Julep AI 是一個開源平台，旨在幫助數據科學團隊快速構建、迭代和部署多步驟的 AI 工作流程。使用 Julep，您可以使用代理、任務和工具創建可擴展、持久和長時間運行的 AI 管道。該平台的 YAML 配置簡化了複雜的 AI 流程，確保生產就緒的工作流程。它支持快速原型設計、模組化設計和與現有系統的無縫集成，使其能夠處理數百萬的同時用戶，並提供對 AI 操作的完全可見性。

Jupyter AI Agents是一個框架，可將自主式AI助手嵌入Jupyter Notebook和JupyterLab環境。它允許用戶建立、配置並執行多個代理，能完成資料分析、程式碼生成、除錯、網路爬取與知識檢索等各類任務。每個代理都保存語境記憶，可串連形成複雜的工作流程。透過簡易的魔術命令與Python API，使用者能將代理與現有的Python函式庫和資料集無縫整合。此平台基於熱門的大型語言模型（LLM），支援自訂提示範本、代理間通訊，以及即時反饋。它顛覆傳統筆記本流程，藉由自動化重複性任務，加速原型開發，並在開發環境中直接進行互動式AI探索。

LangGraph GUI ReactFlow是一個開源的React組件庫，允許用戶通過直觀的流程圖編輯器構建AI代理工作流程。每個節點代表LLM調用、資料轉換或外部API調用，而邊則定義資料流。用戶可以自訂節點類型、配置模型參數、實時預覽輸出，並導出工作流程定義以供執行。與LangChain及其他LLM框架的無縫整合，使建立和部署複雜對話代理和資料處理管道變得更加容易。

LangGraph-Swift 提供一個基於圖形的 DSL，用於通過串接代表行動的節點（如 LLM 查詢、檢索操作、工具調用和記憶管理）來建立 AI 工作流程。每個節點皆為型別安全，並可連接來定義執行順序。該框架支援適配器連接流行的 LLM 服務如 OpenAI、Azure 和 Anthropic，也支持自訂工具整合，用於調用 API 或函式。內建的記憶模組可跨會話保留上下文，提供除錯與視覺化工具，並支援跨平台運行於 iOS、macOS 和 Linux。開發者可以擴充自訂邏輯的節點，快速原型出聊天機器人、文件處理器與自主代理人，皆可在 Swift 內使用。

Substrate是一個靈活的平台，旨在通過連接各種模組化組件或節點來開發AI工作流程。它提供了一個直觀的軟件開發工具包（SDK），涵蓋了基本的AI功能，包括語言模型、圖像生成和集成向量儲存。該平台適用於多個領域，使使用者能夠輕鬆高效地構建複雜AI系統。通過簡化開發過程，Substrate使用者和組織能夠專注於創新和自定義，將想法轉變為有效的解決方案。

SuperSwarm 旨在利用多個專業代理實時通信與合作，來協調基於人工智能的工作流程。它支持動態任務分解，主要控制代理將複雜目標拆分成子任務，並指派給專家代理。代理可共享內容、傳遞訊息，並根據中間結果調整行動方案。平台提供基於Web的儀表板、RESTful API 和命令列介面用於部署與監控。開發者可以定義自訂角色、配置叢集拓撲，並透過插件整合外部工具。SuperSwarm 採用容器調度進行橫向擴展，確保在大量工作負載下的穩定性能。日誌、指標與視覺化有助於優化代理交互，使其適用於高階研究、客戶支援自動化、程式碼產生與決策流程。

Avalon-LLM是一個基於Python的多智能體AI框架，用於在協調環境中管理多個由LLM驅動的智能體。每個智能體可以配置特定的工具，包括網路搜索、文件操作和自定義API，以執行專門任務。該框架支持存儲對話背景與長期知識的記憶模組、用於改進決策的思考鏈推理，以及內建的性能評估流程以進行基準測試。Avalon-LLM提供模組化插件系統，方便開發者輕鬆添加或替換組件，例如模型提供者、工具包和記憶存儲。透過簡單的配置文件和命令列介面，用戶可以部署、監控和擴展符合研究、開發及生產用例的自主AI工作流程。

Drive Flow 是一個彈性很高的框架，讓開發人員可以通過定義步驟序列來設計AI流程。每個步驟都可以調用大型語言模型、執行自訂函數或與存於MemoDB的持久記憶交互。此框架支援複雜的分支邏輯、迴圈、平行任務與動態輸入處理。採用TypeScript，並使用宣告式DSL來指定流程，讓流程邏輯分離清晰。Drive Flow還提供內建錯誤處理、重試策略、執行上下文追蹤與豐富的日誌記錄。主要用例包括AI助手、自動化文件處理、客戶支持自動化和多步決策系統。通過抽象流程編排，Drive Flow加速開發並簡化AI應用的維護。

LLMWare.ai是一個平台，用於在您的PC上安全、本地並按規模運行企業AI工作流程。它自動優化AI模型的部署以適應您的硬體，確保高效性能。通過LLMWare.ai，您可以無需互聯網運行強大的AI工作流程，訪問超過80個AI模型，執行設備內文檔搜索以及執行自然語言SQL查詢。

