Agentic 應用範本是一個完全配置的 Next.js 項目，作為開發 AI 驅動代理應用的基礎。它採用模組化的資料夾結構、環境變數管理和範例代理工作流程，利用 OpenAI 的 GPT 模型和 Pinecone 等向量資料庫。範本演示了串行多步鏈、對話式問答代理和文本產生端點等關鍵範例，開發者可輕鬆自訂流程邏輯，整合其他服務，並部署到 Vercel 或 Netlify 等平台。採用 TypeScript 支援與內建錯誤處理，減少初始設定時間並提供豐富的文件說明以便擴展。

mini-AlphaStar透過提供一個易於存取的開源PyTorch框架，幫助解開複雜的AlphaStar架構。內含空間特徵編碼器用於螢幕和縮圖輸入，非空間特徵處理，LSTM記憶模組，以及用於動作選擇與狀態評估的獨立策略與價值網絡。利用模仿學習啟動，並透過自我對弈的強化學習進行微調，支援與pysc2相容的環境封裝器，TensorBoard日誌與可配置超參數。研究人員與學生能從人類遊戲中建立資料集，根據自訂情境訓練模型，評估代理表現，並可視化學習曲線。模組化的程式碼庫方便實驗不同網絡變體、訓練流程和多代理設定。設計用於教學與快速原型，不用於正式部署。

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。

Enso是一個基於瀏覽器的平台，用戶可以通過視覺流程型建築器創建自定義的AI代理。用戶拖放模組化程式碼和AI組件，配置API整合，嵌入聊天界面，並即時預覽互動流程。設計完成後，代理可以立即測試並一鍵部署到雲端或作為容器匯出。Enso結合無需程式碼的簡易性與完整程式碼擴展性，簡化複雜的自動化任務，加快智能助手與數據驅動工作流程的開發。

CommNet是一個面向研究的庫，實現了CommNet架構，允許多個智能體在每個時間步共享隱藏狀態，並學習在合作環境中協調行動。它包括PyTorch模型定義、訓練和評估腳本、OpenAI Gym的環境包裝器，以及用於定制通信通道、智能體數量和網絡深度的工具。研究人員和開發人員可以利用CommNet在導航、追蹤–逃避和資源收集任務中原型設計並基準測試智能體之間的通信策略。

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。

ePH-MAPF提供一個高效的流程，用於計算數十到數百代理人在格子地圖上的無碰撞路徑。它採用優先啟發式、增量搜尋技術與可自訂的成本度量（曼哈頓距離、歐幾里得距離），在速度與解決方案品質之間取得平衡。使用者可以選擇不同的啟發式函數，將函數整合到Python機器人系統中，並在標準MAPF場景中進行效能基準測試。程式碼模組化且有良好文件，方便研究人員和開發者擴展適用於動態障礙或特殊環境。