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。

CAMEL-AI是一個基於Python的框架，讓開發者與研究人員能建構、配置及運行多個由LLMs支援的自主AI代理。它內建支援檢索增強生成（RAG）、外部工具運用、代理通信、記憶與狀態管理以及排程功能。藉由模組化組件與便捷整合，團隊可以快速原型化複雜的多代理系統、自動化流程並擴展不同LLM後端的實驗。

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。

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。

LLM Playground作為一個全面的工具，為對大型語言模型（LLMs）感興趣的研究人員和開發人員提供服務。用戶可以嘗試不同的提示，評估模型反應並部署應用程序。該平台支持多種LLM，並包括性能比較功能，使用戶能夠查看哪個模型最適合他們的需求。通過它的可訪問界面，LLM Playground旨在簡化與複雜機器學習技術的交互過程，使其成為教育和實驗的寶貴資源。

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。

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。

OpenPlayground是一個開源平台，允許使用者實驗和比較不同的大型語言模型(LLMs)。它旨在幫助使用者了解各種LLMs的優缺點，通過提供一個用戶友好和互動的環境。該平台對於開發人員、研究人員以及任何對人工智慧能力感興趣的人特別有用。用戶可以輕鬆地使用Google帳戶或電子郵件註冊。

本質上，RxAgent-Zoo是一個反應式RL框架，將來自環境、重播緩衝區和訓練循環的資料事件視為可觀測的串流。使用者可以串接運算子來預處理觀測、更新網路和非同步記錄指標。此函式庫提供平行環境支援、可配置的排程器，以及與熱門的Gym和Atari基準測試的整合。插拔式API允許無縫切換代理元件，促進可重現性研究、快速實驗和擴展的訓練流程。

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。

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。

SimCheck是一個旨在幫助用戶生成、比較和視覺化向量嵌入的Chrome擴展。這個擴展利用HuggingFace模型和transformers.js庫，提供一個易於使用的界面來實驗文本嵌入。用戶可以創建嵌入、比較它們並視覺化結果，這使得它對開發人員、數據科學家和NLP愛好者來說是一個有價值的工具。它特別適合於以更直觀和互動的方式理解文本數據之間的相似性和差異性。

Vanilla Agents 是一個輕量級的 PyTorch 為基礎的框架，提供模組化且可擴展的核心強化學習代理實作。它支援 DQN、Double DQN、PPO 和 A2C 等演算法，並配備與 OpenAI Gym 兼容的可插拔環境封裝。用戶可以配置超參數、記錄訓練指標、保存檢查點並制圖學習曲線。程式碼架構清晰，非常適合研究原型設計、教育用途及新想法的基準測試。