Octoparse AI是一個革命性的無碼平台，旨在促進自定義AI工作流程和RPA機器人的創建。其直觀的拖放界面使得用戶能夠迅速自動化廣泛的業務流程。通過Octoparse AI，企業可以利用AI和數據的力量，提高效率和生產力，無需廣泛的編碼知識。預先構建的應用和工作流程進一步加速自動化過程，使得非技術用戶也能夠輕鬆使用。

Scint是一個強大的無碼AI代理平台，讓用戶能組合、部署及管理自主多步流程。利用Scint的拖放界面，用戶可以定義代理行為、連接API及資料來源，並設定觸發條件。平台內建除錯、版本控制及即時監控儀表板。為技術與非技術團隊設計，Scint加快自動化開發，確保從資料處理到客戶支持的複雜任務可靠執行。

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。

Agent Communication Protocol (ACP) 是一個正式規範，旨在實現自主人工智慧代理之間的無縫互動。ACP 指定了一套訊息類型、標頭和負載約定，以及代理發現和登記機制。它支持對話追蹤、版本協商和標準化的錯誤回報。透過提供語言無關的JSON架構和傳輸無關的綁定，ACP 減少了整合的複雜性，讓開發者可以組合出可擴展、互通的多代理系統，用於客戶服務機器人、機器人群、物聯網協調與合作人工智慧流程。

Agentic Workflow是一個聲明式框架，使開發者能夠通過鏈接多個具有可定制角色、提示和執行邏輯的LLM代理人來定義複雜的AI工作流程。它支持任務調度、狀態管理、錯誤處理和插件集成，實現代理人與外部工具之間的無縫交互。該庫使用Python和YAML配置來抽象代理人定義，支持異步執行流程，並通過自定義連接器和插件擴展功能。作為開源項目，它包括詳細的範例、模板和文檔，幫助團隊加速開發與維護複雜的AI代理生態系統。

AWS Agentic Workflows 是一個無伺服器編排框架，允許您將 AI 任務串接成端對端的工作流程。利用 Amazon Bedrock 的基礎模型，您可以調用 AI 代理進行自然語言處理、分類或自訂任務。AWS Step Functions 管理狀態轉換、重試和平行執行。Lambda 函數可以預處理輸入和後處理輸出。CloudWatch 提供日誌和指標，用於即時監控和除錯。開發者可在毫無伺服器或基礎建設管理的情況下建立可靠且可擴展的 AI 管道。

LangGraph 提供基於圖形的抽象來設計 AI 代理的工作流程。開發者定義代表提示、工具、資料源或決策邏輯的節點，然後用邊連接這些節點形成一個有向圖。在運行時，LangGraph 遍歷該圖，按順序或平行執行 LLM 呼叫、API 請求和自定義函數。內建的快取、錯誤處理、日誌與併發支援，確保代理行為的健壯性。可擴充的節點和邊範板允許用戶整合任何外部服務或模型，使 LangGraph 理想於建立聊天機器人、資料管道、自動化工作者和研究助手，無需複雜的範例程式碼。

FlowOps 提供一個視覺化、無碼的環境，用戶能以順序工作流程來定義 AI 代理人。透過直覺的拖放建構器，可組合 LLM 互動模組、向量存取、外部 API 呼叫與自訂程式碼。進階功能包含條件分支、迴圈及錯誤處理，以建構穩健的流程。此外支援與主要 LLM 供應商（OpenAI、Anthropic）及資料庫（Pinecone、Weaviate）與 REST 服務整合。設計完成後，工作流程可立即將其部署為可擴展的 API，具備監控、記錄與版本管理。團隊協作工具讓成員可以分享與優化代理人設計。FlowOps 非常適用於打造聊天機器人、自動文件擷取、資料分析流程及完整端到端的 AI 商務流程，完全不需撰寫任何基礎架構程式碼。

Functionary provides a declarative way to register custom tools — JavaScript functions encapsulating API calls, database queries, or business logic. It wraps an LLM interaction to analyze user prompts, determine which tools to execute, and parse the tool outputs back into conversational responses. The framework supports memory, error handling, and chaining of actions, offering hooks for pre- and post-processing. Developers can quickly spin up agents capable of dynamic function orchestration without boilerplate, enhancing control over AI-driven workflows.

Firebase GenKit是一個開發框架，簡化了使用Firebase服務創建生成式AI功能的流程。它包括調用LLM的Cloud Functions範本、用於記錄和管理Prompt/Responses的Firestore觸發器、認證整合，以及用於聊天和內容生成的前端UI組件。為無服務器擴展而設計，GenKit允許你插入自己選擇的LLM供應商（例如OpenAI）和Firebase項目設置，實現端到端AI工作流程，無需繁重的基礎設施管理。

Glif 作為一個人工智慧沙盒，任何人都可以在這裡構建他們的人工智慧驅動工作流程、圖像生成器和互動應用程式，而無需編碼。它通過提供生成迷人視覺和故事的工具，將創意與技術相結合。用戶可以啟動項目，探索各種提示，並構建符合其需求的動態應用程式，同時擁有實驗和創新的自由。從生成藝術到人工智慧聊天機器人，Glif 使用戶能夠以可接觸的方式將他們的想法實現。