mario-ai專案提供一個完整的流程，用於利用神經進化開發AI代理，以掌握Super Mario Bros.。通過整合基於Python的NEAT實現與OpenAI Gym的SuperMario環境，讓用戶定義自訂的適應度標準、突變率與網絡結構。在訓練過程中，框架會評估世代的神經網絡，選出高績效基因，並提供遊戲實時視覺化與網絡演變。同時，它支援存儲與載入已訓練模型、導出獲勝基因，並生成詳細績效日誌。研究人員、教育者與愛好者可以擴展程式碼到其他遊戲環境、嘗試進化策略，並比較各階段的AI學習進展。

My AskAI 提供一個設計用於革命性客戶支持的 AI 代理，透過自動化回應和減少高達 75% 的支持請求來實現。它可輕鬆集成到現有的實時聊天提供商中，例如 Intercom 和 Zendesk，幫助企業提高效率，專注於更複雜的問題。該平台還支持教育目的，讓學生隨時與材料互動，提供對他們掙扎區域的洞察。

AIpacman 是一個開源的Python專案，用於模擬Pac-Man遊戲環境，以進行AI實驗。用戶可選擇內建代理或使用搜尋算法（如DFS、BFS、A*、UCS）、對抗方法（如Minimax配合Alpha-Beta剪枝和Expectimax），或Q-Learning等強化學習技術來自定義代理。該框架提供可配置的迷宮、性能日誌、代理決策視覺化，以及用於運行對局和比較分數的命令行界面。旨在促進教育課程、研究基準及AI及遊戲開發的業餘項目。

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。