意專業人士，Dreamspace.art都提供了負責任地與AI技術實驗和創新的工具。

Dual Coding Agents 提供模組化架構，建構能無縫結合視覺理解與語言生成的人工智慧代理。此框架支援內建影像編碼器如 OpenAI CLIP、基於變壓器的語言模型如 GPT，並將它們串聯成思考鏈流程。用戶可向代理提供圖像和提示詞範本，代理會處理視覺特徵、推理上下文，並產出詳盡的文字輸出。研究人員與開發者可交換模型、配置提示詞，並用插件擴展代理。此工具包簡化多模態人工智慧實驗，更快速原型應用，涵蓋圖像問答、文件分析、無障礙工具與教育平台。

echoOLlama 利用 Ollama 生態系統，提供一個最小的代理框架：它從終端讀取用戶輸入，傳送到配置好的本地 LLM，並即時流回回答。用戶可以腳本化多次交互，鏈接 prompts，實驗提示工程，而無需修改底層模型程式碼。此設計非常適合測試會話模式、建立簡易命令行工具，以及處理迭代式代理任務，同時保障資料隱私。

LLM Clash是一個動態平台，旨在為想要在即時辯論中挑戰其他大型語言模型（LLM）的AI愛好者、研究者和業餘者提供服務。該平台具有多功能，支持微調和即用模型，無論它們是本地托管還是基於雲的。這使其成為測試和改進您的LLM性能及辯論能力的理想環境。有時，一個精心設計的提示就是在辯論中改變局勢所需的全部！

multi_agent_celar設計為模組化的AI平台，能在模擬環境中實現多智能體之間的涌現語言通信。用戶可以通過策略文件定義智能體行為，配置環境參數，並啟動協調訓練，使智能體演化出自己的通信協議以解決合作任務。該框架包含評估腳本、可視化工具，以及對擴展性實驗的支持，非常適合多智能體協作、涌現語言及決策過程的研究。

PommerLearn使研究人員和開發者能在Pommerman遊戲環境中訓練多智能體RL機器人。它包含現成的流行演算法（PPO、DQN）實作、彈性的超參數配置文件、自動記錄和訓練指標可視化、模型檢查點和評估腳本。其模組化架構便於擴充新演算法、自訂環境及整合標準ML庫如PyTorch。

ThreeAgents使用Python開發，利用OpenAI的聊天完成API來實例化具有不同角色（系統、助理、用戶）的多個AI代理。它提供代理提示、角色基消息處理和上下文記憶管理的抽象。開發者可以定義自訂提示範本、配置代理個性，並鏈接交互以模擬逼真的對話或任務導向工作流程。框架處理消息傳遞、上下文窗口管理和日誌記錄，支持協作決策或層級任務分解的實驗。支持環境變數與模塊化代理，ThreeAgents允許在OpenAI與本地LLM後端之間無縫切換，促進快速原型設計。附帶範例腳本與Docker支持，方便快速部署。